所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの AIエージェントが生成したPythonコードを、ホスト環境から隔離されたDockerコンテナ内で実行し、結果だけを受け取るシステムを構築します。 LLM（OpenAI API）と連携し、「指示→コード生成→サンドボックス実行→結果確認」のループを自動化するスクリプトを完成させます。 前提知識：Pythonの基礎的な文法、Dockerの基本的な概念（インストール済みであること）。 必要なもの：OpenAI APIキー、Docker Desktop（またはDocker Engine）。 📦 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 この記事を読むと、Cursorでベースを書き、Claude Codeでテストとデバッグを自律実行させて完成させる「AIハイブリッド開発フロー」で、外部APIから情報を取得して整形・保存する実用的なPythonツールが作れます。 ...
所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの Llama 3などの最新LLMを「手元のPCのメモリ量に合わせて量子化」し、Pythonから高速に呼び出して対話するチャットスクリプトを作成します。 APIを使わずに完全オフラインで動作し、1文字ずつテキストが流れるストリーミング出力に対応した実用的な基盤を構築するのがゴールです。 Pythonのライブラリインストールから、モデルファイルの選定、VRAM（ビデオメモリ）を使い切るための最適なパラメータ設定までを網羅します。 ...
所要時間: 約45分 | 難易度: ★★★☆☆ この記事で作るもの Diffusion Gemmaをローカル環境で動作させ、生成速度とプロンプトの忠実度を自動計測するPythonスクリプト 高速生成（4倍速）を実現しつつ、精度の低下（ミスの増加）を最小限に抑えるためのパラメータ調整手法 前提知識: Pythonの基本的な読み書き、コマンドラインでのライブラリインストール操作 必要なもの: Hugging Faceのアカウント（モデルアクセス用）、NVIDIA製GPU（VRAM 12GB以上推奨） 📦 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 OllamaとPythonを組み合わせ、手元のPC（VRAM 8GB〜12GB程度）で高速に動作する「構造化データ抽出スクリプト」を作ります。 テキストから特定の情報（日付、金額、重要事項など）を抜き出し、JSON形式で保存する実務的なツールです。 前提知識: Pythonの基本的な読み書きができること、ターミナル（コマンドプロンプト）の基本操作。 必要なもの: NVIDIA製GPU（VRAM 8GB以上推奨）またはApple Silicon搭載Mac（RAM 16GB以上推奨）。 📦 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 自分のPCリソースを最大限に活用し、Llama 3 8Bなどの最新モデルを秒間20トークン以上の高速レスポンスで動かすローカル推論環境を構築します。 Pythonからライブラリとして呼び出し、AIチャット機能を自作アプリケーションに組み込むためのベースを完成させます。 ...
所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの Apple Silicon（M1/M2/M3/M4チップ）の性能をフルに引き出し、Llama 3やQwenといった最新のLLMを「メモリ消費を抑えつつ高速に」動かすPythonスクリプトを作成します。 既存のライブラリよりも圧倒的に効率が良いMLXフレームワークを使い、ストリーミング形式で回答を表示する実用的なチャットプログラムを構築します。 ...
所要時間: 約40分 | 難易度: ★★★★☆ この記事で作るもの この記事を読むと、VRAM容量の壁で諦めていた26B（260億パラメータ）級の巨大モデル「DiffusionGemma」を、NVIDIAの最新量子化技術「NVFP4」を用いてRTX 4090などのコンシューマーGPUで高速動作させ、画像生成AIのための「最強のプロンプト記述補助AI」をローカル環境に構築できます。 ...
所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの Claude APIを使用して、モデルが「競合他社の技術開発」に対して意図的に手を抜いているかを数値化する評価スクリプト 特定のトピック（他社LLMの最適化など）で回答の質が落ちる「性能劣化（Nerfing）」を客観的に検知するツール Pythonの基礎（環境構築、APIの呼び出し）がわかるエンジニア向け 📦 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（パーツ調達済みの場合） | 難易度: ★★★★☆ この記事で作るもの NVIDIA RTX 6000 Ada（約200万円）と同等のVRAM 48GB環境を、コンシューマー向けGPU 2枚で安価に構築し、Llama-3-70Bクラスの巨大モデルを高速に動かすPython推論システム 複数GPUを効率的に認識させるOllamaの設定と、モデルを並列で叩くためのPythonスクリプト 前提知識：Linux（Ubuntu）の基本操作、Pythonの基礎、ハードウェアの基本的な組み付け知識 📦 この記事に関連する商品（楽天メインで価格確認） ...