diff --git a/docs-tech/dgx-spark-claude-code-local/index.md b/docs-tech/dgx-spark-claude-code-local/index.md
index 66adcc1..187110c 100644
--- a/docs-tech/dgx-spark-claude-code-local/index.md
+++ b/docs-tech/dgx-spark-claude-code-local/index.md
@@ -71,7 +71,7 @@ NVIDIAの「デスクトップAIワークステーション」です。
 
 ## 構成図
 
-\`\`\`
+```text
 ┌─────────────────────────────────────────────────────┐
 │ あなたのPC / DGX Spark                              │
 │                                                     │
@@ -97,7 +97,7 @@ NVIDIAの「デスクトップAIワークステーション」です。
 │  │ └──────────────┘ │                              │
 │  └──────────────────┘                              │
 └─────────────────────────────────────────────────────┘
-\`\`\`
+```
 
 ### なぜプロキシが必要？
 
@@ -123,9 +123,9 @@ FP8量子化版を使うことで、メモリ使用量は約45GB。DGX Sparkの1
 
 ## ワンライナーで全自動セットアップ
 
-\`\`\`bash
+```bash
 curl -sL https://docs.techswan.online/scripts/dgx-spark-claude-code.sh | bash
-\`\`\`
+```
 
 これだけ！約10分待つと環境が整います。
 
@@ -137,49 +137,51 @@ curl -sL https://docs.techswan.online/scripts/dgx-spark-claude-code.sh | bash
 
 ### Step 1: vLLMでモデルを起動
 
-\`\`\`bash title="vLLM起動コマンド"
-docker run -d --name qwen3-coder-next-fp8 \\
-  --gpus all \\
-  -p 8000:8000 \\
-  -v ~/.cache/huggingface:/root/.cache/huggingface \\
-  --ipc=host \\
-  nvcr.io/nvidia/vllm:25.11-py3 \\
-  vllm serve Qwen/Qwen3-Coder-Next-FP8 \\
-  --served-model-name qwen3-coder-next \\
-  --max-model-len 200000 \\
-  --max-num-seqs 8 \\
-  --gpu-memory-utilization 0.85 \\
-  --enable-auto-tool-choice \\
-  --tool-call-parser qwen3_xml \\
+```bash title="vLLM起動コマンド"
+docker run -d --name qwen3-coder-next-fp8 \
+  --gpus all \
+  -p 8000:8000 \
+  -v ~/.cache/huggingface:/root/.cache/huggingface \
+  --ipc=host \
+  nvcr.io/nvidia/vllm:25.11-py3 \
+  vllm serve Qwen/Qwen3-Coder-Next-FP8 \
+  --served-model-name qwen3-coder-next \
+  --max-model-len 200000 \
+  --max-num-seqs 8 \
+  --gpu-memory-utilization 0.85 \
+  --enable-auto-tool-choice \
+  --tool-call-parser qwen3_xml \
   --trust-remote-code
-\`\`\`
+```
 
 #### 重要なポイント
 
 | オプション | 値 | 説明 |
 |-----------|-----|------|
-| \`--max-model-len\` | 200000 | 200Kトークンまで対応 |
-| \`--max-num-seqs\` | 8 | 同時リクエスト数（メモリ節約） |
-| \`--tool-call-parser\` | **qwen3_xml** | ⚠️ これ超重要！ |
+| `--max-model-len` | 200000 | 200Kトークンまで対応 |
+| `--max-num-seqs` | 8 | 同時リクエスト数（メモリ節約） |
+| `--tool-call-parser` | **qwen3_xml** | ⚠️ これ超重要！ |
 
 :::danger tool-call-parserに注意
-\`--tool-call-parser\` を間違えると、Claude Codeのファイル操作やコマンド実行が動きません。**必ず \`qwen3_xml\`** を指定してください。
+`--tool-call-parser` を間違えると、Claude Codeのファイル操作やコマンド実行が動きません。**必ず `qwen3_xml`** を指定してください。
 :::
 
 初回起動は約10分かかります（45GBのモデルをダウンロード＆ロード）。
 
 ### Step 2: claude-code-proxyを起動
 
-\`\`\`bash
+```bash
 # クローン
 git clone https://github.com/fuergaosi233/claude-code-proxy.git
 cd claude-code-proxy
 
 # 依存関係インストール
 pip install -r requirements.txt --user
+```
 
-# 設定ファイル作成
-cat > .env << 'EOF'
+`.env` ファイルを作成：
+
+```ini title=".env"
 OPENAI_BASE_URL=http://localhost:8000/v1
 OPENAI_API_KEY=dummy
 BIG_MODEL=qwen3-coder-next
@@ -187,31 +189,33 @@ MIDDLE_MODEL=qwen3-coder-next
 SMALL_MODEL=qwen3-coder-next
 REQUEST_TIMEOUT=300
 MAX_TOKENS_LIMIT=8192
-EOF
+```
 
-# 起動
+プロキシを起動：
+
+```bash
 python start_proxy.py
-\`\`\`
+```
 
 ### Step 3: Claude Codeを起動
 
-\`\`\`bash
-ANTHROPIC_BASE_URL=http://localhost:8082 \\
-ANTHROPIC_API_KEY=dummy \\
+```bash
+ANTHROPIC_BASE_URL=http://localhost:8082 \
+ANTHROPIC_API_KEY=dummy \
 claude
-\`\`\`
+```
 
 :::warning ANTHROPIC_AUTH_TOKEN
-\`ANTHROPIC_AUTH_TOKEN\` は設定しないでください。両方設定するとエラーになります。
+`ANTHROPIC_AUTH_TOKEN` は設定しないでください。両方設定するとエラーになります。
 :::
 
 ### 便利なエイリアス設定
 
-\`\`\`bash title="~/.bashrc に追加"
+```bash title="~/.bashrc に追加"
 alias claude-local='ANTHROPIC_BASE_URL=http://localhost:8082 ANTHROPIC_API_KEY=dummy claude'
-\`\`\`
+```
 
-これで \`claude-local\` と打つだけでOK！
+これで `claude-local` と打つだけでOK！
 
 ## パフォーマンス
 
@@ -230,25 +234,25 @@ Anthropic APIに比べると生成速度は遅めですが、ローカルで完
 
 最初、ファイル操作しようとすると固まりました。
 
-**原因**: \`--tool-call-parser hermes\` を使っていた
+**原因**: `--tool-call-parser hermes` を使っていた
 
-**解決**: \`--tool-call-parser qwen3_xml\` に変更
+**解決**: `--tool-call-parser qwen3_xml` に変更
 
 Qwen3系モデルは独自のTool Callingフォーマットを使うので、専用のパーサーが必要です。
 
 ### 2. Auth conflictエラー
 
-\`\`\`
+```text
 Auth conflict: Both a token (ANTHROPIC_AUTH_TOKEN) and an API key (ANTHROPIC_API_KEY) are set.
-\`\`\`
+```
 
-**解決**: \`ANTHROPIC_AUTH_TOKEN\` を設定しない（または \`unset ANTHROPIC_AUTH_TOKEN\`）
+**解決**: `ANTHROPIC_AUTH_TOKEN` を設定しない（または `unset ANTHROPIC_AUTH_TOKEN`）
 
 ### 3. max_tokensエラー
 
 入力が長すぎると、出力用のトークン枠がなくなってエラーに。
 
-**解決**: vLLMの \`--max-model-len\` を増やす（今回は200Kに設定）
+**解決**: vLLMの `--max-model-len` を増やす（今回は200Kに設定）
 
 ## まとめ
 
@@ -258,8 +262,8 @@ DGX SparkでClaude Codeをローカル化できました！
 
 1. **vLLM + Qwen3-Coder-Next-FP8** でモデルを動かす
 2. **claude-code-proxy** でAPI形式を変換
-3. \`--tool-call-parser qwen3_xml\` を忘れずに！
-4. \`ANTHROPIC_AUTH_TOKEN\` は設定しない
+3. `--tool-call-parser qwen3_xml` を忘れずに！
+4. `ANTHROPIC_AUTH_TOKEN` は設定しない
 
 セットアップは複雑ですが、一度動けば**速くて安定**。完全ローカルでClaude Codeが動く喜び、ぜひ体験してみてください。