AIエディタ Windsurf の活用

Windsurf はAI 機能を統合したコードエディタです。VS Code をベースにしているため、VS Code と同様の操作性で利用できます。

Word 版: windsurf.docx, PDF 版: windsurf.pdf

なお、Windsurf などのWindows AI開発環境構築については、 別ページで説明しています。

目次

  1. メリットと機能
  2. Cascade 機能
  3. 無料プランの機能（2025年6月現在）
  4. API Key 要件
  5. Cursor と Windsurf の比較
  6. Windsurf の起動と初回設定
  7. Windsurf の推奨モデル（クレジット節約のため）
  8. DeepSeek-V3-0324 モデルの選択手順
  9. Windsurf をエディタとして活用する
  10. Windsurf の AI 機能の活用
  11. Windsurf の重要機能一覧

１．メリットと機能

２．Cascade 機能

Cascade はコード生成や実行を支援する AI 機能です。

３．無料プランの機能（2025年6月現在）

４．API Key 要件

５．Cursor と Windsurf の比較

Claude 3.7 Sonnet の利用回数では、Cursor 無料版は月50回、Windsurf 無料版は月約25回利用可能です。ただし Windsurf では、無料（0クレジット）のモデル（DeepSeek-V3-0324など）が無制限で利用できる点が特徴です。

６．Windsurf の起動と初回設定

  1. Windsurf を起動します（スタートメニューまたは「windsurf」コマンドを使用）。
  2. 「Get Started」をクリックします。
  3. VS Code から設定を引き継ぎたい場合は「Import from VS Code」を選択し、そうでない場合は「Start fresh」を選択します。
  4. 設定を続行します。
  5. 「Log in to Windsurf」の画面で、「Sign up」をクリックしてアカウントを新規作成します。この登録情報は覚えておき、次回からは「Log in」でログインしてください。Google アカウントを使用して Windsurf のアカウント登録も可能です。これでインストールと初期設定は完了です。
  6. 動作確認のため、Ctrl + L（同時押し） で Cascade を開き、「折れ線グラフを描くコードを出して」などと入力します。

７．Windsurf の推奨モデル（クレジット節約のため）

  1. DeepSeek-V3-0324 (0クレジット・恒久的)
  2. SWE-1 (0クレジット・期間限定)
  3. SWE-1-lite (0クレジット・軽量版)

８．DeepSeek-V3-0324 モデルの選択手順

  1. Cascade パネル（Ctrl + L（同時押し））を開きます。
  2. 入力欄上部のモデル選択ドロップダウンをクリックします。
  3. 使用モデル（例：「DeepSeek-V3-0324」）を選択します。

９．Windsurf をエディタとして活用する

ここでは、Windsurfで、ファイル作成、コード編集、実行を行います。

1. Windsurf の起動

Windsurf を起動します（スタートメニューなどを使用）。起動直後にログインを求められた場合はログインします（通常は自動ログインされます）。最初の起動では、サインイン（IDとパスワードの登録）が必要です。サインインの際は、Google アカウントの利用を推奨します。

2. Python と Windsurf のインストールコマンド

まだインストールしていない人向けのガイドです（インストール済みの人は実行不要）。

  1. 管理者権限でコマンドプロンプトを起動します（Windows キー > cmd と入力 > 右クリック > 「管理者として実行」）。
  2. 以下のコマンドをそれぞれ実行します（winget コマンドは1つずつ実行）。

winget install --scope machine --id Python.Python.3.12 --id Python.Launcher -e --silent
winget install --scope machine --id Codeium.Windsurf -e --silent
set "INSTALL_PATH=C:\Program Files\Python312"
echo %PATH% | find /i "%INSTALL_PATH%" >nul
if errorlevel 1 setx PATH "%PATH%;%INSTALL_PATH%" /M >nul
echo %PATH% | find /i "%INSTALL_PATH%\Scripts" >nul
if errorlevel 1 setx PATH "%PATH%;%INSTALL_PATH%\Scripts" /M >nul
set "NEW_PATH=C:\Program Files\Windsurf"
if exist "%NEW_PATH%" echo %PATH% | find /i "%NEW_PATH%" >nul
if exist "%NEW_PATH%" if errorlevel 1 setx PATH "%PATH%;%NEW_PATH%" /M >nul

3. 新規ファイルの作成

  1. 新規ファイルを作成します（メニューで「File」>「New File」）。
  2. ファイル名を設定します（例: a.py）。このとき、拡張子を「.py」に設定します（Python ファイルとして認識させるため）。
  3. ファイル作成を確定します（Enter キー > 「Create File」をクリック）。

4. プログラムの入力と実行

  1. Windsurf の a.py 画面で、以下のプログラムを入力します。
print(100 + 200)
  1. プログラムを実行します（画面上部の三角形の実行ボタンをクリック）。
  2. 実行結果として「300」が表示されることを確認します。ターミナルがない場合には、「View」メニュー > 「Terminal」。

print について: print() は Python の関数であり、括弧内の値や計算結果を画面に表示します。この例では、100 + 200 の計算結果である 300 が出力されます。

１０．Windsurf の AI 機能の活用

ここでは、Windsurf で、本格的なプログラム実行（AIによる画像分類を行うプログラム）AI との対話を行ってみます。

1. AI による画像分類プログラムのための必要なライブラリのインストール

管理者権限でコマンドプロンプトを起動（Windows キー > cmd と入力 > 右クリック > 「管理者として実行」）し、以下のコマンドを実行します。

pip install tensorflow keras matplotlib numpy pillow japanize-matplotlib

pip について: Python のパッケージ管理システムです。インターネット上のライブラリを自動的にダウンロードし、インストールする機能を持っています。

ライブラリ: プログラミングにおいて、再利用可能なプログラムの集合体です。機械学習や画像処理などの複雑な処理を簡単に実装できます。

各ライブラリの役割:

2. 画像分類プログラムの実装

画像分類とは: コンピュータが画像を見て、その画像に写っているものが何かを自動的に判断する技術です。人工知能の代表的な応用分野の一つです。

  1. 元のプログラムを削除します（Windsurf エディタの a.py 画面内）。
  2. a.py 画面に、以下のプログラムをコピーして貼り付けます。
import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
import numpy as np
import matplotlib.pyplot as plt
from PIL import Image
import os
import japanize_matplotlib

# CIFAR-10データセットのダウンロードと読み込み
(x_train, y_train), (x_test, y_test) = \
    keras.datasets.cifar10.load_data()

# データの前処理
x_train = x_train.astype('float32') / 255.0
x_test = x_test.astype('float32') / 255.0
y_train = keras.utils.to_categorical(y_train, 10)
y_test = keras.utils.to_categorical(y_test, 10)

# クラス名の定義
class_names = ['airplane', 'automobile', 'bird', \
               'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck']

# CNNモデルの構築
model = keras.Sequential([
    layers.Conv2D(32, (3, 3), activation='relu', \
                  input_shape=(32, 32, 3)),
    layers.MaxPooling2D((2, 2)),
    layers.Conv2D(64, (3, 3), activation='relu'),
    layers.MaxPooling2D((2, 2)),
    layers.Conv2D(64, (3, 3), activation='relu'),
    layers.Flatten(),
    layers.Dense(64, activation='relu'),
    layers.Dense(10, activation='softmax')
])

# モデルのコンパイル
model.compile(optimizer='adam',
              loss='categorical_crossentropy',
              metrics=['accuracy'])

# モデルの学習
history = model.fit(x_train, y_train,
                    epochs=5,
                    batch_size=32,
                    validation_data=(x_test, y_test))

# 予測と結果表示
predictions = model.predict(x_test[:5])
predicted_classes = np.argmax(predictions, axis=1)
true_classes = np.argmax(y_test[:5], axis=1)

# 結果の可視化
plt.figure(figsize=(15, 3))
for i in range(5):
    plt.subplot(1, 5, i+1)
    plt.imshow(x_test[i])
    plt.title(f'予測: {class_names[predicted_classes[i]]}\n実際: \
{class_names[true_classes[i]]}')
    plt.axis('off')
plt.tight_layout()
plt.show()

# 学習履歴の可視化
plt.figure(figsize=(12, 4))
plt.subplot(1, 2, 1)
plt.plot(history.history['accuracy'], label='訓練精度')
plt.plot(history.history['val_accuracy'], label='検証精度')
plt.title('モデル精度')
plt.xlabel('エポック')
plt.ylabel('精度')
plt.legend()
plt.subplot(1, 2, 2)
plt.plot(history.history['loss'], label='訓練損失')
plt.plot(history.history['val_loss'], label='検証損失')
plt.title('モデル損失')
plt.xlabel('エポック')
plt.ylabel('損失')
plt.legend()
plt.show()

print(f"テスト精度: {model.evaluate(x_test, y_test, verbose=0)[1]:.4f}")

プログラムの主要概念説明:

3. プログラムの実行と結果確認

  1. プログラムを実行します（実行ボタンを押してプログラムを開始）。
  2. 実行完了まで数分待機します（機械学習の処理時間が必要です）。

実行時間について: 深層学習モデルの訓練は計算量が多いため、通常のプログラムより長い時間を要します。コンピュータの性能により数分程度かかる場合があります。

実行結果の確認手順:

  1. 最初に AI による画像分類結果が表示されます（5枚のテスト画像に対する予測結果と正解の比較）。
  2. 画面を切り替えます（確認後、右上の「x」ボタンをクリックして次へ進みます）。
  3. 学習曲線（精度と損失の変化）が表示されます（モデルの学習過程を可視化したグラフ）。
  4. プログラム実行を終了します（確認後、右上の「x」ボタンをクリック）。

学習曲線の見方: 左のグラフは精度（正解率）の変化を、右のグラフは損失（誤差）の変化を示します。理想的には精度が上昇し、損失が減少する傾向を示します。

4. AI 対話機能の活用

AI 対話機能とは、Windsurf に搭載された人工知能アシスタント機能です。プログラムに関する質問や、コードの説明、改善提案などを自然言語で対話できます。

  1. AI 対話パネルの起動 (Ctrl + L（同時押し） キーを同時押し)。
  2. 右側に AI 対話用パネルが開きます。

ショートカットキーについて: Ctrl + L（同時押し） は「Chat パネルを開く」という Windsurf の標準ショートカットキーです。

注意: AI 対話パネルが「Loading...」と表示されて使用できない場合は、Windsurf の再起動（一度 Windsurf を終了し、再起動）で解決する場合があります。これは AI サービスへの接続に時間がかかる場合に発生する現象です。

3. AI との対話例

AI への質問（右側の対話画面で以下の質問を試してください）：

AI との効果的な対話:

１１．Windsurf の重要機能一覧

インテリセンス（自動補完）機能

統合ターミナル機能

AI コード生成機能

AI コード解説機能

AI バグ修正支援機能

ファイルエクスプローラー機能

デバッガー機能

問題検出機能