システム抽象
曖昧な要求を、モジュール、データ責任、失敗経路、チームが実装できる設計判断へ変換します。
RequirementsArchitectureReview
01 / 紹介
速く書くことから、より良く設計することへ。
AI は積極的に使いますが、最も重視しているのは「何を作るべきか」を決めることです。モジュール分割、状態の置き場所、worker の協調、失敗時の扱い、要求を信頼できる仕組みに変える設計を大切にしています。
使用言語は中国語、英語、日本語です。中国語は母語、英語は学習・技術協業で使用でき、日本語は継続して学習中です。
AI worker 設計
AI サービスがタスクを取得し、状態を返し、業務 API と境界を保つ pull-based な流れを設計します。
WorkerAsyncBoundary
フルスタック実装
バックエンド、フロントエンド、Android、デプロイを通じて、デモ後も使える形に落とし込みます。
Spring BootNext.jsAndroid
言語
中国語、技術協業で使える英語、そして継続学習中の日本語。
中文English日本語
02 / 実務経験
インターン経験を、システム責任として見せる。
単なる履歴カードではなく、scope と impact で整理します。何を理解し、どこを分け、何をデバッグし、最終的にどの信頼性を高めたかを見せます。
Meituan Platform
ソフトウェア開発エンジニアインターン
中核業務システムで、信頼性、状態報告、デバッグ、ダッシュボード、ビルド改善に取り組みました。- 01
不安定なネットワーク環境でのステータス報告とリトライ機構を設計・改善。
- 02
複雑な問題分析とシステム挙動調査に AI 支援ワークフローを活用。
- 03
JADX で難読化コードを解析・デバッグし、報告フォーマットの信頼性を改善。
- 04
Spark と SQL で異常検知・傾向分析用のダッシュボードを構築。
- 05
Gradle task DAG のボトルネックを分析し、安定性を保ちながらビルドを改善。
03 / 学歴
ソフトウェア工学と応用機械学習をつなぐ基盤。
授業とプロジェクトを通して、ソフトウェア工学、応用 ML、チームでのプロダクト開発を結びつけています。
Swinburne University of Technology
工学士（優等）ソフトウェア工学
ソフトウェア工学、応用機械学習、プロダクト思考、チームでのデリバリーを、授業とプロジェクト実践で結びつけています。
Software EngineeringApplied MLTeam Delivery
Shandong University of Science and Technology
工学学士ソフトウェア工学
アルゴリズム、OS、データベース、ソフトウェア工学を通じて基礎を固め、卒業研究では連合学習の調整に取り組みました。
CS FundamentalsFederated LearningDatabases
横にスクロールして学校を切り替える
04 / プロジェクト
アーキテクチャで方向性を示すプロジェクト。
生成されたコードだけでなく、AI worker、検索、モバイル制約、モデル評価の裏側にある設計判断を重視しています。
ここでプロジェクトを切り替えられます。スイッチャーは固定され、設計図を見ながら操作できます。
AI 駆動エンタープライズ SaaS
AI worker による分析フローを備えた、知識抽出と構造化された意思決定支援のためのエンタープライズ SaaS。
課題
顧客向け AI 分析は、文書、証拠、リトライ、長時間タスクを扱うため、一度きりのリクエストでは安定しません。
設計判断
バックエンドがタスクを保持し、AI worker が取得して状態を返す pull-based モデルを提案し、業務 API と分離しました。
証拠
Spring Boot API、Python AI worker、永続化、コールバック状態、デプロイ経路を分け、契約とテストで review できる構成にしました。
技術
AI Worker、RAG、Spring Boot、Python services、PostgreSQL、AWS。
01エンタープライズ AI SaaS のアーキテクチャ設計、タスク分解、フルスタック開発をリード。
02AI サービスがバックエンドのタスクを取得し、状態を返す pull-based AI worker モデルを提案し、リクエスト結合を抑えました。
03解析、チャンク化、埋め込み、意味検索、動的コンテキスト注入を含む RAG パイプラインを設計。
04モデル切替、ストリーミング、schema-constrained JSON 生成に対応する LLM 抽象層を構築。
プロジェクト01 / 03AI 駆動エンタープライズ SaaS
05 / 技術
技術スタックを、実際の使い方で整理。
ツールは、オーケストレーション、サービス境界、プロダクト UI、テスト、デプロイといった設計判断ごとに整理しています。
01
AI・機械学習
検索、モデル連携、視覚推論、学習ワークフローで使用。
PyTorchTensorFlowTensorFlow LiteRAGFAISSSentenceTransformers
02
バックエンド・データ
サービス設計、API、永続化、データ処理、デプロイで使用。
Spring BootJavaMyBatisMicroservicesSparkSQLAWS
03
フロントエンド・モバイル
プロダクト UI、Android SDK、テスト、ポートフォリオ実装で使用。
Next.jsTypeScriptTailwind CSSAndroidKotlinJUnit