所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの FastAPIとSQLiteを使用した、実用的な「AIタスク管理API」を構築します。 単なるコード生成ではなく、Claude Codeによるプロジェクト構成の自動生成と、Cursorによる細かなロジックのブラッシュアップを組み合わせた、2025年最新の開発フローを体験できます。 この記事を読み終える頃には、ターミナルからAIを自在に操り、エディタで詳細を詰める「ハイブリッド開発」が身についているはずです。 ...
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OSから完全に隔離された環境で実行し、結果を安全に回収するスクリプトを作ります。 前提知識: Pythonの基本的な読み書き、Dockerの基礎概念（コンテナ、イメージ）が理解できていること。 必要なもの: Python 3.10以降、Docker環境、OpenAI APIキー（またはClaudeなどのAPIキー）。 📦 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30分 | 難易度: ★★☆☆☆ この記事で作るもの Apple Silicon（M1/M2/M3/M4チップ）のGPUパワーを最大限に引き出し、ローカル環境でLLM（大規模言語モデル）を高速に動作させるPythonスクリプトを作成します。 具体的には、Hugging Face上のモデルを4ビット量子化状態でロードし、日本語での対話が可能なチャットインターフェースをコマンドライン上で実現します。 Pythonの基礎知識があれば、外部APIに1円も払うことなく、自分だけのプライベートなAIアシスタントをMacの中に構築できます。 ...
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」を使用し、MacのGPUをフル活用してLlama 3やGemma 2などの最新LLMを爆速で動かすPythonスクリプトを作成します。 llama.cppのようなツールを介さず、Pythonから直接モデルを制御するため、将来的に自作アプリへAI機能を組み込む土台になります。 Pythonの基本的な読み書きができ、ターミナルでコマンドを打つことに抵抗がない方を対象としています。 ...
所要時間: 約45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」を使用し、Apple Silicon（M1/M2/M3/M4チップ）を搭載したMac上で、Llama 3などの最新LLMと対話できるチャットスクリプトを作成します。 ...
所要時間: 約30分 | 難易度: ★★★☆☆ この記事で作るもの Apple製の機械学習フレームワーク「MLX」を使い、MacのGPU性能を最大限に引き出してLlama 3やGemma 2などの最新LLMを爆速で動かすPythonスクリプトを作成します。 単に動かすだけでなく、業務でそのまま使える「ストリーミング出力」と「トークン生成速度の計測」を実装した実戦的なコードを構築します。 Pythonの仮想環境が作れて、ターミナルでコマンドが打てる程度の知識があれば完結できます。 ...
所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの この記事では、Apple Silicon（M1/M2/M3/M4チップ）に最適化されたフレームワーク「MLX」を使い、Llama 3.1やGemma 2といった最新のLLMを自分のMac上で高速に動かすPythonスクリプトを作成します。 外部APIを一切使わず、完全にオフラインで動作し、テキストを入力するとストリーミング（逐次出力）形式で回答が返ってくる対話型プログラムを完成させます。 ...
所要時間: 約45分 | 難易度: ★★★☆☆ この記事で作るもの 手元のPDFファイルを読み込み、その内容に基づいて正確に回答する「ローカル検索型RAGスクリプト」 独自のナレッジベース（社内規定、技術ドキュメントなど）をAIに学習させずに参照させる仕組み 前提知識：Pythonの基本的な文法（変数、関数、pipインストール）がわかること 必要なもの：OpenAI 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45分 | 難易度: ★★☆☆☆ この記事で作るもの 自分の手元にあるテキストデータをベクトル化してPineconeに保存し、自然言語で高速に検索できるPythonスクリプトを作ります。 LangChainなどの便利なライブラリをあえて使わず、PineconeのネイティブSDKとOpenAIのAPIのみを利用することで、ベクトルデータベースの内部構造を理解し、実務でカスタマイズ可能な土台を完成させます。 ...
所要時間: 約35分 | 難易度: ★★★☆☆ この記事で作るもの ローカルPC（Windows/Mac）で、Qwen 3.8 Flash Nextを高速・高精度に動かすPython推論スクリプト 3.8Bという小規模モデルながら、前世代の大型モデルに匹敵する「仕事で使えるレベル」の応答を出す設定 既存のLlama.cpp環境を最新の「IQ4_XS」量子化に対応させ、VRAM消費を最小限に抑える構成 📦 この記事に関連する商品（楽天メインで価格確認） ...