所要時間: 約45分 | 難易度: ★★★★☆ この記事で作るもの 24GBのVRAM（RTX 3090/4090等）1枚で、Gemma 2 31B QATモデルを32k以上の長いコンテキストで高速動作させる環境 量子化による精度劣化を最小限に抑えつつ、推論速度を最適化するllama.cpp実行スクリプト KVキャッシュの量子化（4-bit/8-bit）が実際に業務で使えるレベルか判定するベンチマーク手順 📦 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 Ollamaをバックエンド、Open WebUIをフロントエンドに据えた、完全オフライン動作する生成AI環境。 WebブラウザからChatGPT感覚で、Llama 3やQwen 2.5、Gemma 2などの最新モデルを切り替えて使えるシステム。 自分のPC内にあるPDFやテキストファイルを読み込ませて回答させるローカルRAG（検索拡張生成）機能。 📦 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 GitHubの特定リポジトリのスター数を監視し、前日からの増減をSlackに通知するPythonスクリプトを作成します。 この記事を読み終える頃には、Claude Code（CLI）に「自律的な実装とテスト」を任せ、Cursor（エディタ）で「コードの品質管理と細かな調整」を行うハイブリッド開発環境が手に入ります。 ...
所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの ローカルLLM（Llama 3.3/4クラス）を使用し、インターネット検索とローカルファイル操作を組み合わせて「市場調査レポート」を自動生成する自律型エージェント。 Pythonの型定義ライブラリ「Pydantic」をベースにした最新の「PydanticAI」を使い、エラーに強く、本番環境で動作を保証できる設計を学びます。 前提知識はPythonの基本的な文法（関数の定義、非同期処理 async/await）がわかる程度で問題ありません。 📦 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 llama.cppを使用して、Llama 3やMistralなどの最新大規模言語モデル（LLM）を、一般的なPC（Windows/Mac）でサクサク動作させる環境を構築します。 最終的には、ローカル環境でOpenAI互換のAPIサーバーを立ち上げ、自作アプリからAPI経由でLLMを呼び出せる状態にします。 ...
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）のGPU性能をフルに引き出し、Llama 3やGemma 2といった最新のLLMを高速に推論させるPython環境 コマンドラインから日本語で対話し、ストリーミング形式（文字が流れるように表示される形式）で回答を得る実践的なスクリプト Hugging Faceから任意のモデルをダウンロードし、Mac専用のMLX形式に変換して実行するワークフロー 📦 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25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」を利用して、Llama-3やGemma 2といった最新のLLMをローカル環境で動かすPythonスクリプトを作成します。 Hugging FaceにあるMLX専用モデルを自動ダウンロードし、ストリーミング形式（1文字ずつ表示される形式）でAIと対話できるツールを完成させます。 外部APIへの課金を気にせず、Macの性能をフルに引き出したプライベートなAI環境を構築することがゴールです。 ...
所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの LLMが生成した「何をするか分からないコード」を、ホストPCから完全に隔離された環境で安全に実行し、結果だけを回収するPythonスクリプト ローカルLLM（Ollama）やクラウドAPI（Claude/GPT）と連携し、データ分析やグラフ作成を自動で行うエージェントの基礎 実行後に自動で破棄され、ファイルシステムやネットワークへの不正アクセスを防止するサンドボックス環境 📦 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 特定のニュースサイトから最新記事を取得し、その内容をAIで要約してMatplotlibで可視化するPythonツールを作成します Claude Codeが全体構造の設計とターミナル操作を、Cursorがコードの細部修正とリファクタリングを担う「AI二刀流」の開発スタイルを習得できます 前提知識: Pythonの基本的な構文がわかり、ターミナルの基本操作（cd, ls等）ができること 必要なもの: Anthropic APIキー、Cursorのインストール、Node.js（Claude Code用） 📦 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 Apple純正の機械学習フレームワーク「MLX」を利用し、MacのGPUパワーを最大限に引き出してLlama 3などの最新LLMを高速動作させるPython環境を構築します。 最終的に、ターミナル上でAIとリアルタイムに対話できるストリーミング形式のチャットスクリプトを完成させます。 前提知識として、基本的なターミナル操作とPythonの基礎（pipインストールや関数の実行）ができることを想定しています。 📦 この記事に関連する商品（楽天メインで価格確認） ...