Qwen3.6 35BがスキルベースプロンプティングでワークフローCreate
Original: Qwen3.6 35Ba3 has changed my workflows and even how I use my computer View original →
ワークフローの変革
LocalLLaMAのユーザーが、Qwen3.6 35B A3Bを導入してからコーディングだけでなくコンピュータ全体の使い方が変わったという詳細な体験を投稿し、340以上のアップボートを獲得した。このアプローチはモデルの性能だけでなく、その上に構築された構造化システムに重点を置いている。
3層ワークフロー
Codexに特定のタスクを実行させながら発生したエラーを含むプロセスを再利用可能な「スキル」として文書化する。そのスキルをpiエージェントに供給する。これらのスキルを装備したQwen3.6が、以前は多くの試行錯誤が必要だったタスクを安定して処理する。
自動化した実際のタスク
- VPSのDevOps管理
- Doclingを使った古いPDFのEPUB変換
スキル文書はモデルに「このタスクで何がエラーになりどう解決するか」を事前に提供するコンテキストとして機能する。
示唆するもの
ローカルLLMの実用性がモデル性能と同様に、ユーザーがいかに構造化された知識システムを構築するかに依存することを示している。Qwen3.6の推論能力と適切に維持されたスキルライブラリ・エージェントフレームワークの組み合わせにより、個人レベルでも大きな自動化が可能になった。
Related Articles
LocalLLaMAコミュニティユーザーがRTX 4070 Super 12GBでQwen3.6 35B A3BモデルをIk_llama.cppフォークを使用して110トークン/秒で実行することに成功しました。CPU オフロード最適化に優れたこのフォークは標準llama.cppより大幅に高いパフォーマンスを示しました。
LocalLLaMAはQwen3.6-27Bを単なるmodel cardではなく、すぐquantizeして手元で試せるownershipの話として受け止めた。
LocalLLaMAでは速度比較というより、長くて厳しい生成タスクを最後まで壊さず仕上げられるかが論点になった。同じMacBook Pro M5 Max上で、Qwen 3.6 27Bは速く長く書き、Gemma 4 31Bは少ないトークンでゲームロジックをまとめきった。
Comments (0)
No comments yet. Be the first to comment!