私の ASUS AI Agent コンピューター: ローカル LLM、コーディングおよびエージェントのデモ

https://www.asus.com/microsite/agent-computer/in/?utm_source=official-site&utm_medium=asus-hero-banner&utm_campaign=Powering-Every-AI-Choice 自分のワークステーション上で LLM を実行し、コードを記述し、AI エージェントを構築できますか?このビデオでは、ASUS AI Agent Computer について説明し、Ollama でのモデルの実行からローカルのリサーチ エージェントとクラウドベースのモデルの比較まで、ローカル AI ワークフローを示します。実際の例を通じて、GPU 使用率、VRAM、応答時間、ツール呼び出し、および推定 API コストを調査します。また、AI ニュース ダイジェストやスライド生成ワークフローなど、日常の生産性向上のための ASUS Zenni Claw もデモします。 Agentic AI を学習している場合、AI アプリケーションを構築している場合、またはローカル推論用のワークステーションを探索している場合は、このチュートリアルでハードウェアと実際の開発タスクを結び付けます。 **⏱️ タイムスタンプとトピック** 00:00 AI ワークステーションの紹介 00:22 AI をローカルで実行する理由ローカル、クラウド、ハイブリッドのアプローチ 01:57 ASUS ワークステーション ハードウェア ツアー 03:25 Ollama のインストールとローカル モデルのセットアップ 04:06 Qwen 3.5 をローカルで実行およびチャットする 06:31 Ollama を使用して追加モデルを検索して実行する 07:09 Llama 3.2 を使用してテトリス ゲーム用の Python コードを生成する 07:34 GPU 使用率、VRAM、および NVIDIA-SMI を確認する08:09 Claude Code を使用したリサーチ エージェント プロジェクトのウォークスルー 09:26 Streamlit アプリのセットアップとモデルの選択 10:07 ローカル エージェントとクラウド エージェント: 事実と計算タスク 11:18 応答時間、ツール呼び出し、推定コストの比較 12:11 ライブ AI ニュース調査: ローカルとクラウド 13:17 タイムアウト、実行制限、およびコストの観察 14:00 比較計算タスクとローカル モデルの考慮事項 15:44 ASUS Zenni Claw 16:19 ローカル モデル、追加プロバイダー、および API 構成 16:46 Work Assistant のデモ: AI ニュース ダイジェストの生成 18:28 生産性スキルとワークフローの探索 18:51 Agentic AI システムに関するスライド生成の試行 20:17 重要なポイント: AI エージェントとその背後にあるインフラストラクチャ 20:54 ローカル AI、クラウド AI、ハイブリッド AI の選択 21:07 ワークステーションのリソースと結論21:20 AI エージェントをローカルで実行しますか? **💡 学ぶ内容** - Ollama を使用してローカル LLM を始める方法。 - GPU メモリとモデル サイズがローカル推論に与える影響。 - ローカルで実行されるモデルを使用してコードを生成する方法。 - タスク マネージャーと NVIDIA-SMI を使用して GPU 使用率を監視する方法。 - Streamlit 調査エージェントがローカル モデルとクラウド モデルを比較する方法。 - 応答時間、ツールの使用状況、推定 API コスト、障害を検査する方法。 - ASUS Zenni Claw が日常のエージェント ワークフローにどのようにアプローチするか。 - ローカル、クラウド、ハイブリッド AI がプロジェクトに適合できる場所。示されている比較は、これらの特定のモデル、プロンプト、設定から得られた観察結果です。ローカル推論では、ハードウェア、電力、および接続されたサービスには依然としてコストがかかりますが、ローカルで実行される作業に対するトークンごとのクラウド推論料金が回避されます。 **🖥️ 注目のハードウェア** - マザーボード: [ROG Maximus Z890 Hero](https://rog.asus.com/in/motherboards/rog-maximus/rog-maximus-z890-hero/) - GPU: [ROG Strix GeForce RTX 5070 Ti — 16GB GDDR7](https://rog.asus.com/in/graphics-cards/graphics-cards/rog-strix/rog-strix-rtx5070ti-16g-gaming/) - 電源: [ASUS TUF Gaming 1000P](https://www.asus.com/in/motherboards-components/power-supply-units/tuf-gaming/tuf-gaming-1000p/) - AIO クーラー: [ROG Strix LC III 360 ARGB](https://rog.asus.com/in/cooling/cpu-liquid-coolers/rog-strix-lc/rog-strix-lc-iii-360-argb/) **🔗 役立つリンク** - [ASUS エージェント コンピューター](https://www.asus.com/microsite/agent-computer/in/) - [ASUS エージェント コンピューターEliteHubs](https://elitehubs.com/pages/asus-agent-computer) - [ASUS Zenni Claw — 機能、ダウンロード、およびデバイスの互換性](https://www.asus.com/content/asus-zenni-claw/) - [Ollama](https://ollama.com/) **💬 ディスカッションに参加します** AI エージェントをローカルで実行しますか、クラウド API を使用しますか、あるいは両方を組み合わせますか?好みのセットアップと構築するワークフローをコメントで共有してください。このビデオを気に入って、Agentic AI、LLM、AI アプリケーション開発に関するより実践的なチュートリアルを購読してください。 #AgenticAI #LocalLLM #ASUS #Ollama #AIAgents