> ls -la /whoami

Webサイト、Telegramサービス、AIツールをビジネスのために

ランディングページやボットから、連携・AI機能を持つ社内サービスまで、アイデアを動くプロダクトにします。

事例を見る依頼できること相談する

2006 歩みを開始

100+ プロジェクト

∞ コード行

LLM 研究中

コードは単なる職業ではなく、思考の方法です。

/サービス

依頼できること

分かりやすい依頼形式を選んでください。次に、作業範囲・期間・最短のリリース方法を一緒に決めます。

WebサイトとWebプロダクト

ランディングページ、ポートフォリオ、顧客ポータル、信頼できるバックエンドを備えたWebサービス。

似た事例を見る ↗ 02

TelegramボットとMini Apps

ボット、Mini App、決済、通知、管理画面まで、Telegram内で完結する顧客導線。

似た事例を見る ↗ 03

業務自動化

社内ツール、連携、運用フロー、レポート、スプレッドシートから卒業すべき定型業務。

似た事例を見る ↗ 04

AI機能とアシスタント

RAG、サポートアシスタント、文書処理、根拠・評価・人の確認を備えたAI機能。

似た事例を見る ↗

/projects

実務からの事例

all Telegram Webプロダクト自動化 AI デスクトップ

BotHub: Telegramミニアプリマーケットプレイス

Laravel 12 React Telegram Bot API Telegram Mini App MoonShine MySQL Queue Payments

ユーザー登録不要で、リンク/ボット集約、ストア、決済を1つの Telegram 製品として統合したプラットフォーム。

↗

MoonShift: Telegramでのシフト管理と給与運用

Laravel 12 MoonShine Telegram Bot API Matrix Scheduler Queue MySQL

ディスパッチチーム向けの運用システム。オペレーターは Telegram/Matrix で勤務、管理者は MoonShine からシフト、勤怠、給与、レポートを一元管理。

↗

サポートAIアシスタント: 検索拡張 + モデレーション

LLM RAG Python OpenAI Moderation Queue PostgreSQL Observability

検索拡張とプロンプトガード、分析を組み合わせ、繰り返し作業を減らすサポートワークフロー。

↗

> すべてのプロジェクトを見る →

/timeline

20年の実践: 初期のWebサイトからAI/LLMラボまで。

2006 趣味でWebサイト制作を始めた

2008 大学と最初の商用プロジェクト

2012 デスクトップ開発と複雑なシステム

2016 Web、バックエンド、フロントエンド、アーキテクチャ

2023 LLM、AI、新しい視野

2026 学び続け、新しいものを作り続ける...

still building →

/lab

実験とリサーチ

ラボはLLM、RAG、AI planning、code intelligence、管理画面ワークフローの実験場です。きれいな約束ではなく、検証できる仮説を記録します。何を自動化できるか、どこで人間の制御が必要か、どう本番に持ち込むかを見ます。

> llm-playground

進行中

素早い検証のための共通ベンチ。プロンプト、system instructions、tool calling、JSONレスポンス、streaming、同じ入力でのモデル挙動を確認します。

ai-agent code-miner prompt-studio rag-lab

> run experiment.py loading model... gpt-4o building context... ok generating... ███████████ 78% result: 有用

// principle
魔法のツールを探しているのではなく、使えるシステムを組み立てています。

/notes research log

AIラボのフィールドノート

LIVE BUILD NOTES

魔法に頼らないRAGパイプライン

retrieval層の組み立て方。ソース、chunking、pgvector、eval sets、tracing、回答品質の正直な検証。

lab: rag-lab / retrieval / evals

AI Factoryのタスク計画ループ

プランナーの動き方。目標、分解、skill選択、チェックポイント、execution trace、リスクのある操作の手動承認。

lab: ai-factory-planner / skills / execution trace

大規模コードベースのContext Mining

リポジトリから単なるファイルではなく、entrypoints、依存関係、リスク領域、意思決定履歴を含む有用なcontext packを取り出す方法。

lab: code-miner / repo context / LLM handoff

/about :: senior fullstack operator

インターフェース、データ、AIモデルが一つのシステムとして動くプロダクトを作ります。

アーキテクチャ、プロトタイプ、本番インフラ、observability、丁寧なUXまで一通り担当します。素早く仮説検証しながらも、エンジニアリングの規律を失わない複雑な領域が好きです。

TypeScript React Next.js Node.js Python Postgres Redis OpenAI API RAG Queues CI/CD Telemetry

INPUTcontext.md

VECTORpgvector index

MODELreasoning loop

TOOLSapi + workers

$ run senior-stack --mode=production
architecture: clean | telemetry: on | ai: assisted
output: systems that survive real users

/contact :: open channel

課題がありますか？ローンチまでの道筋を考えましょう。

アイデア、現在のプロダクト、自動化したい業務について書いてください。解決策を整理し、次の一歩を率直に見積もります。