所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの Apple純正の機械学習フレームワーク「MLX」を使い、MacのGPUパワーを最大限に引き出してLlama 3.1やGemma 2といった最新AIと高速に会話できるPythonスクリプトを作成します。 Pythonの基礎（pipインストールや関数の実行）がわかること Apple Silicon（M1 / M2 / M3 / M4チップ）を搭載したMac macOS 13.5 (Ventura) 以上 先に確認するスペック・料金 ローカルLLMを動かす上で、Macのスペック選びは「メモリ（ユニファイドメモリ）」が全てです。 MLXはGPUとCPUでメモリを共有するApple Siliconの特性を極限まで活かす設計になっていますが、物理的な容量が足りないと動作しません。 ...
所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの Dockerを使用して、ブラウザからChatGPT感覚で操作できる「Open WebUI」と、バックエンドで推論を担う「Ollama」を連携させた環境を構築します。 外部API（OpenAIなど）にデータを送ることなく、完全オフラインかつ無料でLLM（大規模言語モデル）を動かせる仕組みを作ります。 必要なものは、DockerがインストールされたPCと、それなりのGPU（またはMac）だけです。 📦 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 3.5 Sonnetが生成したコードを、クラウド上の隔離されたサンドボックス環境（E2B）で実行し、データ分析やグラフ作成を完結させるPythonスクリプト 前提知識：Pythonの基本的な文法、環境変数の設定方法 必要なもの：Anthropic APIキー、E2B APIキー、Python 3.10以上の環境 📦 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 この記事を読むと、FastAPIとSQLiteを組み合わせた「TODO管理API」を、AIエージェントと対話しながら一気に構築できるようになります。 ただコードを書くだけではなく、Claude Codeによる自動テストの実行と、Cursorによる全体構造の把握を組み合わせた、2025年現在の最適解といえる開発フローを体験できます。 Pythonの基本的な文法がわかり、ターミナルでコマンドを叩くことに抵抗がない方を対象としています。 ...
所要時間: 約40分 | 難易度: ★★☆☆☆ この記事で作るもの 自分のPCのリソースを最大限に活かし、外部API（OpenAI等）に1円も払わずに、高性能なAIとチャットができるPython環境を構築します。 具体的には、llama.cppのビルドから、GGUF形式のモデル選択、そしてPythonからそのモデルを呼び出して高速に推論させるスクリプトを作成します。 ...
所要時間: 約45分 | 難易度: ★★★☆☆ この記事で作るもの この記事では、MacやWindows（NVIDIA GPU搭載）のローカル環境で「Llama-3-8B」などの最新大規模言語モデルを、実用的な速度で動作させる環境を構築します。 最終的には、llama.cppのサーバー機能を使い、OpenAI API互換のインターフェース経由で自分のPCからチャットができるスクリプトを完成させます。 クラウドのAPI料金を気にせず、自分のデータが外部に送信されないプライベートなAI環境を自分の手で作り上げることが目的です。 ...
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）のGPU性能を最大限に引き出し、Llama 3やGemma 2といった最新のローカル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をプライベートなAIサーバー化できます。 外部APIを一切使わないため、機密情報の漏洩を気にせず、完全無料で何度でも推論を回せる環境を構築します。 ...
所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの Apple独自の深層学習フレームワーク「MLX」を使い、Llama 3.1やGemma 2といった最新のオープンLLMをMac上でネイティブ動作させるスクリプトを作成します。 Pythonから数行のコードでモデルを呼び出し、ストリーミング形式で回答を表示する実用的な対話インターフェースを構築するのがゴールです。 ...
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やテキストファイルを読み込み、その内容に基づいて回答する「ローカルRAGシステム」を作成します。 Python 3.10以上とOllamaを使用し、外部API（OpenAI等）を一切使わない完全オフライン環境を実現します。 データのベクトル化（Embedding）からデータベース保存、検索、生成までのパイプラインを一気通貫で構築します。 📦 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40分 | 難易度: ★★★☆☆ この記事で作るもの Cursorでフロントエンドとバックエンドの骨組みを作り、Claude Codeで複雑なロジックの実装と全自動テストを実行する、FastAPIを用いた「タスク管理API」を作成します。 Pythonの基本的な読み書きができることを前提に、AIエージェントに「丸投げ」するのではなく「並走」するための具体的なワークフローを構築します。 必要なものは、AnthropicのAPIキー（Tier 2以上推奨）、Cursor Pro、Node.js環境、そしてPython 3.10以上です。 ...