Tämän vuoden vuosikatsauksessa pyysin tekoälyagenttia tekemään perusteellisen dataan perustuvan inventaarion itsestäni. Tämä prosessi on jaettu, koska sen avulla voit helposti suorittaa ammattitason datan louhinnan ilman ohjelmointikokemusta. Se on jopa yksinkertaisempi kuin Vibe-koodaus, vaatien: täysi data + koodausagentti. Validoidakseni tämän prosessin ylärajan valitsin tarkoituksella suurimman ja monimutkaisimman 10 vuoden terveysprofiilin henkilökohtaisista tiedoista stressitestaukseen. 1️⃣ Datan skaalaus ja käsittelykynnys Apple Health -sovelluksesta vietiin lopulta kopio raakaa terveyttä koskevista tiedoista, jotka saattoivat Apple Watchin, jonka koko oli jopa 3,5 GB. Tämä asiakirja sisältää satojatuhansia syketietoja sekä erilaisia fysiologisia indikaattoreita hyvin tarkkoja yksityiskohtia. Ennen kuin tekoäly astui mukaan, minun pitäisi käyttää ainakin muutama päivä Python-kirjastojen tutkimiseen ja monimutkaisten XML-tietorakenteiden analysointiin, jotta voisin käsitellä dataa tässä mittakaavassa. Tämä on usein suurin este monille ihmisille, kun he joutuvat "määrittelemään itseään". 2️⃣ Agenttia tukevat työnkulut Kun esittelimme koodausagentteja kuten OpenAI Codex tai Claude Code, koko prosessi muuttui täysin. Sinun ei enää tarvitse keskittyä tiettyihin koodin toteutuksiin, määrittele vain "analyysin tavoite". Agentti suorittaa automaattisesti rekursiivisen silmukan: tutkii itsenäisesti tietorakenteita → kirjoittaa Python-prosessointiskriptejä → kohtaa poikkeuksia → tutkia ja korjata koodia uudelleen. Se voi suorittaa koko prosessin siivouksesta analyysiin itsenäisesti, auttaen minua toteuttamaan monia aiempia ideoitani, jotka jäivät korkeiden teknisten kustannusten vuoksi. Jos et tiedä, miten aloittaa, voit ensin kertoa sille tehtävän taustan ja siihen liittyvät tiedostot, jotta se voi tutkia itsenäisesti, kuten: ...