無料のGLM5にClaude/Codexのスキル構築ガイドを組み合わせる

GLM-5は智譜の最新のMoEモデルで、総パラメータは744B（アクティブ40B）です。GLM-4.5の355Bから大幅にアップグレードされ、事前学習データは28.5Tトークンに増加しました。複雑なシステムエンジニアリング、長期的なエージェントタスク向けに設計されており、コーディング、Agenticワークフローで優れたパフォーマンスを発揮します。

Ollamaクラウドはすでにglm-5:cloudをサポートしており、コンテキストウィンドウは198Kに達し、高速で、無料から始められます（容量は最適化済みで、初期には一時的な制限がありましたが、現在は改善されています）。

今から、無料でGLM-5 + スキル構築を利用する方法を教えます。

ステップ1：Ollamaをインストールし、GLM-5をプルする

最新のOllama（https://ollama.com/download）をダウンロードし、バージョンがクラウドモデルをサポートしていることを確認してください。

Ollamaアカウントにログインします（必須、クラウドモデルを使用するため）。

モデルをプルします。

ollama pull glm-5:cloudまたは直接

ollama run glm-5:cloud初回実行時にクラウドの使用を許可するかどうか尋ねられるので、同意してください。成功すると、ターミナルで直接GLM-5と対話できるようになります。

無料版にはレート制限があり、テスト/日常使用に適しています。高頻度で使用する場合は、有料プランにアップグレードできます。

ステップ2：ワンクリックでClaude/Codexのスキル環境をブリッジする

Ollama launchを使用すると、GLM-5はこれらのツールのバックエンドの頭脳としてシームレスに機能します。

Claude Code

ollama launch claude --model glm-5:cloudまたは手動で設定

export ANTHROPIC_AUTH_TOKEN="ollama"export ANTHROPIC_BASE_URL="http://localhost:11434"export ANTHROPIC_API_KEY="" # Must be Emptyそして起動

claude --model glm-5:cloud成功すると、次のようなウェルカム画面が表示されます。

✦ Claude Code v2.1.xModel: glm-5:cloudContext: 198KWelcome back!Codex

ollama launch codex --model glm-5:cloudOpenClaw

ollama launch openclaw --model glm-5:cloud

ステップ3：5ステップで効率的にスキルを構築する

スキルはフォルダであり、コアファイルはSKILL.mdで、Markdown形式 + YAMLフロントマターを使用します。その他のオプションのディレクトリ：

• scripts/：実行可能スクリプト（Python、Bashなど）を格納します。

• references/：参考ドキュメント、テンプレートファイル。Claudeは必要に応じてロードできます。

• assets/：アイコン、フォントなどのリソース。

設計原則（効率の鍵）：

• 段階的開示（Progressive Disclosure）：YAMLにはコアな説明のみを記述し（Claudeが適用可能かどうかを迅速に判断できるようにするため）、本文はMDに記述し、必要に応じて追加ファイルをロードします。コンテキストの爆発を避けます。

• 組み合わせ可能性：スキルは他のスキルと互換性がある必要があり、独占を想定しないでください。

• 移植性：1つのスキルは、Claude Web、Claude Code、およびAPIで共通に使用できます。

• MCP統合（オプション）：MCP（Managed Claude Platform）サーバーがある場合は、スキルのツール呼び出し（APIアクセスなど）を強化できます。

効率的なヒント：簡単なユースケースから始めます。毎日繰り返す2〜3個のプログラミングタスク（「REST APIテンプレートを生成する」や「Pythonエラーをデバッグする」など）を選択し、最初から複雑なスキルを構築することは避けてください。

Claude Code自体を使用して構築を支援します（メタスキルテクニック：Claudeにスキルフレームワークを生成させます）。ターミナルでclaude --model claude-4-opus（またはGLM5）を実行し、対話的に構築します。

1. ユースケースと構造を計画する

• 目標を明確にする：たとえば、「ルーティング、エラー処理、およびテストテンプレートを含む、効率的なPython Flask APIアーキテクチャを生成するスキルを作成する。」

• Claude Codeでブレインストーミングする：/planを入力するか、直接「YAMLとMD構造を含むFlask API生成スキルを計画するのを手伝ってください」と言います。Claudeはドラフトを出力します。

• 効率的なヒント：「簡潔さを保ち、YAML < 200語、MD < 1000語」を指定します。入力パラメータ（APIエンドポイントリストなど）や出力形式（JSONまたはコードファイル）などの重要な決定を記録します。

2. スキルフォルダを作成する

• ~/.claude/skills/（デフォルトパス）の下に、flask-api-generatorなどの新しいフォルダを作成します。

• SKILL.mdを作成し、YAMLフロントマターを追加します。

---name: Flask API Generatordescription: Generates complete Flask API structures with routes, error handling, and tests.version: 1.0author: Your Nametriggers: ["flask api", "generate rest api", "python web app"]dependencies: ["flask", "pytest"] # オプション、Claudeは環境をチェックします---- 効率的なヒント：トリガー（triggers）を使用して、Claudeがスキルを自動的に検出できるようにします。一般的な説明は避け、具体的なシナリオに焦点を当てます。

3. コア命令（MD本文）を記述する

• YAMLの後に詳細な手順を記述します。

`## ステップ1. ユーザーにAPI仕様を尋ねる：エンドポイント、メソッド、パラメータ。2. app.pyを生成する：Flask app、ルーティング、および基本的なエラー処理を含む。3. tests.pyを生成する：pytestの単体テストを使用する。4. ファイルを出力する：/write_fileコマンドを使用して現在のディレクトリに保存する。

サンプル入力- ユーザー：GET /usersとPOST /usersを含む、ユーザー管理APIを生成する。

ベストプラクティス- 常に型ヒントとドキュメンテーション文字列を使用する。- セキュリティを優先する：入力検証を追加する。`- スクリプトの例を追加する：scripts/の下にgenerate_routes.pyを配置すると、Claudeが呼び出すことができます。

• 効率的なヒント：番号付きのステップ+サンプルを使用します。テスト時に、Claudeに「シミュレーション実行」させます。「このスキルを使用してサンプルタスクを処理する」と言い、反復的に最適化します。

4. オプションのコンポーネントを追加する

• **スクリプト：Pythonスクリプトなどを使用して、一部のロジックを自動化します（Jinja2を使用してテンプレートを生成するなど）。Claudeは/run_scriptで実行できます。 **

• 参照ファイル：references/best_practices.mdを配置し、Flaskのセキュリティ仕様を記述します。

• アセット：テンプレートファイルassets/base_app.py.jinjaなど。

• 効率的なヒント：必要な項目のみを追加します。80％のスキルはSKILL.mdだけで十分です。MCPユーザーは外部ツール（データベース接続など）を統合できます。

5. テストと反復

• スキルをロードする：Claude Codeで/load_skill flask-api-generatorを入力するか、自動的に検出させます。

• テスト：トリガータスクを入力し、出力を観察します。コンテキストの使用状況を確認します（/contextを使用して過剰なロードがないか確認します）。

• 反復：失敗した場合は、「Heal Skill」の考え方（コミュニティのテクニック）を使用します。エラーを分析し、MDを更新します（「依存関係の欠落を処理する」ステップを追加するなど）。

• 効率的なヒント：複数回の対話でテストします。ログを記録します：/log onでインタラクションをキャプチャし、デバッグを容易にします。