所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの FastAPIとPytestを使ったタスク管理APIを、設計・コーディング・テスト・GitコミットまでAI主体で完結させる開発ワークフローを構築します。 Pythonの基本的な読み書きができる方を対象に、Cursorで「全体設計」を行い、Claude Codeに「泥臭い実装とデバッグ」を丸投げする具体的な手順を解説します。 必要なものは、AnthropicのAPIキーと、VS CodeベースのIDE「Cursor」だけです。 ...
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チップ）に最適化されたフレームワーク「MLX」を使用して、日本語LLMとストリーミング形式で対話できるPythonスクリプト 外部APIに1円も払わず、MacのGPU性能を限界まで引き出した推論環境 前提知識：Pythonの基本的な構文（変数、関数、pip）が理解できていること 📦 この記事に関連する商品（楽天メインで価格確認） ...
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などの最新LLMと高速に対話できるPythonスクリプト 外部APIに一切頼らず、完全にオフラインで動作するプライバシー重視のチャットインターフェース 前提知識：Pythonの基本的な構文（変数、関数、pip操作）がわかること 必要なもの：Apple Silicon搭載のMac、Python 3.10以降 📦 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 PC1台でChatGPTと遜色ない操作感を実現する、プライベートな生成AI環境を構築します。 外部API（OpenAI等）を一切使わず、機密情報を入力しても漏洩しないオフライン環境が手に入ります。 Dockerを利用し、GPUを最大限活用してLlama 3.1やGemma 2といった最新モデルを動かします。 📦 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45分 | 難易度: ★★★★☆ この記事で作るもの AMD製GPU（Radeon）を使って、NVIDIA環境に依存せずに高速な推論を行う「ローカルLLMチャットUI」を構築します。 PythonからROCm（Radeon用の演算プラットフォーム）を介してLlama 3を制御し、Streamlitでブラウザから操作できるアプリを一つ完成させます。 ...
所要時間: 約45分 | 難易度: ★★★☆☆ この記事で作るもの Cursorでフロントエンドの雛形を作り、Claude Codeでロジック実装とテスト作成を自動化するワークフロー 具体的には「AIがリアルタイムでコードレビューと修正を行うタスク管理アプリ」の最小構成 前提知識: Node.jsの基本的な操作、Reactの基礎知識 必要なもの: Anthropic API Key（Tier 2以上推奨）、Cursor有料版アカウント 📦 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 AIエージェントが生成したPythonコードを、メインシステムから完全に隔離された環境で実行し、安全にグラフ作成やデータ分析の結果を受け取る仕組みを構築します。 具体的には、E2B（Execution for AI Agents）というSDKを利用し、数秒で起動するMicroVM（軽量な仮想マシン）上でコードを実行するPythonスクリプトを作成します。 ...
所要時間: 約40分 | 難易度: ★★☆☆☆ この記事で作るもの Apple公式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最新LLMと対話するPythonスクリプトを作成します。 Pythonの基本的な読み書きができれば、自分のMac上でLlama 3やGemma 2といった高性能なモデルが爆速で動く感動を味わえます。 外部API（OpenAIなど）を一切使わず、完全にオフラインで動作するプライベートなAI環境を構築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 CursorのGUIとClaude CodeのCLIエージェントをシームレスに連携させた開発環境 FastAPIを使用した「株価リアルタイム監視・通知API」のプロトタイプ 📦 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 手元の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RAG（検索拡張生成）システムを構築します。 LangChainとFAISSを使用し、外部のSaaSデータベースに頼らずローカル環境でベクトル検索を完結させるPythonスクリプトを作成します。 動作確認にはOpenAIのAPIを使用しますが、将来的にローカルLLMへ差し替え可能な構成にします。 📦 この記事に関連する商品（楽天メインで価格確認） ...