AI Guide

所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの Cursorで設計し、Claude Codeでテスト・デバッグを自動化するFastAPIのAPIサーバー Pythonのモダンなパッケージ管理ツール「uv」を組み合わせた爆速の開発環境 エラーが発生した際に、AIが自律的にターミナルを操作して修正するワークフロー 📦 この記事に関連する商品（楽天メインで価格確認） ...

所要時間: 約45分 | 難易度: ★★★★☆ この記事で作るもの ローカル環境のGPUを使用して、画像の内容を詳細に言語化（キャプション生成）し、それを日本語で出力するPythonスクリプトを作成します。 クラウドAPIを使わずに、手元のRTXグラフィックボードだけで「画像に何が写っているか」を判定し、後続の処理に渡せるデータ構造を作るところまでをゴールにします。 ...

所要時間: 約45分 | 難易度: ★★★☆☆ この記事で作るもの 「外部API（OpenWeatherMap）から情報を取得し、Slackへ通知するPythonスクリプト」を、Claude CodeとCursorを組み合わせて開発します。 単にコードを書くだけではなく、Claude Codeにテストを実行させ、エラーがあれば自律修正させ、Cursorで全体像をレビューする「AIエージェント併用型ワークフロー」を構築します。 ...

所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの 外部APIを一切介さず、自分のPC内で完結するChatGPTクローン（Open WebUI）を構築します。 ローカルLLM実行エンジン「Ollama」をバックエンドに使い、ブラウザからLlama 3やMistral、Command Rなどの最新モデルを操作可能にします。 前提知識として、簡単なコマンド操作とDockerの基本概念を知っている必要があります。 📦 この記事に関連する商品（楽天メインで価格確認） ...

所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの この記事では、世界標準のLLM実行エンジン「llama.cpp」をコンパイルし、量子化されたLlama-3-8BをローカルPCで爆速動作させる環境を構築します。 Pythonの重いライブラリに頼らず、C++ベースの軽量なバイナリで1秒間に40トークンを超える推論速度（RTX 3060クラス以上想定）を実現するスクリプトまで完成させます。 ...

所要時間: 約45分 | 難易度: ★★☆☆☆ この記事で作るもの 指定したフォルダ内のPDFファイルを自動で読み込み、内容について回答するRAG（検索拡張生成）システムを作ります 独自のドキュメントに基づいた「嘘（ハルシネーション）の少ない」AIチャット環境をPythonスクリプト1つで構築します Pythonの基礎（変数、関数の実行）が理解できていれば、コピペだけでプロトタイプが完成します 📦 この記事に関連する商品（楽天メインで価格確認） ...

所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの LiquidAIが公開した「LFM-1.7B」をローカル環境で動作させ、テキスト要約やコード生成を行うPythonスクリプト 従来のTransformerモデルよりも省メモリで動作する特性を活かし、VRAMが少ない環境でも高速に推論するベース 前提知識：Pythonの基本的な構文（pipでのライブラリ導入）がわかること 必要なもの：Python 3.10以降の環境、インターネット接続 📦 この記事に関連する商品（楽天メインで価格確認） ...

所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの 自分のPC内に、一切の外部通信を行わない「自分専用のChatGPT」を構築します。 具体的には、バックエンドにOllama、フロントエンドにOpen WebUIを使い、Dockerを用いて環境を汚さずにプロフェッショナルなチャットUIを立ち上げます。 Pythonなどのコードを書かずに、ドラッグ＆ドキュメント（RAG）や最新のLlama 3.1、Gemma 2といったモデルをGUIで自由に入れ替えて使える環境が手に入ります。 ...

所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの 外部APIを一切使わず、自宅のPC内で完結するブラウザベースの対話型AI環境を構築します。 前提知識：Dockerの基本的なコマンド（コピペでOK）が使えること。 必要なもの：NVIDIA製GPU（VRAM 8GB以上推奨）を搭載したWindows/Linux、またはApple Silicon搭載のMac。 📦 この記事に関連する商品（楽天メインで価格確認） ...

所要時間: 約45分 | 難易度: ★★★☆☆ この記事で作るもの インターネットから物理的に隔離された「LLM専用サンドボックス」をDocker上に構築します。 Redditで指摘された「予期せぬ診断データの送信」をネットワークレイヤーで100%防止しつつ、ローカルのPythonから安全に推論APIを叩けるシステムを完成させます。 前提知識として、基本的なDocker操作とPythonの実行環境が必要です。 📦 この記事に関連する商品（楽天メインで価格確認） ...