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。 ...
所要時間: 約40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上でLlama 3などの最新LLMを動作させる対話型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、ターミナルでコマンドを打つことに抵抗がなければ、誰でもMacを「自分専用のAIサーバー」に変えられます。 外部API（OpenAIなど）を一切使わず、完全にオフラインでレスポンスが返ってくる環境を目指します。 ...
所要時間: 約30分 | 難易度: ★★★★☆ この記事で作るもの 16GBのVRAM（RTX 4060 TiやRTX 3080/4070クラス）を限界まで使い切り、30Bクラスの大型LLMで73,000トークンの長大なコンテキストを実現する推論環境 AiderやCursor等のコーディングエージェントから呼び出し、プロジェクト全体のコードを読み込ませても破綻しないバックエンドサーバー 前提知識：ターミナルの基本操作、Python環境（miniconda等）の構築経験、Hugging Faceからのモデルダウンロード方法 📦 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 CursorでUIの骨組みを作り、Claude Codeで複雑なビジネスロジックとデータベース連携、そしてテストコードを一気に実装した「Next.js製のタスク管理ツール（Prisma使用）」を構築します。 エディタの直感的な操作と、CLIエージェントの自律的な実行能力を組み合わせた、2025年最新のAIコーディングフローを体験してください。 ...
所要時間: 約45分 | 難易度: ★★★☆☆ この記事で作るもの LLMが生成したPythonコードを、メイン環境から隔離されたDockerコンテナ内で実行し、結果を安全に回収する「サンドボックス・エグゼキューター」を構築します。 OpenAI APIやAnthropic APIと連携させ、AIがファイル操作や計算を伴うタスクを自分のPCを壊すリスクなしに実行できる環境を整えます。 前提知識として、Pythonの基本的な文法と、Dockerのインストールが済んでい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） ...
所要時間: 約30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」を利用して、MacのGPU性能を限界まで引き出し、Llama 3やQwen2.5といった最新LLMを高速に動かすPythonスクリプトを構築します。 Pythonの基礎知識があれば、外部APIに1円も払わず、プライバシーを完全に守った状態で自分専用のAIチャット環境が手に入ります。 この記事では環境構築から、実用的なストリーミング出力の実装までを解説します。 ...
所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの Qwen-3.8-27BをGGUF形式で量子化し、VRAM 24GB以下のConsumer向けGPUで高速動作させるPythonスクリプト 業務利用を想定した「システムプロンプトの注入」と「ストリーミング出力」を実装したチャットインターフェース GPUのメモリ割り当てを最適化し、長文入力でもトークン生成速度を維持する設定方法 📦 この記事に関連する商品（楽天メインで価格確認） ...