AIエンジニアの職務経歴書例（インターン）

• 指導の下で、検索誤りと根拠のない回答を分ける評価セットを作成。検索前に文書権限を確認し、引用精度、遅延、トークン費用を記録。
• メンターの指導の下で文書権限と引用を保持するPython RAGパイプライン。調査準備と検証・文書化を支援。チーム全体では根拠のない回答を古い原文まで追跡可能にした。自分の貢献は担当した支援業務と検証記録に限り、メンターと確認した。
• メンターの指導の下で回答の正確性・引用・攻撃耐性を分けたLLM評価と自動テスト。調査準備と検証・文書化を支援。チーム全体では権限処理が退行したモデルの配信を止めた。自分の貢献は担当した支援業務と検証記録に限り、メンターと確認した。
• 指導の下で、合成臨床質問とPythonフィクスチャを活用したRAG評価を主導し、根拠のない引用を解消して限定実演前に人手確認を完了。
• 指導の下で、Docker・CI/CDを活用したプロンプト版別自動試験を構築し、保留データの反復引用失敗を34%削減して観測検査を公開。

• メンターのレビューを受ける模擬実習で、権限で絞ったサポート文書にPython RAGサービスを構築した。固定の回答・引用テストで検索深度とプロンプトエンジニアリング（prompt engineering）を比較し、制限文書を公開せずに引用を追跡できる構成を採用した。
• 続く指導付き実習で、拒否動作・引用の有効性・プロンプトインジェクションの自動テスト（automated testing）をCI/CDに追加。監視（monitoring）でも同じ分類を使い、流暢でも裏付けのない回答があればリリースを止めた。
• 指導の下で、メンターの指導の下でトークン費用と遅延の監視に基づくモデルルーティング。調査準備と検証・文書化を支援
• 重複・遅着・訂正値を含む合成原記録を作り、行数・キー一意性の検査と指標への期待影響を記録。
• 分析結果と手計算基準表を照合して差異を変換工程まで追跡。修正クエリにデータ辞書・再実行手順を添付。
• 手計算基準を活用した合成データ検証の責任を担い、重複集計を解消して訂正合計再現ノートを完成。

関連科目：アルゴリズム、OS、データベース、ネットワーク

Python · RAG · LLM evaluation · Vector search · オブザーバビリティ

• 再現クエリを活用した自主手法ノートを公開し、粒度・除外記録・分母変更への感度を解説。