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Web UI付きの生成AI環境 ChatGPTに近い操作感で、Llama 3やGemma 2などの最新モデルと会話できるシステム 前提知識：ターミナル（コマンドプロンプト）でコマンドをコピペできること。Dockerの概念をなんとなく知っていること 📦 この記事に関連する商品（楽天メインで価格確認） ...
この記事を読み終える頃には、社外秘の資料を読み込ませても情報漏洩の心配がない、あなた専用の高機能なAIアシスタントが手元のPCで動いているはずです。 所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの Webブラウザから操作でき、PDF等のドキュメント解析（RAG）も可能なローカルLLM環境 LLM実行エンジンとして「Ollama」、UIとして「Open WebUI」を組み合わせたスタック 前提知識：ターミナル（コマンドプロンプト）でのコピペ操作、Dockerの基本的な概念 📦 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 結論から言うと、この記事を読むだけで「自分のPC内でChatGPTと同等の性能を持つAIを、一切の通信なし・完全無料で動かす環境」が手に入ります。 具体的には、llama.cppをソースからビルドし、Llama 3.1などの最新モデルをGGUF形式で動かすPython連携サーバーを構築します。 「AIを動かすには最強のGPUが必要」という固定観念を捨て、手元のPCの性能を限界まで引き出す実践的な手法を伝えます。 ...
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Gemma 2といった最新のLLMを高速に動作させるPython推論スクリプトを作成します。 一般的なllama.cppやOllamaよりもさらにAppleのハードウェアに最適化された「MLX」というフレームワークを使い、ストリーミング出力（文字が順次表示される形式）を実装します。 ...
所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの ターミナルから直接コードを生成・実行・修正する「Claude Code」と、視覚的なコード編集に優れた「Cursor」を組み合わせ、FastAPIを用いたタスク管理APIをわずか数分で完成させます。 Claude Codeでプロジェクトの雛形作成とライブラリ選定、テスト実行を自動化 Cursorで生成されたコードの微調整とレビュー、ディレクトリ構造の把握を効率化 人間が1行もコードを書かずに、仕様定義から動作確認までを完結させるフロー 前提知識として、ターミナルの基本操作とPythonの基礎（仮想環境の作り方など）が必要です。 ...
所要時間: 約40分 | 難易度: ★★☆☆☆ この記事で作るもの 最新のLlama 3などの大規模言語モデル（LLM）を、手元のPCで高速に動作させる環境を構築します。 具体的には、llama.cppをビルドし、量子化されたGGUFモデルを使ってPythonからチャットAIを呼び出すスクリプトを完成させます。 ...
所要時間: 約40分 | 難易度: ★★★★☆ この記事で作るもの Cursorでコードを書き、Claude Code（CUIエージェント）で「テスト実行・デバッグ・GitHub Issueの自動修正」を完結させるハイブリッド開発フローを構築します。 最終的に、GitHub上のバグ報告（Issue）を検知し、Claude Codeが自律的にコードを修正・テストしてPR（プルリクエスト）を作成するまでの流れを自動化します。 前提知識：PythonまたはNode.jsの基礎、ターミナルの基本操作、GitHubリポジトリの運用経験。 必要なもの：Claude APIキー、Cursor Proプラン（推奨）、Node.js v18以上。 📦 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 Llama 3.1やMistralなどの最新オープンソースLLMを、自分のPC（Windows/Mac）のGPUを活用して高速に動作させるPython実行環境を構築します。 量子化技術（GGUF）を使い、本来なら数十GBのVRAMが必要な巨大モデルを、一般的なゲーミングPCやMacBookでサクサク動かせるようにします。 最終的に、PythonからローカルLLMを呼び出し、チャット形式で応答を返すスクリプトを完成させます。 📦 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）のGPU性能を最大限に引き出し、ネット接続なしで高速に動作するローカルLLMチャット用Pythonスクリプトを作ります。 「mlx-lm」というライブラリを活用し、Hugging Face上の数千種類のモデルを数行のコードで切り替えて、仕事で使えるレスポンス速度を実現するのがゴールです。 ...
所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの MacのGPU（Apple Silicon）に最適化されたフレームワーク「MLX」を使い、Llama 3などの最新LLMをPythonから高速に呼び出す推論スクリプト。 前提知識：Pythonの基本的な文法（pipでのライブラリ管理など）を理解していること。 必要なもの：Apple Silicon（M1/M2/M3/M4チップ）搭載のMac、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） ...