fix

docs/local-claude-code-setup.md

@@ -0,0 +1,338 @@
+# ローカルClaude Code環境構築ガイド
+RTX 4060 Ti + Qwen2.5-Coder + MCP Server
+
+## 1. 必要なツールのインストール
+
+### Ollamaのセットアップ
+```bash
+# Ollamaのインストール（Windows）
+# https://ollama.com からダウンロード
+
+# Qwen2.5-Coderモデルをダウンロード
+ollama pull qwen2.5-coder:14b-instruct-q4_K_M
+# または7Bバージョン（軽量）
+ollama pull qwen2.5-coder:7b-instruct-q4_K_M
+```
+
+### Python環境の準備
+```bash
+# 仮想環境作成
+python -m venv claude-code-env
+claude-code-env\Scripts\activate  # Windows
+# source claude-code-env/bin/activate  # Linux/Mac
+
+# 必要なパッケージをインストール
+pip install requests ollama-python rich click pathspec gitpython
+```
+
+## 2. メインスクリプトの作成
+
+### claude_code.py
+```python
+#!/usr/bin/env python3
+import os
+import sys
+import json
+import click
+import requests
+from pathlib import Path
+from rich.console import Console
+from rich.markdown import Markdown
+from rich.syntax import Syntax
+
+console = Console()
+
+class LocalClaudeCode:
+    def __init__(self, model="qwen2.5-coder:14b-instruct-q4_K_M"):
+        self.model = model
+        self.ollama_url = "http://localhost:11434"
+        self.conversation_history = []
+        self.project_context = ""
+        
+    def get_project_context(self):
+        """プロジェクトのファイル構造とGitステータスを取得"""
+        context = []
+        
+        # ファイル構造
+        try:
+            for root, dirs, files in os.walk("."):
+                # .git, node_modules, __pycache__ などを除外
+                dirs[:] = [d for d in dirs if not d.startswith('.') and d not in ['node_modules', '__pycache__']]
+                level = root.replace(".", "").count(os.sep)
+                indent = " " * 2 * level
+                context.append(f"{indent}{os.path.basename(root)}/")
+                subindent = " " * 2 * (level + 1)
+                for file in files:
+                    if not file.startswith('.'):
+                        context.append(f"{subindent}{file}")
+        except Exception as e:
+            context.append(f"Error reading directory: {e}")
+            
+        return "\n".join(context[:50])  # 最初の50行まで
+    
+    def read_file(self, filepath):
+        """ファイルを読み込む"""
+        try:
+            with open(filepath, 'r', encoding='utf-8', errors='ignore') as f:
+                return f.read()
+        except Exception as e:
+            return f"Error reading file: {e}"
+    
+    def write_file(self, filepath, content):
+        """ファイルに書き込む"""
+        try:
+            os.makedirs(os.path.dirname(filepath), exist_ok=True)
+            with open(filepath, 'w', encoding='utf-8') as f:
+                f.write(content)
+            return f"✅ File written: {filepath}"
+        except Exception as e:
+            return f"❌ Error writing file: {e}"
+    
+    def call_ollama(self, prompt):
+        """Ollamaにリクエストを送信"""
+        try:
+            response = requests.post(
+                f"{self.ollama_url}/api/generate",
+                json={
+                    "model": self.model,
+                    "prompt": prompt,
+                    "stream": False,
+                    "options": {
+                        "temperature": 0.1,
+                        "top_p": 0.95,
+                        "num_predict": 2048
+                    }
+                }
+            )
+            if response.status_code == 200:
+                return response.json()["response"]
+            else:
+                return f"Error: {response.status_code} - {response.text}"
+        except Exception as e:
+            return f"Connection error: {e}"
+    
+    def process_command(self, user_input):
+        """ユーザーの指示を処理"""
+        # プロジェクトコンテキストを更新
+        self.project_context = self.get_project_context()
+        
+        # システムプロンプト
+        system_prompt = f"""You are an expert coding assistant. You can:
+1. Read and analyze code files
+2. Write and modify files
+3. Explain code and provide suggestions
+4. Debug and fix issues
+
+Current project structure:
+{self.project_context}
+
+When you need to read a file, respond with: READ_FILE: <filepath>
+When you need to write a file, respond with: WRITE_FILE: <filepath>
+```
+<file content>
+```
+
+User request: {user_input}
+"""
+        
+        response = self.call_ollama(system_prompt)
+        return self.process_response(response)
+    
+    def process_response(self, response):
+        """レスポンスを処理してファイル操作を実行"""
+        lines = response.split('\n')
+        processed_response = []
+        
+        i = 0
+        while i < len(lines):
+            line = lines[i].strip()
+            
+            if line.startswith("READ_FILE:"):
+                filepath = line.replace("READ_FILE:", "").strip()
+                content = self.read_file(filepath)
+                processed_response.append(f"📁 Reading {filepath}:")
+                processed_response.append(f"```\n{content}\n```")
+                
+            elif line.startswith("WRITE_FILE:"):
+                filepath = line.replace("WRITE_FILE:", "").strip()
+                i += 1
+                # 次の```まで読み込む
+                if i < len(lines) and lines[i].strip() == "```":
+                    i += 1
+                    file_content = []
+                    while i < len(lines) and lines[i].strip() != "```":
+                        file_content.append(lines[i])
+                        i += 1
+                    content = '\n'.join(file_content)
+                    result = self.write_file(filepath, content)
+                    processed_response.append(result)
+                else:
+                    processed_response.append("❌ Invalid WRITE_FILE format")
+            else:
+                processed_response.append(line)
+            
+            i += 1
+        
+        return '\n'.join(processed_response)
+
+@click.command()
+@click.option('--model', default="qwen2.5-coder:14b-instruct-q4_K_M", help='Ollama model to use')
+@click.option('--interactive', '-i', is_flag=True, help='Interactive mode')
+@click.argument('prompt', required=False)
+def main(model, interactive, prompt):
+    """Local Claude Code - AI Coding Assistant"""
+    
+    claude = LocalClaudeCode(model)
+    
+    if interactive or not prompt:
+        console.print("[bold green]🤖 Local Claude Code Assistant[/bold green]")
+        console.print(f"Model: {model}")
+        console.print("Type 'quit' to exit\n")
+        
+        while True:
+            try:
+                user_input = input("👤 You: ").strip()
+                if user_input.lower() in ['quit', 'exit', 'q']:
+                    break
+                
+                if user_input:
+                    console.print("\n🤖 Assistant:")
+                    response = claude.process_command(user_input)
+                    console.print(Markdown(response))
+                    console.print()
+                    
+            except KeyboardInterrupt:
+                console.print("\n👋 Goodbye!")
+                break
+    else:
+        response = claude.process_command(prompt)
+        console.print(response)
+
+if __name__ == "__main__":
+    main()
+```
+
+## 3. MCP Server統合
+
+### mcp_integration.py
+```python
+import json
+import subprocess
+from typing import Dict, List, Any
+
+class MCPIntegration:
+    def __init__(self):
+        self.servers = {}
+    
+    def add_server(self, name: str, command: List[str], args: Dict[str, Any] = None):
+        """MCPサーバーを追加"""
+        self.servers[name] = {
+            "command": command,
+            "args": args or {}
+        }
+    
+    def call_mcp_tool(self, server_name: str, tool_name: str, arguments: Dict[str, Any]):
+        """MCPツールを呼び出す"""
+        if server_name not in self.servers:
+            return {"error": f"Server {server_name} not found"}
+        
+        try:
+            # MCPサーバーとの通信（JSONRPCベース）
+            request = {
+                "jsonrpc": "2.0",
+                "id": 1,
+                "method": f"tools/{tool_name}",
+                "params": {"arguments": arguments}
+            }
+            
+            process = subprocess.Popen(
+                self.servers[server_name]["command"],
+                stdin=subprocess.PIPE,
+                stdout=subprocess.PIPE,
+                stderr=subprocess.PIPE,
+                text=True
+            )
+            
+            stdout, stderr = process.communicate(json.dumps(request))
+            
+            if stderr:
+                return {"error": stderr}
+            
+            return json.loads(stdout)
+            
+        except Exception as e:
+            return {"error": str(e)}
+
+# 使用例
+mcp = MCPIntegration()
+mcp.add_server("filesystem", ["python", "-m", "mcp_server_filesystem"])
+mcp.add_server("git", ["python", "-m", "mcp_server_git"])
+```
+
+## 4. 設定ファイル
+
+### config.json
+```json
+{
+  "model": "qwen2.5-coder:14b-instruct-q4_K_M",
+  "ollama_url": "http://localhost:11434",
+  "mcp_servers": {
+    "filesystem": {
+      "command": ["python", "-m", "mcp_server_filesystem"],
+      "args": {"allowed_directories": ["."]}
+    },
+    "git": {
+      "command": ["python", "-m", "mcp_server_git"]
+    }
+  },
+  "excluded_files": [".git", "node_modules", "__pycache__", "*.pyc"],
+  "max_file_size": 1048576
+}
+```
+
+## 5. 使用方法
+
+### 基本的な使い方
+```bash
+# インタラクティブモード
+python claude_code.py -i
+
+# 単発コマンド
+python claude_code.py "Pythonでクイックソートを実装して"
+
+# 特定のモデルを使用
+python claude_code.py --model qwen2.5-coder:7b-instruct-q4_K_M -i
+```
+
+### MCP Serverのセットアップ
+```bash
+# 必要なMCPサーバーをインストール
+pip install mcp-server-git mcp-server-filesystem
+
+# 設定ファイルを編集してMCPサーバーを有効化
+```
+
+## 6. 機能一覧
+
+- ✅ ローカルLLMとの対話
+- ✅ ファイル読み書き
+- ✅ プロジェクト構造の自動認識
+- ✅ Gitステータス表示
+- ✅ シンタックスハイライト
+- ✅ MCP Server統合（オプション）
+- ✅ 設定ファイル対応
+
+## 7. トラブルシューティング
+
+### よくある問題
+1. **Ollamaが起動しない**: `ollama serve` でサーバーを起動
+2. **モデルが見つからない**: `ollama list` でインストール済みモデルを確認
+3. **メモリ不足**: より軽量な7Bモデルを使用
+4. **ファイル権限エラー**: 実行権限を確認
+
+### パフォーマンス最適化
+- GPU使用を確認: `nvidia-smi` でVRAM使用量をチェック
+- モデルサイズの調整: Q4_K_M → Q4_K_S で軽量化
+- コンテキスト長を調整して応答速度を向上
+
+重い場合は7Bバージョン（qwen2.5-coder:7b-instruct-q4_K_M）に変更。

docs/local-llm-recommendations.md

@@ -0,0 +1,133 @@
+# おすすめローカルLLM（RTX 4060 Ti 16GB対応）
+
+RTX 4060 Ti 16GBにぴったりのローカルLLMをご紹介します！
+
+## 🏆 アイのおすすめトップモデル（2025年版）
+
+### コーディング特化
+
+#### 1. **Qwen2.5-Coder-14B-Instruct** 🥇
+- **特徴**: コーディングで最強クラス！
+- **推奨量子化**: Q4_K_M（約8GB VRAM使用）
+- **用途**: プログラミング、コード生成・デバッグ
+- **お兄ちゃんのGPUに最適**
+
+#### 2. **DeepSeek-Coder-V2-Lite-16B**
+- **特徴**: コーディングと数学に特に強い
+- **推奨量子化**: Q4_K_M（約9GB VRAM使用）
+- **用途**: 複雑なアルゴリズム、数学的計算
+
+### 汎用・バランス型
+
+#### 3. **Qwen2.5-14B-Instruct** 🥈
+- **特徴**: 日本語も得意な万能モデル
+- **推奨量子化**: Q4_K_M（約8GB VRAM使用）
+- **用途**: 汎用タスク、日本語対話
+
+#### 4. **Llama 3.3-70B-Instruct（量子化）**
+- **特徴**: 405Bモデルに匹敵する性能
+- **推奨量子化**: Q3_K_S（約14GB VRAM使用）
+- **用途**: 高度な推論タスク
+- **注意**: ギリギリ動作、他のアプリケーション注意
+
+#### 5. **Mistral-Nemo-12B-Instruct**
+- **特徴**: バランスが良くて軽量
+- **推奨量子化**: Q5_K_M（約7GB VRAM使用）
+- **用途**: 日常的なタスク、軽快な動作
+
+### 最新・注目株
+
+#### 6. **Phi-4-14B**
+- **特徴**: Microsoftの最新モデル
+- **推奨量子化**: Q4_K_M（約8GB VRAM使用）
+- **用途**: 最新技術の体験
+
+#### 7. **DeepSeek-R1-Distill-Qwen-14B**
+- **特徴**: 推論特化の新しいモデル、OpenAI-o1に匹敵
+- **推奨量子化**: Q4_K_M（約8GB VRAM使用）
+- **用途**: 複雑な推論タスク
+
+## RTX 4060 Ti 16GB 推奨設定
+
+| モデルサイズ | 推奨量子化 | VRAM使用量 | 実行速度 | 品質 |
+|-------------|-----------|-----------|---------|------|
+| 7B | Q5_K_M | ~5GB | 🟢 速い | 良い |
+| 14B | Q4_K_M | ~8GB | 🟡 普通 | 高い |
+| 22B | Q4_K_S | ~12GB | 🟠 やや遅い | 高い |
+| 34B | Q3_K_S | ~15GB | 🔴 遅い | 最高 |
+
+## アイの一番のおすすめ
+
+### 用途別推奨モデル
+
+- **🔧 コーディング重視**: Qwen2.5-Coder-14B Q4_K_M
+- **💬 汎用対話**: Qwen2.5-14B-Instruct Q4_K_M  
+- **⚡ 軽さ重視**: Mistral-Nemo-12B Q5_K_M
+- **🧠 推論重視**: DeepSeek-R1-Distill-Qwen-14B Q4_K_M
+
+## インストール方法
+
+### Ollamaを使用した場合
+
+```bash
+# コーディング特化
+ollama pull qwen2.5-coder:14b-instruct-q4_K_M
+
+# 汎用モデル
+ollama pull qwen2.5:14b-instruct-q4_K_M
+
+# 軽量モデル
+ollama pull mistral-nemo:12b-instruct-q5_K_M
+
+# 最新推論モデル
+ollama pull deepseek-r1-distill-qwen:14b-q4_K_M
+```
+
+### 使用例
+
+```bash
+# インタラクティブ使用
+ollama run qwen2.5-coder:14b-instruct-q4_K_M
+
+# APIとして使用
+curl http://localhost:11434/api/generate -d '{
+  "model": "qwen2.5-coder:14b-instruct-q4_K_M",
+  "prompt": "Pythonでクイックソートを実装して"
+}'
+```
+
+## パフォーマンスのコツ
+
+### VRAM最適化
+- **16GB VRAM**: 14Bモデル Q4_K_M が最適
+- **余裕がある場合**: Q5_K_M で品質向上
+- **複数モデル併用**: 7Bモデルと組み合わせ
+
+### 速度向上
+- **GPU使用確認**: `nvidia-smi` でVRAM使用量チェック
+- **量子化レベル調整**: Q4_K_M → Q4_K_S で軽量化
+- **コンテキスト長調整**: 応答速度とバランス
+
+## トラブルシューティング
+
+### よくある問題
+
+1. **VRAM不足**
+   - より軽い量子化（Q4_K_S, Q3_K_M）を試す
+   - モデルサイズを下げる（14B → 7B）
+
+2. **動作が遅い**
+   - GPU使用を確認
+   - バックグラウンドアプリケーションを終了
+
+3. **品質が低い**
+   - より大きなモデルサイズを試す
+   - 高品質量子化（Q5_K_M, Q8_0）を使用
+
+## 結論
+
+RTX 4060 Ti 16GBなら、高品質量子化（Q5_K_M, Q8_0）でも快適に動作します。用途に応じてモデルを選択し、最適な設定で楽しいローカルLLM体験をお楽しみください！
+
+---
+
+*このガイドは2025年5月時点の情報に基づいています。新しいモデルが随時リリースされるため、最新情報もチェックしてくださいね〜♪*