M4 MacBook AirでローカルAIコーディング環境構築ガイド

※ AIに作成を依頼した記事です。概ね動作を確認してますが、一部未確認です。

概要

M4 MacBook Air（16GB RAM、10コアCPU、10コアGPU）で、無償のローカルAIを使用したコーディング支援環境を構築する手順です。

推奨構成

メインモデル: Qwen2.5-Coder 14B Instruct（複雑なタスク用）
サブモデル: Qwen2.5-Coder 7B（高速タスク用）
実行環境: Ollama
エディタ連携: VS Code + Continue.dev

コスト

使用制限なし
インターネット接続不要（セットアップ後）

セットアップ手順

1. Ollamaのインストール

# Homebrewでインストール
brew install ollama

# インストール確認
ollama --version

2. Ollamaサービスの起動

# Homebrewサービスとして起動（推奨）
brew services start ollama

# サービス起動確認
ollama list
# または
curl http://localhost:11434

注意: ollama server not responding エラーが出る場合は、このステップを忘れている可能性があります。

3. AIモデルのダウンロード

# メインモデル（約8GB、10-15分程度）
ollama pull qwen2.5-coder:14b-instruct

# サブモデル（約4GB、5-10分程度）
ollama pull qwen2.5-coder:7b

# ダウンロード確認
ollama list

ダウンロード時の表示例:

$ ollama pull qwen2.5-coder:14b-instruct
pulling manifest 
pulling 8a8b8b8b8b8b... 100% ▕████████████████▏ 8.0 GB
pulling 2a2b2b2b2b2b... 100% ▕████████████████▏ 1.2 GB
pulling c3c4c4c4c4c4... 100% ▕████████████████▏ 486 MB
verifying sha256 digest 
writing manifest 
success

4. モデル動作確認

# 14Bモデルのテスト
ollama run qwen2.5-coder:14b-instruct

# チャットでテスト（例）
>>> Pythonでファイル読み込み関数を作って
# 応答を確認後、/bye で終了

# 7Bモデルのテスト
ollama run qwen2.5-coder:7b
>>> 簡単なJavaScript関数を作って
# 応答を確認後、/bye で終了

5. VS Code拡張機能のインストール

VS Codeを開く
拡張機能タブ（Cmd+Shift+X）
"Continue" で検索
Continue - open-source AI code assistant をインストール

6. Continue.devの設定

VS Code内でのGUI設定（推奨方法）

VS CodeでContinueのサイドバーアイコンをクリック
チャット画面右上の歯車アイコン（⚙️）をクリック
GUI設定画面が開いたら、以下の手順でモデルを追加：

Ollamaプロバイダーの設定：

Provider: ollama を選択
Install Provider: https://ollama.ai/download
Model: qwen2.5-coder:7b を入力
Connect ボタンをクリック

config.yaml ファイルが自動的に開かれます

config.yamlの設定

自動生成された config.yaml を以下の内容に修正：

name: Local Assistant
version: 1.0.0
schema: v1
models:
  - name: Qwen2.5-Coder 14B
    provider: ollama
    model: qwen2.5-coder:14b-instruct
    roles:
      - chat
      - edit
      - apply
  - name: Qwen2.5-Coder 7B
    provider: ollama
    model: qwen2.5-coder:7b
    roles:
      - chat
      - edit
      - apply
      - autocomplete
  - name: Nomic Embed
    provider: ollama
    model: nomic-embed-text:latest
    roles:
      - embed
context:
  - provider: code
  - provider: docs
  - provider: diff
  - provider: terminal
  - provider: problems
  - provider: folder
  - provider: codebase

追加モデルのダウンロード（オプション）

# 埋め込み用モデル（推奨）
ollama pull nomic-embed-text:latest

設定の保存と反映

config.yaml を Cmd+S で保存
VS Codeを完全に再起動

7. VS Codeでの動作確認

VS Codeを再起動
適当なファイルを開く（例：test.py）
Continue拡張のアイコンがサイドバーに表示されることを確認
チャット機能とモデル選択をテスト：
- Continueチャット画面でモデル選択ドロップダウンを確認
- "Qwen2.5-Coder 14B" と "Qwen2.5-Coder 7B" が表示されることを確認

使用方法

チャット形式での質問

1. Cmd+Shift+P → "Continue: Open Chat"
2. サイドバーでAIとチャット

例：
「Reactでログイン画面のコンポーネントを作って」
「このAPIのエラーハンドリングを改善して」

コード選択して質問

1. コードを選択
2. 右クリック → "Continue: Ask about this code"
3. 質問を入力

例：
「このコードをTypeScriptに変換して」
「パフォーマンスを改善する方法は？」
「単体テストを作って」

インライン編集

1. コードを選択
2. Cmd+I
3. 指示を入力

例：
「エラーハンドリングを追加」
「async/awaitに変更」
「詳細なコメントを追加」

オートコンプリート

// 関数名を入力すると自動補完
function calculateTax
// → Tab で補完を受け入れ

// 日本語コメントでも動作
// ユーザー認証を行う関数
// → 認証関数の実装を提案

キーボードショートカット

ショートカット	機能
`Cmd+I`	インライン編集
`Cmd+Shift+I`	チャットパネル表示
`Tab`	オートコンプリート受け入れ
`Esc`	提案をキャンセル

実用例

新機能開発

// チャットで質問
「Next.js 14でJWT認証システムを実装して。
ログイン、ログアウト、保護されたルートを含めて」

バグ修正

// エラーコードを選択してCmd+I
「このTypeErrorの原因と修正方法を教えて：
Cannot read property 'length' of undefined」

リファクタリング

# 既存コードを選択して
「このコードをより効率的で読みやすくリファクタリングして」

テスト作成

// 関数を選択して
「この関数の包括的なJestテストケースを作成して」

パフォーマンス最適化

モデル使い分け

14Bモデル: 複雑な設計・大規模リファクタリング
7Bモデル: 簡単な修正・オートコンプリート

メモリ使用量

14B使用時: 約10-12GB
7B使用時: 約6-8GB
推論速度: 14Bで15-25 tokens/秒、7Bで30-50 tokens/秒

トラブルシューティング

Ollamaサービス関連

`ollama server not responding` エラー

# サービス状態確認
brew services list | grep ollama

# サービス再起動
brew services restart ollama

# 手動起動（デバッグ用）
ollama serve

ポート競合

# ポート11434が使用されているか確認
lsof -i :11434

# Ollamaプロセス確認
ps aux | grep ollama

# 完全リセット
brew services stop ollama
brew services start ollama

モデルが起動しない

# Ollamaサービス確認
ollama ps

# 利用可能モデル確認
ollama list

# メモリ不足の場合、軽量モデルに切り替え
ollama run qwen2.5-coder:7b

パーミッション関連

# Homebrewの権限修正
sudo chown -R $(whoami) /opt/homebrew/

# Ollamaディレクトリの権限確認
ls -la ~/.ollama/

# 権限問題がある場合
sudo chmod -R 755 ~/.ollama/

VS Codeで認識されない

VS Codeを完全に再起動
Continue拡張を無効化→有効化
config.yaml の YAML 構文をチェック
GUI設定画面から再度設定を行う

メモリ不足エラー

# 軽量モデルに切り替え
ollama run qwen2.5-coder:7b

# または量子化レベルを下げる
ollama pull qwen2.5-coder:7b-q4_k_m

アップデート方法

# Ollamaアップデート
brew upgrade ollama

# モデルアップデート
ollama pull qwen2.5-coder:14b-instruct
ollama pull qwen2.5-coder:7b

# 古いモデル削除（必要に応じて）
ollama rm qwen2.5-coder:14b-instruct:old

参考情報

これで、完全無償でローカル実行可能な高性能AIコーディング環境が完成します。クラウドAIと同等以上の性能を、プライバシーを保ちながら制限なく利用できます。