所要時間: 約45分 | 難易度: ★★★☆☆ この記事で作るもの 手元のPDFドキュメントを読み込み、その内容に基づいて回答するRAG（検索拡張生成）システムを構築します 特定のドメイン知識や社内文書をLLMに学習させることなく、リアルタイムで参照して回答させるPythonスクリプトを完成させます 前提知識として、Pythonの基本的な文法（変数、関数、リスト操作）を理解し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 Claude Code（CLI）に設計とテストを任せ、Cursor（IDE）でコードの最終調整を行う「ハイブリッド開発フロー」を構築します 実践として「ニュースサイトから記事を取得し、要約してSlackへ通知するPythonツール」を、自ら1行もコードを書かずに完成させます プロンプトの指示だけで、スクレイピングからAPI連携、ユニットテストの作成までを自動化する手順を体験できます 📦 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 Apple Silicon（M1/M2/M3/M4）に最適化されたフレームワーク「MLX」を使い、Llama 3やGemma 2といった最新のLLMをローカル環境で高速に動かすPythonスクリプトを作成します。 一般的なPyTorchベースの実行よりもメモリ効率が良く、ストリーミング出力（文字がパラパラ出てくる表示）までを実装します。 ...
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）を搭載したMac上で、最新の日本語LLMを爆速で動かすPythonスクリプトを作成します。 Pythonの基礎（ライブラリのインストールと実行）ができれば、誰でも自分のMacを「オフラインAIマシン」に変えられます。 外部APIを一切使わず、ローカル環境だけでChatGPTのようなストリーミング回答を実現するところまで進めましょう。 ...
所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの この記事を読むと、MacBookのGPUパワーを限界まで引き出し、Llama 3やGemma 2といった最新のLLMを「秒間50トークン以上」の爆速で動かすPythonスクリプトが作れます。 Pythonを使って、ローカル環境でAIと対話するスクリプト Apple Silicon（M1/M2/M3/M4）に最適化された推論処理 外部API（OpenAIなど）に頼らず、完全にオフラインで動くプライベートなAI環境 前提知識として、ターミナルの基本操作とPythonの基礎的な文法（pipでのインストール等）がわかれば問題ありません。 ...
所要時間: 約30分 | 難易度: ★★★☆☆ この記事で作るもの Llama 3などの最新大規模言語モデル（LLM）を軽量化し、家庭用PCで爆速動作させるAPIサーバーを構築します PythonからOpenAI APIと同じ形式でローカルLLMを呼び出すスクリプトを完成させます 前提知識：ターミナル（コマンドプロンプト）の基本操作、Pythonの基礎（pipインストール程度） 必要なもの：8GB以上のメモリを搭載したPC（Windows/Mac/Linux）、インターネット環境 📦 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 外部APIを一切使わず、自分のPC内で完結する「ChatGPTと同等の操作感を持つAIチャット環境」を構築します。 前提知識: 基本的なコマンド操作（PowerShellやTerminal）ができること。Dockerという単語を聞いたことがある程度でOK。 必要なもの: Windows、Mac、またはLinuxを搭載したPC。インターネット環境。 📦 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やMistralなどの最新大規模言語モデル（LLM）をオフラインかつ高速に動作させるPythonスクリプトを作成します。 外部API（OpenAI等）を一切使わず、ローカルで完結するチャットUIの基盤。 Hugging FaceからGGUF形式のモデルをダウンロードし、量子化の特性を理解した上で最適に実行する環境。 CPUとGPUをハイブリッドで活用し、メモリ不足のエラーを回避しながら推論する設定。 前提知識として、ターミナル（またはコマンドプロンプト）の基本操作と、Pythonの仮想環境（venvやconda）の作成ができることを想定しています。 ...
所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの 既存のPythonコードを読み込み、バグの修正と型ヒントの追加、リファクタリングを自動で行う「AIコードレビュアー・エージェント」 27B（270億パラメータ）という巨大なモデルをVRAM 24GB以下の環境でも高速に動作させる仕組み 前提知識：Pythonの基本的な文法がわかり、ターミナル（コマンドプロンプト）の操作に抵抗がないこと 必要なもの：NVIDIA製GPU（VRAM 12GB以上推奨）またはApple Silicon搭載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 Claude Code（CLI）でバックエンドのロジックを高速生成し、Cursor（IDE）でフロントエンドと全体の構成を微調整する、ハイブリッドなAI開発ワークフローを構築します。 最終的に、FastAPIを使用した「AI要約機能付きタスク管理ツール」を、コードを一行も手書きせずに完成させます。 ...