3. APIキーの取得APIキーの取得手順は、次のとおりです。 (1) 「Anthropic」のサイトのAPIの「Get API Access」をクリックしてログイン。 はじめての場合は、アカウントを新規作成します。 (2) ダッシュボードを確認。 初回は「Get started testing Claude with $5 in fee credits.」で$5分のクレジットを取得できます。 (3) 「Get API Keys → Create Key」でAPIキーを作成。 APIキーはGoogle Colabで利用します。 4. Colab での実行Colabでの実行手順は、次のとおりです。 (1) パッケージのインストール。 # パッケージのインストール !pip install anthropic(2) 環境変数の準備。 左端の鍵アイコンで「ANTHROPIC_API_KEY」を設

AIを活用したコードエディタ「Cursor」の使い方をまとめました。 1. Cursor「Cursor」は、迅速なソフトウェアの構築に役立つ、AIを活用したコードエディターです。 3. インストール「Download」ボタンでインストーラをダウンロードおよび実行して、指示に従ってインストールします。 4. Command K「Command K」で、AIを使用してコードの作成および編集ができます。 4-1. コードの作成(1) 「Command K」でAIを呼び出し、生成したいコードの説明を入力し、「Generate」ボタンを押す。 今回は、「helloworld.py」という空のファイルを用意して、「"Hello World!"と標準出力」と指示しました。 (2) 生成されたコードを確認し、採用時は「Accept」ボタンを押す。 4-2. コードの編集(2) 編集コードを選択し、「Com

「LlamaIndex v0.7」をはじめる方法をまとめました。 ・LlamaIndex v0.7 【最新版の情報は以下で紹介】 3. Colabでの実行Google Colabでの実行手順は、次のとおりです。 (1) パッケージのインストール。 # パッケージのインストール !pip install llama-index==0.7(2) 環境変数の準備。 以下のコードの <OpenAI_APIのトークン> にはOpenAI APIのトークンを指定します。(有料) import os os.environ["OPENAI_API_KEY"] = "<OpenAI_APIのトークン>"(3) ログレベルの設定。 import logging import sys # ログレベルの設定 logging.basicConfig(stream=sys.stdout, level=logging.

「GitHub Copilot」を使ってみたので、まとめました。 1. GitHub Copilot「GitHub Copilot」は、人工知能のペアプログラミングシステムです。人工知能 (OpenAI Codex) がコードの候補を提案することにより、プログラマがより迅速に少ない作業でコードを書けるようにサポートします。 サポートするエディタは、次の4つです。 ・Visual Studio Code ・Visual Studio ・JetBrains ・Neovim 2. 使用料金「GitHub Copilot」の使用料金は月10ドル、または年100ドルです。60日間の無料トライアルもあります。 ・Pricing - GitHub Copilot 3. GitHub Copilotの開始「GitHub Copilot」の開始手順は、次のとおりです。 (1) 「GitHub」アカウントを持

「OpenAI」の 記事「Chat completions」が面白かったので、軽くまとめました。 1. ChatGPT API「ChatGPT」は、OpenAIの最も先進的な言語モデルである「gpt-3.5-turbo」を搭載しています。「OpenAI API」から「gpt-3.5-turbo」を使用して独自アプリケーションを作成できます。 ・メールや文章のドラフト ・Pythonコードの生成 ・一連の文書に関する質問応答 ・会話型エージェントの作成 ・ソフトウェアへの自然言語インターフェースの追加 ・さまざまな科目の家庭教師 ・言語の翻訳 ・ビデオゲームのキャラクターのシミュレート 2. 使用料金使用料金は、以下で確認できます。 3. Colab での実行「gpt-3.5-turbo」は、マルチターンの会話を簡単にするように設計されていますが、会話のないシングルターンタスクでも役立ちます

「LangChain」の「LLMとプロンプト」「チェーン」の使い方をまとめました。 1. LangChain「LangChain」は、「LLM」 (Large language models) と連携するアプリの開発を支援するライブラリです。 「LLM」という革新的テクノロジーによって、開発者は今まで不可能だったことが可能になりました。しかし、「LLM」を単独で使用するだけでは、真に強力なアプリケーションを作成するのに不十分です。本当の力は、それを他の計算や知識と組み合わせた時にもたらされます。「LangChain」は、そのようなアプリケーションの開発をサポートします。 2. LangChainの支援領域「LangChain」の支援領域は、次の5つがあります。 (1) LLM とプロンプト (2) チェーン (3) データ拡張生成 (4) エージェント (5) メモリ (6) 評価 (BE

Pythonの静的解析ツール「Flake8」とフォーマッター「autopep8」の使い方をまとめました。 前回 1. Flake8の使い方「Flake8」は、Pythonのコードの静的解析ツール（link）です。静的解析は、コードを実行せずに行なう検証になります。 「Flake8」は以下の3つのツールを同時に実行します。 ・pycodestyle : コードがコーディング規約(PEP8)に準じているかを確認。 ・pyflakes : コードに論理的なエラーが無いかを確認。 ・mccabe : 循環的複雑度のチェック。 ◎ インストール Pythonの仮想環境で、以下のコマンドを実行します。 $ pip install flake8◎ 使い方 使い方は、次のとおりです。 $ flake8 <対象ファイル> $ flake8  --show-source <対象ファイル> 例えば、以下のコード