所要時間: 約40分 | 難易度: ★★★☆☆ この記事で作るもの Gemma 4 12Bをローカル環境で動作させ、業務メールの自動分類とJSON抽出を行うPythonスクリプト VRAM 12GB以下の環境でも26Bクラスの推論精度を出すための最適な量子化設定の導入 前提知識：Pythonの基本的な文法（変数、関数）がわかり、ターミナルでコマンドが打てること 必要なもの：NVIDIA製GPU（VRAM 8GB以上推奨）またはApple Silicon搭載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40分 | 難易度: ★★★☆☆ この記事で作るもの Llama 3 70Bをローカル環境で動かし、契約書の「隠れたリスク」を自動抽出するPythonスクリプト 大規模な法務文書を分割せずに処理するためのコンテキスト設定と構造化出力の実装 API経由では不可能な「完全オフライン・機密保持」を前提とした法務AI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30分 | 難易度: ★★★☆☆ この記事で作るもの 自分のPC上で「Qwen 2.5」をAPIサーバーとして起動し、PythonからOpenAI SDK経由で呼び出してコードレビューを自動化するスクリプトを作ります。 前提知識：Pythonの基本的な文法（関数、リスト、辞書）がわかり、ターミナルでコマンド操作ができること。 必要なもの：NVIDIA製GPU（VRAM 12GB以上推奨）またはApple Silicon搭載Mac、Python 3.10以上の環境。 📦 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40分 | 難易度: ★★★☆☆ この記事で作るもの ローカルLLMのQwen2.5を活用し、PDFやマークダウン形式の技術文書から特定の項目（作成日、技術スタック、アーキテクチャの要点など）を正確に抽出してJSON形式で保存するPythonスクリプトを作ります。 外部API（OpenAIなど）へデータを送信せず、すべて自分のPC内で完結させるため、機密性の高い社内ドキュメントも安全に処理できます。 前提知識として、Pythonの基本的な文法（変数、関数、pipでのライブラリインストール）を理解している必要があります。 必要なものは、16GB以上のメモリを搭載したPC（GPU推奨ですがCPUでも動作可能）とPython環境です。 📦 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 Qwen3.5-35B-A3Bをローカルで動かし、AIエージェント「Aider」と連携させて、既存のPythonコードのバグ修正と機能追加を全自動で行う環境を構築します。 前提知識：Pythonの基本的な読み書きができること、ターミナルの操作に抵抗がないこと。 必要なもの：VRAM 12GB以上のGPU（RTX 3060 12GB / 4070以上推奨）、Docker（任意だが推奨）。 📦 この記事に関連する商品 ...