AIテキスト Vibe coding実践例:ペルソナ設定でX投稿コメントを安定させるローカルLLM選定リトライ
RSS要約からX向けコメントを量産するとトーンがブレがちです。persona JSONと制約を先に固定し、Ollama(llama3.1:8b)で毎回同じ人格のコメントを出すための設計と実装の要点をまとめます。
LLM
AIテキスト 
AIテキスト Vibe coding実践例:ペルソナ設定でAI生成のX投稿コメントを安定させるモデル比較
RSS要約からX向けコメントを量産するとトーンがブレがちです。persona JSONと制約を先に固定し、Ollama(llama3.1:8b)で毎回同じ人格のコメントを出すための設計と実装の要点をまとめます。
AIテキスト Vibe-coding実践例:X自動投稿のコメント案をAIで生成Ollama(llama3.1:8b)
RSS要約からX向けコメントを量産するとトーンがブレがちです。persona JSONと制約を先に固定し、Ollama(llama3.1:8b)で毎回同じ人格のコメントを出すための設計と実装の要点をまとめます。
AIテキスト Vibe coding実践例:RSS記事をOllamaでAI要約してMarkdown化するPythonコード（llama3.1:8b）
RSSから記事本文を取得し、Ollama（llama3.1:8b）で要約してMarkdownに整形する最小構成をまとめます。進捗ログ付きで、後からRAG素材として再利用しやすい出力にします。
AIテキスト RAG実装をLangChainでリファクタリングする方法とポイント
既存のRAG実装を拡張しやすくするために、LangChainを使った実装方法と注意点を解説します。
AIテキスト llama3.1 と gpt-oss で役割分離したRAG実装 ─ function calling と生成を分ける
function calling を llama3.1:8b、文章生成を gpt-oss:20b に分担する RAG 実装と、その設計意図を解説します。
AIテキスト Chroma DBとは？Python定番ベクトルDBを試す
RAGでは、ユーザーからの質問に答える際に、まず知識ベースから関連情報を「検索（Retrieval）」し、その情報を基にLLMが「生成（Generation）」を行います。まず知識ベースをChroma DBで準備しましょう。Chroma D...
AIテキスト RAGとは何か：LLM単体の限界を超えて「自分のデータ」で答えさせる方法
RAG（Retrieval Augmented Generation）は、LLMの外に知識ベースを置き、必要な情報を検索してから回答させる仕組みです。LLM単体の弱点（知識が固定・全文を読めない）を補い、正確性と最新性を上げる考え方を最短で整理します。
AI音声 MacでWhisperを高速化する方法①：faster-whisper編（Python実装・Apple Silicon対応）
Mac (Apple Silicon対応) で faster-whisper を導入し、Whisper の文字起こしを最大3倍高速化する方法を解説します。
AI音声 MacでWhisperをインストールして音声認識を試す（ローカル実行・Apple Silicon対応）
Whisperとは（1分で把握）WhisperはOpenAIが提供する音声→テキストの汎用ASR（Automatic Speech Recognition）モデル。多言語対応・雑音耐性が高く、ローカルでも動作します。お手軽：Pythonパッ...