في المراجعة السنوية لهذا العام، طلبت من وكيل الذكاء الاصطناعي أن يقوم بجرد معمق قائم على البيانات لنفسي. هذه العملية مشتركة لأنها تتيح لك إكمال التنقيب عن بيانات احترافية بسهولة دون أي خبرة برمجية. إنه أبسط حتى من Vibe Codeding، حيث يتطلب: بيانات كاملة + وكيل ترميز. للتحقق من الحد الأعلى لهذه العملية، اخترت عمدا أكبر وأكثر ملف صحي شخصي لعشر سنوات من البيانات الشخصية لاختبار الإجهاد. 1️⃣ مقياس البيانات وعتبة المعالجة ما تم تصديره في النهاية من تطبيق آبل هيلث كان نسخة من بيانات صحية خام من ساعة آبل بحجم يصل إلى 3.5 جيجابايت. تحتوي هذه الوثيقة على مئات الآلاف من سجلات معدل ضربات القلب، بالإضافة إلى مؤشرات فسيولوجية مختلفة ذات دقة دقيقة جدا. قبل الذكاء الاصطناعي للتدخل في اللعبة، كان علي قضاء بضعة أيام على الأقل في البحث عن مكتبات بايثون وتحليل هياكل بيانات XML المعقدة للتعامل مع البيانات بهذا الحجم. غالبا ما يكون هذا هو أكبر عقبة أمام الكثير من الناس عند مواجهة "قياس أنفسهم". 2️⃣ سير العمل المعتمد على الوكيل عندما قدمنا وكلاء البرمجة مثل OpenAI Codex أو Claude Code، تحولت العملية بأكملها بالكامل. لم تعد بحاجة للتركيز على تطبيقات الكود المحددة، فقط حدد "هدف التحليل". يقوم الوكيل تلقائيا بتنفيذ حلقة تكرارية: يبحث بشكل مستقل في هياكل البيانات → كتابة سكريبتات معالجة بايثون → مواجهة استثناءات → البحث وإصلاح الكود مرة أخرى. يمكنه إكمال العملية كاملة من التنظيف إلى التحليل بشكل مستقل، مما يساعدني على إكمال العديد من أفكاري السابقة التي تم تأجيلها بسبب التكاليف التقنية العالية. إذا لم تكن تعرف كيف تبدأ، يمكنك أولا إخبارها بخلفية المهمة والملفات المقابلة، حتى تتمكن من الاستكشاف بنفسها، مثل: ...