ローカルLLMを活用したコード生成と、ローコード開発ツールへの応用

© Hitachi Academy Co., Ltd. 2025. All rights reserved. ローカルLLMを活用したコード生成と
ローコード開発ツールへの応用株式会社日立アカデミー研修開発本部 2025年2月18日横井一仁

1 © Hitachi Academy Co., Ltd. 2025. All rights reserved.
横井一仁 (よこいかずひと) • 自然言語処理、検索技術、ストレージの研究開発に従事 • OT(制御・運用技術)領域のデジタル人財育成 • 産業用ロボットの教育に、 3Dシミュレータ、VR、ビジュアルプログラミングBlocklyを導入 • 技能五輪世界大会Industry 4.0分野の若手技術者支援 • グローバルで日立の技術力をアピールする活動 • Open Source Summit North America 2023招待講演@バンクーバー • Open Source Summit China 2023招待講演@上海 • SUPCON社グローバルイベント招待講演@シンガポール • IBM社カンファレンスにOSS枠を提案し、3枠登壇@ラスベガス • 日立アメリカ主催のHAL R&Dセミナーに登壇@サンタクララ自己紹介 https://www.hitachi.co.jp/products/it/oss/efforts/index.html#:~:text=%E6%A8%AA%E4%BA%95

© Hitachi Academy Co., Ltd. 2025. All rights reserved. １.
コード生成AIとは２. コード生成AIの推論環境構築３. コード生成AIをローコード開発ツールへ適用コンテンツ 2

コード生成AIとは

Visual Studio Code、JetBrains、Eclipseなどの統合開発環境上でソフトウェア開発を支援するAI • チャット、コード補完、コード修正などを統合開発環境上で行えるユーザインターフェイスから利用 • クラウドベースのコード生成AIの動向・ 2022年6月 GitHub Copilotが一般提供開始・ 2024年4月 Amazon Q Developerが一般提供開始・ 2024年4月 GoogleがGemini Code Assistを発表・ 2024年12月 GitHub Copilotが無料利用可能に・ 2025年2月 GitHub CopilotがGemini 2.0サポート多くの開発現場がコード生成AIの導入によってコーディング作業を大幅に効率化コード生成AIとは https://docs.aws.amazon.com/ja_jp/amazonq/latest/qdeveloper-ug/q-in-IDE-inline-chat.html https://cloud.google.com/blog/products/application-development/gen-ai-and-app-development-tools-and-partnerships Gemini Code Assist Amazon Q Developer

1から順に数字をカウントし、3の倍数の時に「Fizz」、5の倍数の時に「Buzz」、 15の倍数の時に「Fizz Buzz」を出力するJavaScriptコードを生成 GitHub Copilotを用いたFizz Buzzコードの生成

(1) チャット上で対話形式でコード生成 • プロンプトでアリゴリズムのコード提案 • テーブル定義書からSQL文を作成 • シェルスクリプトからプログラム生成 • 特定のテストフレームワークを用いた自動テストを実行するコードを作成 • CIの設定ファイル作成 (2) ソースコード入力中のコード補完 • 関数の引数を自動補完 • コメント文からソースコード補完コード生成AIのユースケース (3) 既存のソースコードの修正 • ソースコードのリファクタリング • エラーメッセージからバグの修正案を提示 (4) ソースコードからドキュメント生成 • Markdown形式の説明文を生成 • Mermaidのシーケンス図を作成 • PlantUMLでアクティビティ図作成 • コメント文を生成 • コミットメッセージを自動付与特に(2)のコード補完は、コード生成AIを統合開発環境と連携させることで実現できるソフトウェア開発ならではの機能

ミッションクリティカル分野のシステム開発や、OT領域へコード生成AIを適用日立のコード生成AIの取り組み https://www.hitachi.co.jp/New/cnews/month/2024/06/0611/20240611_02_digital.pdf#page=19 https://www.hitachi.co.jp/New/cnews/month/2023/06/0613/20230613_03_digital.pdf#page=26 Hitachi Investor Day 2024 デジタル戦略の資料から引用 Hitachi Investor Day 2023 デジタル戦略の資料から引用

ミッションクリティカル分野やOT分野のシステム開発では、 GitHub Copilotの様なクラウドベースのコード生成AIの利用が難しいケースも存在 • 機密扱いのソースコードや個人情報を含むデータがインターネット上の社外サービスに送信されてしまう • 開発プロジェクト毎に開発環境が用意されるため、クラウドベースの従量課金は費用の見積が困難 • 工場の生産ラインなどは閉域ネットワーク前提のシステムのため、クラウドベースのサービスは接続不可クラウドベースのコード生成AIの課題インターネットクラウドサービスへ接続

ローカルPCやオンプレミスのサーバ内で動作する、ローカルLLMのコード生成を用いることで課題を解決 • 機密情報の運用ルールを満たした開発環境下でコード生成AIを利用できる • 固定のハードウェア費用しか発生しないため、追加費用なしで長期的に利用できる • インターネットに接続ができない閉域ネットワーク環境下でも利用可能ローカルLLMのコード生成AIによる解決閉域ネットワークローカル LLM インターネットネットワークアクセス不可

複数のテック企業がコード生成AIのモデルを作成し、オープンウェイトで公開 • 一般的にパラメータ数が多いほど高精度だが推論処理に時間が長くなる • ローカルPCやサーバのメモリ量やGPUの有無で扱えるモデルとサイズが決まる • 同程度の計算リソースを使用するモデルの良し悪しは、日本語LLMを比較したリーダボードが参考になるコード生成AIのモデル # モデル名開発元パラメータ数 1 Qwen2.5 Coder Alibaba 0.5～32B 2 Granite Code IBM 3～34B 3 CodeGemma Google 2～7B 4 DeepSeekCoder V2 DeepSeek 1.3～33B 5 StarCoder2 NVIDIA、ServiceNow、 Hugging Face 3～15B 6 Code Llama Meta 7～70B 7 Codestral Mistral 22B Ollamaライブラリにあるコード生成AIのモデルオープン日本語LLMリーダボード

コード生成AIの推論環境構築

高スループットでメモリ効率の高いLLM用の推論エンジン、推論用サーバ • 歴史・ 2023年6月 UC Berkeleyが開発しv0.1.0をリリース・ 2024年7月 LF AI & Data Foundationのインキュベーションプロジェクト化・ 2025年2月現在コントリビュータ821名 GitHubのスター数3.7万 • 特徴・ PagedAttentionアルゴリズムを採用し高速・ NVIDIA GPU、AMD GPU、Apple Silicon (2025年2月時点でGPU未対応)に対応・ OpenAI互換APIを提供 vLLMとは https://docs.vllm.ai/en/latest/getting_started/installation/cpu/index.html インストール手順のドキュメント

Alibabaが開発したコード生成AI用のモデル • コード生成のベンチマークでは、 DeepSeek CoderやCodestralより高精度 (オープン日本語LLMリーダボードでも現在ランキングトップ) • GPT-4oやClaude 3.5 SonnetのクラウドベースのLLMよりも高精度 • プログラミング言語の中では、 JavaScript、Python、Java、Go、Cが得意 (Swift、C#、C++、HTMLであれば GTP-4oの方が高精度) Qwen 2.5 Coderモデルプログラミング言語間の精度比較 https://ollama.com/library/qwen2.5-coder

GPU搭載のVM上で動作させたQwen/Qwen2.5-Coder-1.5B-Instructを呼び出す例 vLLMのデモンストレーション

GitHub Copilotライクなユーザインターフェイスを追加できるVisual Studio Code用のプラグイン • Visual Studio Code上でチャット、コード補完、コード修正を利用可能 • 推論環境としてvLLMやOllamaに対応 • ローカルLLMを利用する場合は Qwen 2.5 Coderのモデルなどを用意して設定する必要がある Continueプラグインとは https://docs.continue.dev/getting-started/overview https://docs.continue.dev/customize/model-providers/more/vllm Continueプラグインの動作 vLLM連携についてのドキュメント

(1) Visual Studio Codeの拡張機能から「Continue」を検索して、インストール (2) 左側に追加されたアイコンをクリックして、チャット画面を開く (3) 入力欄下にある「Claude 3.5 Sonnet」をクリックして「+ Add Chat model」を選択 (4) Providerとして「Ollama」、 Modelとして「Qwen 2.5 Coder 7b」を選択して「Connect」をクリック Continueプラグインのインストールと設定方法

推論エンジンとしてllama.cppを使用する推論用サーバソフトウェア • WindowsやmacOSでは、インストーラを用いて手軽にGPUを利用する環境を構築できる • OpenAI互換APIを提供 • 利用可能なモデルがサイトに公開されており、コマンド操作や REST APIでモデルをダウンロード可能【Qwen 2.5 Coderをダウンロードするコマンド】 Ollamaとはモデルを参照できるサイト https://ollama.com/library/qwen2.5-coder ollama pull qwen2.5-coder:1.5-base

Continueプラグインを用いたFizz Buzzコードの生成 1から順に数字をカウントし、3の倍数の時に「Fizz」、5の倍数の時に「Buzz」、 15の倍数の時に「Fizz Buzz」を出力するJavaScriptコードを生成

現在地を表示するHTMLコードを生成するデモンストレーション

コード生成AIをローコード開発ツールへ適用

ローコード開発ツール Node-REDとは機能ブロックをつなぎ、GUI上でビジュアル開発できるプログラミング環境 • OpenJS FoundationがホストするOSS • プログラミング知識不要で、ノーコードの開発も可能 • 必要に応じてコーディングを行い、システムを拡張可能部分的にソースコード追加も可能機能ブロックをつなぎ開発

コード生成AIとローコード開発ツールの組み合わせ生成AIとローコード開発ツールの組み合わせは相性が良い • ローコード開発ツールでは、機能ブロックの入出力データの仕様が固定されているため、生成AIで生成したソースコードを組み合わせやすい • プログラミング知識を持たない工場の現場エンジニアも手軽にコーディングができる処理2 処理1 処理3 共通仕様

Node-RED用のコード補完プラグイン Node-REDのfunctionノードのコードエディタ用のコード補完プラグイン • GitHub Copilotを有効にした Visual Studio Codeと同じコード補完のUXを提供 • Node-REDライブラリに OSSとして公開 • デフォルトでGranite Code Modelを用いてコメント文から JavaScriptコードを生成 functionノードのコードエディタ https://flows.nodered.org/node/@kazuhitoyokoi/node-red-contrib-plugin-codecompletion

コード補完プラグインの実装 • Node-REDのテキストエディタはVisual Studio Codeと同じMonaco Editorを使用 • Monaco EditorのInline Completions Provider機能を用いて同じUX実装 Visual Studio Code Monaco Editor [ GitHub Copilot/ContinueのUX ] • 灰色テキストでコード提案 • タブキーを押すことで提案コード採用 https://microsoft.github.io/monaco-editor/typedoc/functions/languages.registerInlineCompletionsProvider.html Inline Completions Node-RED Monaco Editor Inline Completions (新規追加) Node-REDへGitHub Copilotや Continueと同じUXを追加

Granite Codeモデル IBM Researchが2024年5月にリリースしたコード生成AIモデル • Mistral、他のモデルより高精度 • Apache-2.0 license • 116の開発言語をサポート • オープンウェイトだけでなく、学習に用いたデータも公開されている • Ollamaのダウンロード方法: https://github.com/ibm-granite/granite-code-models ユースケース毎のローカルLLM間の精度比較 Granite Codeモデル ollama pull granite- code:3b-instruct

デモ: Fizz Buzzコードの生成 (1) 生成したいコードのコメント文と for文を入力 (3) タブキーを押すことで、提案されたコードを採用 (2) Fizz Buzzのコードが灰色の文字列で提案される

デモ: Fizz Buzzコードの生成

デモ: 2点間の距離を算出緯度と経度からなる2点間の位置から、距離を算出するコードを生成 [ Haversineの式 ] 緯度1, 経度1 緯度2, 経度2 位置1 位置2 距離手作業でコードを書くには時間がかかる :(

デモ: 2点間の距離を算出

まとめ

本セッションでは、ローカルLLMのコード生成AIと、以下のTipsを紹介 • コード生成AIモデルと推論環境の構築 • Visual Studio Code用のプラグイン • ローコード開発ツールでのコード補完プラグイン今後も進化し続けるローカルLLMのコード生成AIを使いこなしてゆきましょうまとめ

• BlocklyとGemini、CodeGemmaは、Google, Inc.の登録商標です。 • Visual Studio CodeとMonaco editor、 Windowsは、 Microsoft Corporationの登録商標です。 • Eclipseは、 Eclipse Foundationの登録商標です。 • GitHub Copilotは、GitHub, Inc.の登録商標です。 • Amazon Q Developerは、 Amazon Technologies, Incの登録商標です。 • Qwenは、 Alibaba Innovation Private Limitedの登録商標です。 • Granite Codeは International Business Machines Corporationの登録商標です。 • vLLMは、 LF AI & Data Foundationの登録商標です。 • Claudeは、 Anthropic, PBC.の登録商標です。 • macOSは、Apple Inc.の登録商標です。 • Node-REDはOpenJS Foundationの登録商標です。 • その他記載の会社名、製品名などは、それぞれの会社の商標もしくは登録商標です。商標について

ローカルLLMを活用したコード生成と、ローコード開発ツールへの応用

ローカルLLMを活用したコード生成と、ローコード開発ツールへの応用

More Decks by Kazuhito Yokoi

Other Decks in Technology

Featured

Transcript