定量的な成果に基づく最適化
ユーザー体験を支えるパフォーマンスと、開発体験を支える CI / テスト速度の両面で、定量的な改善実績があります。
ランタイム / アセット最適化
- 3D データ配信の改善 (大手電機メーカー R&D 案件): Next.js の
publicフォルダに配置されていた 3D データを Amazon S3 に移行し、適切なキャッシュ設定を適用することで、2 回目以降の読み込み速度を大幅に向上させました。 - ストリーミング UI の実装: Vercel AI SDK の
streamObjectを参考に、JavaScript の Stream API を活用したリアルタイム反映 API を開発。外部 AI サービスのストリーミングデータを ChatGPT のように逐次表示できる仕組みを実装しました。
開発体験 / CI の高速化
- 静的解析の高速化: 学習系新規サービス案件で、Oxlint の導入、typescript-go による型チェック高速化、ESLint キャッシュ (
.eslintcache) の活用を実施。CI / ローカルでの静的解析実行時間を 約 37 秒 → 約 12 秒 に短縮しました。 - テスト実行速度の向上: 大規模グローバル EC サイトの注文導線リポジトリに SWC + Jest を導入し、テスト実行速度を 70 倍 向上させました。
状態管理 / リファクタリングによる改善
- Redux からの脱却: 大規模グローバル EC 案件で、Redux で管理されていた非同期状態管理を TanStack Query / XState へ置き換え、コード量と複雑性を整理しました。
- ディレクトリ構成の改善: 大手電機メーカー R&D 案件で、React のベストプラクティス「bulletproof-react」を提案し、
package by featureを採用することで保守性を向上させました。
アプローチ
単に計測するだけでなく、ボトルネックの特定 → 技術選定 → 導入 → 数値による検証までを一気通貫で進めることを大事にしています。