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）のGPUパワーを最大限に引き出し、ローカル環境でLLM（大規模言語モデル）を高速に動作させるPythonスクリプトを作成します。 具体的には、Hugging Face上のモデルを4ビット量子化状態でロードし、日本語での対話が可能なチャットインターフェースをコマンドライン上で実現します。 Pythonの基礎知識があれば、外部APIに1円も払うことなく、自分だけのプライベートなAIアシスタントをMacの中に構築できます。 ...
所要時間: 約45分 | 難易度: ★★★☆☆ この記事で作るもの 1時間の音声ファイルを数分でテキスト化し、タイムスタンプ付きのSRT（字幕）形式で出力するPythonスクリプト OpenAIのAPIを使わず、PCのGPU（CUDA）をフル活用して完全オフラインで動作する環境 Python 3.10以上の基礎知識があり、コマンドライン操作に抵抗がない人向けの構成 📦 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チップ）に最適化された計算フレームワーク「MLX」を使い、MacBook上で大規模言語モデル（LLM）と対話するPythonスクリプトを構築します。 Hugging Faceにある数万種類のモデルから最適なものを選び、4-bit量子化によってメモリ消費を抑えつつ、仕事で実用できるレスポンス速度を実現するまでの手順を網羅しました。 ...
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、ホストOSから隔離された環境で実行し、結果だけを安全に受け取るスクリプト AIエージェントに「ファイルの削除」や「ネットワーク攻撃」の指示が含まれていても、自身のPCやサーバーを守れる保護環境 前提知識：Pythonの基礎（pip操作、クラスの概念）、Dockerの基本用語（イメージ、コンテナ）がわかること 必要なもの：Docker Desktop（またはDocker Engine）、OpenAI APIキー（またはClaude APIキー） 📦 この記事に関連する商品（楽天メインで価格確認） ...
Appleが開発した専用フレームワーク「MLX」を使い、ユニファイドメモリをフル活用してレスポンス速度を極限まで高める方法を解説します。 この記事の手順通りに進めれば、あなたのMacの中に自分専用の「超高速なAI」を飼うことができます。 所要時間: 約30分 | 難易度: ★★★☆☆ ...
所要時間: 約30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のメモリを最大限に活かしてLlama 3.1やQwen 2.5などの最新LLMと日本語でチャットできる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、専用のGPUサーバーを借りることなく、手元のMacで爆速な推論環境が手に入ります。 必要なものはApple Silicon（M1/M2/M3/M4チップ）を搭載したMacのみです。 ...
注意: 本記事はドキュメント・公開情報をもとにした評価記事です。コード例はシミュレーションです。 3行要約 AIエージェントが「手元の環境を壊す」リスクを排除し、完全に隔離されたクラウド上の作業用PCを提供するツール。 同種のツールと比べて「OSレベルの操作」と「セッションの永続性」に特化しており、ブラウザ操作やGUI操作の自動化に強い。 独自のサンドボックスを自前で組む工数を削りたいプロトタイプ開発者には最適だが、単なるコード実行ならDockerで十分。 📦 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 GPT-4oなどのLLMが生成したコードを、あなたのPCから完全に隔離されたクラウド上の仮想環境（サンドボックス）で安全に実行し、結果（グラフ画像や計算結果）を受け取るPythonスクリプトを作ります。 LLMが「ファイルを削除する」「OSの設定を書き換える」といったリスクをゼロにし、実務でAIエージェントを運用するための必須基盤を構築します。 前提知識：Pythonの基本的な文法（変数、関数、pip）がわかること、OpenAI APIの使用経験があること。 📦 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 MLXフレームワークを用いて、Apple Siliconに最適化されたローカルLLMをPythonから高速に実行する環境。 Googleの「Gemma 2 9B」やMetaの「Llama 3.1」といった高性能な日本語対応モデルを、ストリーミング形式でチャットできるスクリプトを作成します。 前提知識として、基本的なPythonの文法（関数の定義やライブラリのインポート）がわかる方を対象にしています。 📦 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製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ローカルLLM（Llama 3やPhi-3など）を爆速で動かすPythonスクリプトを作成します。 単にチャットアプリを動かすだけでなく、自分のプログラムからライブラリとしてLLMを呼び出し、推論結果をストリーミング表示するまでの基盤を構築します。 ...