【Python/生成AI】RAG生成・パフォーマンス改善案件

生成AIの独自性強化に向け、品質・速度・コストの最適化を推進するAIエンジニアとして、LLM連携、推論パイプラインの設計、PoCの実装などを担当いただきます。 LLM連携（OpenAI/Anthropic等）、モデル選択、プロンプト最適化、評価、ベクトル検索（Qdrant）、インデキシング、関連度改善、推論パイプラインの設計、最適化（レイテンシ/コスト/再現性）、品質評価基盤、A/Bテスト、自動評価メトリクスの実装、サービスのコアとなるAI実装のためのPoC主導、ソリューション提案、実現可能性評価、データの取得、分析および加工（FAQ、マニュアル、会話ログ等）を行います。 フロントエンド：React/Next.js、Chrome Extension バックエンド：TypeScript/Hono/Drizzle、Python データベース：PostgreSQL、Qdrant（ベクトルDB） AI：OpenAI/Anthropic API 等 業務の自動化・効率化を実現するため、以下の主要機能をマイクロサービスとして実装しています。 ナレッジベースの構築・検索 業務ワークフロー管理・自動化 マルチチャネル（チャット、音声、メール）対応 オペレーター支援機能（AIによる応答生成・最適化） マルチテナント対応の認証・認可基盤 テナントごとのデータ分離・セキュリティ制御 パフォーマンス計測・最適化基盤 データパイプライン・ETL基盤

LLMに対する知見（transformerの原理の理解など） データ分析の実務経験 Webアプリケーションの開発経験 Unix, git, docker, データベースなどのソフトウェアエンジニアとしての基礎技術の理解と利用 RAG（検索拡張生成）またはAIエージェント（ReActなど）の基本設計および実装経験 Pythonを用いた実務レベルの開発経験 標準ライブラリを用いたアルゴリズム、データ構造の実装能力

Claude Code, CursorなどのAI支援開発環境を利用した開発の経験 HTTP, TCP/IPなどウェブの低レイヤーの技術の理解 統計の理解、データ分析の経験 機械学習、LLM、自然言語処理の分野で難しい問題を解いた経験 機械学習、LLMの分野のコンペで高い成績を修めた経験

WEBサービス

サービスのコアとなるAI実装のためのPoC主導、ソリューション提案、実現可能性評価を行います。

言語：Python,TypeScript ＤＢ：PostgreSQL ＦW：React.js,Next.js 環境・ＯＳ：AWS (Amazon Web Services),Unix ツール：Terraform,Docker,Git

140時間〜180時間

2026/09

フレックス（フレックス有り）

160時間前後

フルリモート

1回

オンライン

あり

2026/07/31 16:31:55