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 OllamaとPythonを組み合わせ、手元のPC（VRAM 8GB〜12GB程度）で高速に動作する「構造化データ抽出スクリプト」を作ります。 テキストから特定の情報（日付、金額、重要事項など）を抜き出し、JSON形式で保存する実務的なツールです。 前提知識: Pythonの基本的な読み書きができること、ターミナル（コマンドプロンプト）の基本操作。 必要なもの: NVIDIA製GPU（VRAM 8GB以上推奨）またはApple Silicon搭載Mac（RAM 16GB以上推奨）。 📦 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 ローカルLLM（Llama 3など）を使用して、ウェブ検索やファイル操作をトークン消費を最小限に抑えつつ実行する「超軽量AIエージェント」を構築します。 既存のフレームワークのようにプロンプトを数百行詰め込むのではなく、最小限の指示で的確にツールを使いこなすスクリプトを完成させます。 ...
所要時間: 約20分 | 難易度: ★★☆☆☆ この記事で作るもの この記事では、Nous Researchが公開した「Hermes Desktop」を使用して、あなたのPC上に外部通信一切なしのプライベートAI環境を構築します。 最終的には、デスクトップアプリとしてチャットを楽しむだけでなく、PythonスクリプトからAPI経由でこのローカルAIを呼び出し、タスクを自動化する仕組みまでを完成させます。 ...
所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの Qwen2.5-Coderをローカルで動かし、Pythonのデバッグを自動で行うスクリプト 前提知識：Pythonの基本的な文法（関数の定義、ライブラリのインポート）がわかること 必要なもの：8GB以上のVRAMを搭載したGPU（NVIDIA製推奨）またはApple Silicon搭載Mac 📦 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 RTX 3090/4090などの24GB VRAM環境をフル活用し、ローカルで爆速動作する「データ分析・コーディング特化型AIアシスタント」を構築します。 Redditで「Qwen 3.6」と誤記されるほどの衝撃を与えたQwen 2.5 27Bモデルを使い、PySparkやPandasの複雑なコード変換を自動化するPythonスクリプトを作成します。 クラウドへの課金を停止し、プライバシーを保ったまま機密性の高い業務データを扱えるローカル推論環境が完成します。 📦 この記事に関連する商品 ...
所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの Llama.cppをサーバーモードで起動し、どんな新モデルでも5分以内にOpenAI互換APIとして公開する検証基盤を作ります。 前提知識: Linuxの基本コマンド操作、Pythonの基礎（venvの利用など）ができること。 必要なもの: NVIDIA製GPU（VRAM 8GB以上推奨）、Ubuntu等のLinux環境（WSL2可）。 📦 この記事に関連する商品 ...
所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの Qwen 3.6（72Bモデル想定）をローカル環境で起動し、Pythonから構造化データ（JSON）を抽出する実用スクリプト 前提知識: Pythonの基本的な読み書きができる、コマンドライン操作に抵抗がない 必要なもの: DockerまたはOllamaが動作するPC（推奨: VRAM 24GB以上のGPU）、Python 3.10以上 📦 この記事に関連する商品 ...
所要時間: 約30分 | 難易度: ★★☆☆☆ この記事で作るもの ローカル環境でLlama 3.1を動かし、特定のテキストファイルの内容を読み取って回答するPythonスクリプト 前提知識：Pythonの基本的な文法（変数、関数の定義）がわかること 必要なもの：8GB以上のメモリを搭載したPC（Mac/Windows/Linux）、Python 3.10以降 📦 この記事に関連する商品 ...
所要時間: 約45分 | 難易度: ★★★★☆ この記事で作るもの ローカル環境（Windows/Linux/Mac）で、Unslothが最適化した最新のGemma 4モデルをllama.cpp経由で動かし、Pythonから制御する推論システムを構築します。 独自のkv-cache回転やiSWA（Sliding Window Attention）といった、Gemma 4特有の新しいアーキテクチャに完全対応した環境を整備します。 必要なものは、Python 3.10以上の環境と、16GB以上のRAM（26Bモデルを動かすならVRAM 24GB以上のGPUが望ましい）です。 📦 この記事に関連する商品 ...