Snapdragon X EliteでローカルLLM開発環境を構築！Ollama + Continue.dev完全セットアップガイド

YaroTech｜生成AIの傾奇者

2025年12月12日 22:59

こんにちは！YaroTechです。

昨日のDay154では、5つのAIを使ってローカルLLMでバイブコーディングが実現可能かを徹底調査しました。結論は「十分実用可能」でしたが、調査だけで終わっては意味がありません。

そこで今日は、実際にSnapdragon X Elite環境でOllama + Continue.devをセットアップしてみました！

ARM64 Windowsという少しマイナーな環境で、本当にローカルLLMが動くのか？実践検証の結果をお届けします。

※見出し画像のプロンプトは一番下におまけで公開中！

🖥️ 実行環境

PC: Surface Laptop 7th Edition
CPU: Snapdragon X Elite（ARM64）
OS: Windows 11 Pro 25H2
メモリ: 16GB
Ollama: v0.13.2
VSCode: ARM64版
Continue拡張: v1.2.11
モデル: qwen2.5-coder:7b

🎯 この記事で得られること

ARM64 Windows環境でOllama + Continue.devが動作することの実証
Ollamaのインストールからモデル取得までの手順
Continue拡張のセットアップとconfig.yaml設定方法
実際のコード生成にかかる時間（実測データ）
セットアップ時にハマりやすいポイントと解決策

🔍 なぜローカルLLM環境を構築するのか？

GitHub CopilotやCursor、Claude Codeなどのクラウドサービスは非常に便利ですが、以下のような課題があります。

クラウドサービスの課題

月額課金が必要（$10〜$20/月）
機密コードを外部に送信することへの抵抗
オフライン環境では使えない
API制限で作業が止まることがある

ローカルLLMのメリット

一度構築すれば追加費用なし
コードが外部に送信されない
インターネット不要で動作
自分のペースで無制限に使える

🚀 Step 1: Ollamaのインストール

Ollamaは、ローカルLLMを簡単に実行できるツールです。GitHubスター157,000超のデファクトスタンダードです。

インストール手順

https://ollama.ai/download にアクセス
Windows版をダウンロード（ARM64に自動対応）
インストーラーを実行

動作確認

PowerShellを開いて以下を実行：

ollama --version

`ollama version is 0.13.2` のようにバージョンが表示されればOKです。

ポイント: Ollama v1.7.2以降でWindows ARM64にネイティブ対応しています。現在の最新版（v0.13.2）なら問題なく動作します。

🤖 Step 2: コーディング特化モデルのダウンロード

Ollamaには様々なモデルがありますが、コーディング用途にはQwen2.5-Coderがおすすめです。

Qwen2.5-Coderを選ぶ理由

日本語対応が優秀（コメント・説明が日本語で出力される）
HumanEvalベンチマーク: 7Bモデルで88.4%の高スコア
Apache 2.0ライセンス（商用利用可）
7Bモデルなら32GBメモリで快適に動作

ダウンロードコマンド

ollama pull qwen2.5-coder:7b

約4.7GBのダウンロードが始まります。完了まで数分待ちましょう。

インストール確認

ollama list

以下のように表示されればOKです：

NAME                ID              SIZE      MODIFIED
qwen2.5-coder:7b    xxxxxxxxxxxx    4.7 GB    Just now

💻 Step 3: Continue拡張のインストール

Continueは、VSCodeでローカルLLMを使うためのオープンソース拡張機能です。

インストール手順

VSCodeを開く
拡張機能マーケットプレース（`Ctrl + Shift + X`）で「Continue」を検索
発行元が「Continue」（認証マーク付き）の拡張をインストール

重要: 「Codely」など似た名前の拡張機能がありますが、本家の「Continue」を選んでください。ARM64版VSCodeでも問題なく動作します。

⚙️ Step 4: OllamaとContinueの連携設定

Continue拡張をインストールすると、初回起動時にセットアップ画面が表示されます。

設定手順

「Or, configure your own models」を選択（ログイン不要）
「Local」タブを選択
「Ollama is running at http://localhost:11434 ✓」と表示されていることを確認
Providerで「Ollama」を選択
Modelで「Qwen 2.5 Coder 7b」を選択
「Connect」をクリック

⚠️ ハマりポイント: config.yamlのモデル名

自動生成されるconfig.yamlのモデル名が間違っていることがあります。

# ❌ 間違い（自動生成される場合がある）
model: qwen-coder2.5-7b

# ✅ 正しい
model: qwen2.5-coder:7b

config.yamlは以下の場所にあります：
`C:\Users\YourName.continue\config.yaml`

正しいconfig.yaml

name: Local Config
version: 1.0.0
schema: v1
models:
  - name: Qwen 2.5 Coder 7b
    provider: ollama
    model: qwen2.5-coder:7b

修正後は必ず**ファイルを保存（Ctrl + S）**してください。保存忘れでエラーになることがあります。

🧪 Step 5: 動作確認

設定が完了したら、実際にコード生成を試してみましょう。

テスト1: フィボナッチ関数

Continueパネルで以下を入力：

Pythonでフィボナッチ数列を計算する関数を書いて

生成結果

def fibonacci(n):
    """フィボナッチ数列のn番目の値を計算する。
    Args:
        n (int): 0以上の整数
    Returns:
        int: フィボナッチ数列のn番目の値
    """
    if n <= 1:
        return n
    else:
        return fibonacci(n-1) + fibonacci(n-2)

日本語のdocstringが自動生成されました！さらに「再帰的な実装はパフォーマンス面で最適ではありません」という注意点まで教えてくれます。

テスト2: TypeScriptクラス

TypeScriptでTODOリストのクラスを作って

生成結果

class TodoList {
    private items: string[];
    constructor() {
        this.items = [];
    }
    // タスクを追加する
    addItem(item: string): void {
        this.items.push(item);
    }
    // 全タスクを取得する
    getItems(): string[] {
        return [...this.items];
    }
    // タスクを完了にする（削除する）
    completeItem(index: number): void {
        if (index >= 0 && index < this.items.length) {
            this.items.splice(index, 1);
        }
    }
}

使用例まで付けてくれる親切さ！

⏱️ パフォーマンス実測データ

Snapdragon X Elite（ARM64）環境での実測結果です。

| テスト内容 | 応答開始 | 完了時間 | コード品質 |
|-----------|---------|---------|-----------|
| フィボナッチ関数（Python） | 約60秒 | 約30秒 | ◎ 完璧 |
| TODOクラス（TypeScript） | 約10秒 | 約30秒 | ◎ 使用例付き |

率直な感想

クラウドサービス（Claude/ChatGPT）と比べると確実に遅い
ただしオフラインで動く・無料・プライバシー確保というメリットは大きい
待ち時間は「コーヒーを一口飲む」程度と考えれば許容範囲

⚠️ つまずきポイントと解決策

問題1: 「Failed to install」エラー

Failed to install 'qwen-coder2.5-7b': 'qwen-coder2.5-7b' not found in the Ollama registry!

原因: config.yamlのモデル名が間違っている

解決策: `model: qwen2.5-coder:7b` に修正

問題2: 設定を変更しても反映されない

原因: config.yamlを保存していない

解決策: `Ctrl + S`で確実に保存

問題3: Ollamaが接続できない

原因: Ollamaが起動していない

解決策: タスクバーのOllamaアイコンを確認、または `ollama serve` を実行

🔗 関連記事

今回の内容に関連する過去記事もぜひご覧ください：

ローカルLLMでバイブコーディングは実現可能？5つのAIでDeepResearch調査した結果

Claude Code on DesktopをARM64 Windowsで試したら動かなかった話【リアル検証記録】

WSL2でAntigravityは動くのか？ARM64環境で3つのエミュレータを試した40分間の記録

📝 まとめ

ARM64 Windows（Snapdragon X Elite）でOllama + Continue.devは動作しました！

セットアップの流れ

Ollamaインストール（公式サイトから）
モデルダウンロード（`ollama pull qwen2.5-coder:7b`）
Continue拡張インストール（VSCode）
config.yaml設定（モデル名に注意）

実用性評価

速度: クラウドより遅い（30秒程度）
品質: 十分実用的（日本語対応◎）
コスト: 無料
プライバシー: 完全ローカル

おすすめの使い分け

ローカルLLM: 軽いタスク、オフライン時、機密コード
クラウド: 複雑なタスク、スピード重視

Day154の調査で「十分実用可能」と結論づけましたが、実際に動かしてみてその通りだと実感しました。ARM64環境でも問題なく動作するのは嬉しい発見です！

🚀 次回予告

明日は、Continue.devのTab補完機能を設定して、より実践的なコーディング体験を試してみる予定です。軽量モデル（1.5B）を追加して、リアルタイム補完がどこまで使えるか検証します！

🎨 おまけ：見出し画像作成プロンプト

今日の見出し画像のベースはジミー（Gemini）に下記プロンプトで作成してもらいました！：

詳細なアニメの美意識の画像を作成してください。表情豊かな瞳、なめらかな網掛けセルの色使い、はっきりした線画を使用します。アニメのシーンに典型的な身ぶりと雰囲気で、心情と登場人物の存在を強調してください。

下記条件のnote見出し画像をサイズは横長で作成してください。サイズは必ず横長で作成してください。
## 🎨 見出し画像案

### デザインコンセプト
- **背景**: 深い青から緑へのグラデーション（ローカル・プライバシーをイメージ）
- **メインビジュアル**: 
  - 中央にノートPCのイラスト
  - PC内にラマ（Ollamaマスコット）のアイコン
  - 左側にVSCodeロゴ風アイコン
  - 右側に「LOCAL」「PRIVATE」バッジ
- **テキスト要素**:
  - 上部: 「Ollama + Continue.dev」（大きく・太字）
  - 中央: 「完全セットアップガイド」（中サイズ）
  - 下部: 「ARM64で動いた！」（小さく・アクセント色）
- **装飾**: コードの断片、チェックマーク、矢印で連携を表現

### 作成手順
1. スライドサイズ（1536×1024px）
2. 背景に青→緑のグラデーションを設定
3. 中央にノートPC + ラマアイコンを配置
4. 左右にVSCode、バッジを配置
5. テキストを3段構成で追加
6. コード断片とチェックマークで装飾
7. 右下に「YaroTech」ロゴを12ptで控えめに配置

#YaroTech #ClaudeDesktop #Ollama #Continue #ローカルLLM #VSCode #生成AI #AI開発 #プログラミング #Snapdragon #ARM64 #バイブコーディング