Update: Ollama比較追加 + 公式SKILLS追加

2026-02-19 13:43:13 +00:00
parent 36deae89bb
commit 565aa70e58
2 changed files with 214 additions and 158 deletions
@@ -22,6 +22,25 @@ Anthropic公式のターミナルベースAIコーディングアシスタント

 そこで今回は、**Claude Codeを完全ローカルで動かす**方法を紹介します。

+## Ollama Launchとの比較
+
+Claude Codeをローカルで動かす方法は他にもあります。代表的なのが**Ollama Launch**。
+
+| 項目 | この記事の方法 | Ollama Launch |
+|------|---------------|---------------|
+| **セットアップ** | 複雑（vLLM + プロキシ） | **簡単** |
+| **推論速度** | **速い（20-30 tok/s）** | 遅め |
+| **対応モデル** | FP8量子化モデル | GGUF量子化モデル |
+| **コンテキスト長** | **200K対応** | モデル依存 |
+| **必要スペック** | 高（DGX Spark等） | 低〜中 |
+
+:::tip どちらを選ぶ？
+- **手軽に試したい** → Ollama Launch
+- **本格的に使いたい・速度重視** → この記事の方法
+:::
+
+この記事の方法は**セットアップが複雑**ですが、vLLMの最適化により**推論速度が速く**、**200Kトークン**の大規模コンテキストにも対応しています。
+
 ## 何ができるようになるの？

 - ✅ **プライバシー保護** - コードがクラウドに送られない
@@ -52,7 +71,7 @@ NVIDIAの「デスクトップAIワークステーション」です。

 ## 構成図

-```
+\`\`\`
 ┌─────────────────────────────────────────────────────┐
 │ あなたのPC / DGX Spark                              │
 │                                                     │
@@ -78,7 +97,7 @@ NVIDIAの「デスクトップAIワークステーション」です。
 │  │ └──────────────┘ │                              │
 │  └──────────────────┘                              │
 └─────────────────────────────────────────────────────┘
-```
+\`\`\`

 ### なぜプロキシが必要？

@@ -104,9 +123,9 @@ FP8量子化版を使うことで、メモリ使用量は約45GB。DGX Sparkの1

 ## ワンライナーで全自動セットアップ

-```bash
+\`\`\`bash
 curl -sL https://docs.techswan.online/scripts/dgx-spark-claude-code.sh | bash
-```
+\`\`\`

 これだけ！約10分待つと環境が整います。

@@ -118,40 +137,40 @@ curl -sL https://docs.techswan.online/scripts/dgx-spark-claude-code.sh | bash

 ### Step 1: vLLMでモデルを起動

-```bash title="vLLM起動コマンド"
-docker run -d --name qwen3-coder-next-fp8 \
-  --gpus all \
-  -p 8000:8000 \
-  -v ~/.cache/huggingface:/root/.cache/huggingface \
-  --ipc=host \
-  nvcr.io/nvidia/vllm:25.11-py3 \
-  vllm serve Qwen/Qwen3-Coder-Next-FP8 \
-  --served-model-name qwen3-coder-next \
-  --max-model-len 200000 \
-  --max-num-seqs 8 \
-  --gpu-memory-utilization 0.85 \
-  --enable-auto-tool-choice \
-  --tool-call-parser qwen3_xml \
+\`\`\`bash title="vLLM起動コマンド"
+docker run -d --name qwen3-coder-next-fp8 \\
+  --gpus all \\
+  -p 8000:8000 \\
+  -v ~/.cache/huggingface:/root/.cache/huggingface \\
+  --ipc=host \\
+  nvcr.io/nvidia/vllm:25.11-py3 \\
+  vllm serve Qwen/Qwen3-Coder-Next-FP8 \\
+  --served-model-name qwen3-coder-next \\
+  --max-model-len 200000 \\
+  --max-num-seqs 8 \\
+  --gpu-memory-utilization 0.85 \\
+  --enable-auto-tool-choice \\
+  --tool-call-parser qwen3_xml \\
  --trust-remote-code
-```
+\`\`\`

 #### 重要なポイント

 | オプション | 値 | 説明 |
 |-----------|-----|------|
-| `--max-model-len` | 200000 | 200Kトークンまで対応 |
-| `--max-num-seqs` | 8 | 同時リクエスト数（メモリ節約） |
-| `--tool-call-parser` | **qwen3_xml** | ⚠️ これ超重要！ |
+| \`--max-model-len\` | 200000 | 200Kトークンまで対応 |
+| \`--max-num-seqs\` | 8 | 同時リクエスト数（メモリ節約） |
+| \`--tool-call-parser\` | **qwen3_xml** | ⚠️ これ超重要！ |

 :::danger tool-call-parserに注意
-`--tool-call-parser` を間違えると、Claude Codeのファイル操作やコマンド実行が動きません。**必ず `qwen3_xml`** を指定してください。
+\`--tool-call-parser\` を間違えると、Claude Codeのファイル操作やコマンド実行が動きません。**必ず \`qwen3_xml\`** を指定してください。
 :::

 初回起動は約10分かかります（45GBのモデルをダウンロード＆ロード）。

 ### Step 2: claude-code-proxyを起動

-```bash
+\`\`\`bash
 # クローン
 git clone https://github.com/fuergaosi233/claude-code-proxy.git
 cd claude-code-proxy
@@ -172,27 +191,27 @@ EOF

 # 起動
 python start_proxy.py
-```
+\`\`\`

 ### Step 3: Claude Codeを起動

-```bash
-ANTHROPIC_BASE_URL=http://localhost:8082 \
-ANTHROPIC_API_KEY=dummy \
+\`\`\`bash
+ANTHROPIC_BASE_URL=http://localhost:8082 \\
+ANTHROPIC_API_KEY=dummy \\
 claude
-```
+\`\`\`

 :::warning ANTHROPIC_AUTH_TOKEN
-`ANTHROPIC_AUTH_TOKEN` は設定しないでください。両方設定するとエラーになります。
+\`ANTHROPIC_AUTH_TOKEN\` は設定しないでください。両方設定するとエラーになります。
 :::

 ### 便利なエイリアス設定

-```bash title="~/.bashrc に追加"
+\`\`\`bash title="~/.bashrc に追加"
 alias claude-local='ANTHROPIC_BASE_URL=http://localhost:8082 ANTHROPIC_API_KEY=dummy claude'
-```
+\`\`\`

-これで `claude-local` と打つだけでOK！
+これで \`claude-local\` と打つだけでOK！

 ## パフォーマンス

@@ -211,25 +230,25 @@ Anthropic APIに比べると生成速度は遅めですが、ローカルで完

 最初、ファイル操作しようとすると固まりました。

-**原因**: `--tool-call-parser hermes` を使っていた
+**原因**: \`--tool-call-parser hermes\` を使っていた

-**解決**: `--tool-call-parser qwen3_xml` に変更
+**解決**: \`--tool-call-parser qwen3_xml\` に変更

 Qwen3系モデルは独自のTool Callingフォーマットを使うので、専用のパーサーが必要です。

 ### 2. Auth conflictエラー

-```
+\`\`\`
 Auth conflict: Both a token (ANTHROPIC_AUTH_TOKEN) and an API key (ANTHROPIC_API_KEY) are set.
-```
+\`\`\`

-**解決**: `ANTHROPIC_AUTH_TOKEN` を設定しない（または `unset ANTHROPIC_AUTH_TOKEN`）
+**解決**: \`ANTHROPIC_AUTH_TOKEN\` を設定しない（または \`unset ANTHROPIC_AUTH_TOKEN\`）

 ### 3. max_tokensエラー

 入力が長すぎると、出力用のトークン枠がなくなってエラーに。

-**解決**: vLLMの `--max-model-len` を増やす（今回は200Kに設定）
+**解決**: vLLMの \`--max-model-len\` を増やす（今回は200Kに設定）

 ## まとめ

@@ -239,10 +258,10 @@ DGX SparkでClaude Codeをローカル化できました！

 1. **vLLM + Qwen3-Coder-Next-FP8** でモデルを動かす
 2. **claude-code-proxy** でAPI形式を変換
-3. `--tool-call-parser qwen3_xml` を忘れずに！
-4. `ANTHROPIC_AUTH_TOKEN` は設定しない
+3. \`--tool-call-parser qwen3_xml\` を忘れずに！
+4. \`ANTHROPIC_AUTH_TOKEN\` は設定しない

-完全ローカルでClaude Codeが動く喜び、ぜひ体験してみてください。
+セットアップは複雑ですが、一度動けば**速くて安定**。完全ローカルでClaude Codeが動く喜び、ぜひ体験してみてください。

 ## 参考リンク