京都大学大学院 工学研究科 / AIシステム / RAG / LLMインフラ / 分散システム
京都大学 工学部 物理工学科を卒業し、現在は京都大学大学院 工学研究科 マイクロエンジニアリング専攻 修士課程に所属しています。
Python / Rust / TypeScript を中心に、AIシステム・RAG・LLMインフラ・分散システムに取り組んでいます。
これまでは主に、AWS上でのAIワークフロー構築、RAGシステムの設計・実装・納品、AIアバター開発など、
「AIを実際に業務で使える形にする」ための設計と実装を進めてきました。
最近は、DGX Spark / vLLM / Ray を用いたローカルLLM基盤や分散推論環境の構築にも取り組んでいます。
研究では、数理モデリングや Markov Decision Process (MDP) に関心があり、Rust での実装も進めています。
Rust で 拡張性を重視した MDP 実装を進めています。
研究用途だけでなく、再利用しやすいライブラリとして整備していく予定です。
-
汎用的な状態・行動・報酬表現
-
policy iteration / value iteration などの基本実装
-
実験しやすい設計
-
テストとドキュメントを重視
-
Repository: https://github.com/DEBUNEK0/mdp_rust
Engineer Guild Hackathon 2025 で開発した公開プロジェクトです。
短期間でも、実装だけでなく、設計や公開可能な完成度を意識して開発しました。
- Repository: https://github.com/Engineer-Guild-Hackathon/team-3-app
- Article: https://zenn.dev/debuneko/articles/a02e9918b7be6c
約2年間のエンジニアインターンの中で、主に AIを業務で使える形にするための設計・実装 に取り組んできました。
- AWS上での AI ワークフロー実装
- RAG システムの設計・実装・納品
- TTS / STT / RAG を組み込んだ AI アバター開発
- クライアント要件に応じた AI プロダクト実装
- テックリードとしての設計・実装推進
- DGX Spark を用いたローカルLLM環境のセットアップ
- vLLM + Ray による分散推論環境の構築
- オンプレミス / スタンドアロンで動作する LLM 基盤の整備
- Mastra を用いた AI ワークフロー設計・構築
-
実験用の仕組みではなく、実際に使われるシステムとして設計すること
-
要件に応じて、ワークフロー / アプリ / 推論基盤をつなげて実装できること
-
新しい技術を導入するだけでなく、運用や拡張を見据えて構成を考えること
-
Interview: https://note.com/athenatech/n/n076d36f4ea1b
Engineer Guild Hackathon 2025 の Finalist として開発したプロジェクトです。
短期間での開発でしたが、AIアプリを実際に公開できる形まで持っていくことを重視して取り組みました。
主な担当
- Azure 上への Web アプリのデプロイ
- AI 機能まわりの設定と統合
- プロンプトインジェクション対策
- Figma を用いた UI 設計
- 実装・設計・公開までを通した開発推進
この経験で特に出た強み
-
短期間での設計判断
-
AI 機能を含む Web アプリの実装と統合
-
セキュリティを意識した AI アプリ開発
-
UI からデプロイまで横断して進める力
-
Repository: https://github.com/Engineer-Guild-Hackathon/team-3-app
以下は、会社で担当してきた業務の一部として公開されている事例・記事です。
実際にはこれらに限らず、AIワークフロー設計、RAG実装、ローカルLLM基盤整備など、複数の案件で設計・実装を担当してきました。
Athena Technologies の公開事例として、FAX経由の請求書を自動読み取りしてデータ化するシステムが紹介されています。
公開情報では、OCR、多様なレイアウト対応、自動データ検証、既存システム連携、処理効率化が示されています。
自分の担当
-
AWS 上で、FAX の OCR と後続処理を行うワークフローの設計・実装を担当
-
複数コンテナを立ち上げて処理を分担し、結果の格納やメール送信まで含めた一連の処理フローを構築
-
業務要件に合わせて、AI処理を実運用可能な形に落とし込む部分を担当
Athena Technologies の公開記事として、常陽銀行向けのローカルLLM活用事例が掲載されています。
公開情報では、閉域環境上のローカルLLM、共通運用基盤、翻訳・マスキング機能、および追加ユースケースの検証が紹介されています。
自分の担当
-
Mastra を用いたワークフロー設計を担当
-
ログ処理や RAG 処理など、開発を進めるためのテンプレートや基盤をテックリードとして整備
-
DGX Spark 上で利用する LLM の選定、環境整備、デプロイ、Mastra からの呼び出しまでを担当
-
個別機能の実装だけでなく、チーム開発を進めやすくするための開発基盤づくりにも取り組んだ
実装だけでなく、設計判断や運用知見を言語化することも大事にしています。
- Hackathon / Azure / AI Web App: https://zenn.dev/debuneko/articles/a02e9918b7be6c
- DGX Spark / vLLM / ローカルLLM基盤:
- Interview: https://note.com/athenatech/n/n076d36f4ea1b
- AI ワークフロー
- RAG システム
- AI アプリケーションの実装
- LLM インフラ
- 分散推論
- GPU クラスタ
- オンプレミス AI
- 数理モデリング
- Markov Decision Processes