Untuk tinjauan tahunan tahun ini, saya meminta Agen AI untuk melakukan inventarisasi berbasis data yang mendalam tentang diri saya sendiri. Proses ini dibagikan karena memungkinkan Anda menyelesaikan penambangan data tingkat profesional dengan mudah tanpa pengalaman pemrograman apa pun. Ini bahkan lebih sederhana daripada Vibe Coding, yang membutuhkan: data lengkap + Agen Pengkodean. Untuk memvalidasi batas atas proses ini, saya sengaja memilih profil kesehatan data pribadi 10 tahun terbesar dan paling kompleks untuk pengujian stres. 1️⃣ Skala data dan ambang batas pemrosesan Apa yang akhirnya diekspor dari aplikasi Apple Health adalah salinan data mentah terkait kesehatan dari Apple Watch berukuran hingga 3,5 GB. Dokumen ini berisi ratusan ribu catatan detak jantung, serta berbagai indikator fisiologis dengan granularitas yang sangat halus. Sebelum AI turun tangan, saya harus menghabiskan setidaknya beberapa hari untuk meneliti pustaka Python dan mengurai struktur data XML yang kompleks untuk menangani data pada skala ini. Ini seringkali menjadi kendala terbesar bagi banyak orang ketika dihadapkan dengan "mengukur diri mereka sendiri". 2️⃣ Alur kerja yang diaktifkan agen Ketika kami memperkenalkan Agen Pengkodean seperti OpenAI Codex atau Claude Code, seluruh proses benar-benar berubah. Anda tidak perlu lagi fokus pada implementasi kode tertentu, cukup tentukan "tujuan analisis". Agen secara otomatis menjalankan perulangan rekursif: secara mandiri meneliti struktur data → menulis skrip pemrosesan Python → menemukan pengecualian → meneliti dan memperbaiki kode lagi. Ini dapat menyelesaikan seluruh proses mulai dari pembersihan hingga analisis secara mandiri, membantu saya menyelesaikan banyak ide saya sebelumnya yang ditunda karena biaya teknis yang tinggi. Jika Anda tidak tahu bagaimana memulainya, pertama-tama Anda dapat memberi tahu latar belakang tugas dan file yang sesuai, sehingga dapat menjelajahi sendiri, seperti: > Ini adalah ekspor Apple Health mentah lengkap, silakan lihat jenis data kesehatan apa yang disertakan. Berapa rentang waktunya? > membantu saya menemukan 10 wawasan berdasarkan data kesehatan ini. > Berdasarkan kategori data kesehatan yang berbeda, tolong bantu saya mencari tahu apakah ada korelasi antara kategori data yang berbeda. > Apakah Anda mengonfirmasi bahwa penelitian Anda benar, harap verifikasi, dan beri saya lebih banyak data perantara, saya akan mengonfirmasi. Ini semua dapat dengan mudah dicapai, dan Anda bahkan dapat melakukan penelitian yang lebih kompleks dan spesifik. ⚠️ Catatan: Karena data mentah data kesehatan relatif besar, data tersebut tidak dapat langsung dilemparkan ke aplikasi seperti ChatGPT, jadi Anda masih perlu menggunakan Agen Pengkodean versi cli untuk penelitian (IDE seperti Kursor juga dapat berfungsi). Secara khusus, Anda dapat bertanya kepada AI: > Cara menginstal Codex CLI / CLI Kode Claude. 3️⃣ Ikhtisar sampel Analisis ini mencakup periode penuh dari 18 Mei 2015 hingga 25 Desember 2025, dengan total 3875 hari. Selama waktu ini, saya memakai 5 Apple Watch dengan 3503 hari pemakaian aktual, dengan tingkat pemakaian lebih dari 90%. Catatan keausan terus menerus terpanjang adalah 399 hari dan gangguan terpanjang adalah 33 hari. 4️⃣ Wawasan Utama: Studi korelasi tentang detak jantung istirahat Berdasarkan kumpulan data valid yang dibersihkan, agen tersebut menggali beberapa pola menarik yang belum pernah ditemukan sebelumnya. Kesimpulan berikut dihitung oleh Codex (Catatan: Saat ini hanya berkorelasi, bukan kausal): 🔊 Tekanan langsung dari kebisingan sekitar (ukuran sampel: 1802 hari): Kebisingan sekitar yang lebih tinggi → meningkatkan kemungkinan detak jantung istirahat yang tinggi pada hari itu sekitar 5,2 kali lipat. 🪑 Efek lagging dari menetap (ukuran sampel: 2546 hari): Lebih sedikit waktu berdiri → kemungkinan memiliki detak jantung istirahat yang tinggi pada hari berikutnya meningkat sekitar 1,75 kali lipat. 🪜 Manfaat jangka panjang pendakian (ukuran sampel: 1909 hari): Menaiki tangga pada ketinggian yang lebih rendah → kemungkinan memiliki detak jantung istirahat yang tinggi keesokan harinya meningkat sekitar 1,91 kali lipat. Jadi setidaknya bagi saya, lingkungan yang lebih tenang, lebih sering bangun di tempat kerja, dan menaiki tangga lebih banyak semuanya dapat memiliki manfaat kesehatan jangka panjang. 5️⃣ Saran latihan dan tindakan Analisis saat ini hanya berfokus pada dimensi detak jantung istirahat, dan rincian algoritma dan analisis silang dari lebih banyak dimensi akan dikompilasi menjadi artikel panjang yang terperinci jika ada peluang di masa depan. Jika Anda berencana untuk menggunakan AI untuk jenis analisis ini juga, ketahuilah bahwa penting untuk menetapkan mekanisme validasi. Agen mungkin memiliki "halusinasi" ketika berhadapan dengan logika yang kompleks, dan disarankan untuk memintanya untuk menghasilkan statistik menengah atau melakukan pemeriksaan pengambilan sampel manual pada sampel kecil untuk memastikan keakuratan kesimpulan akhir. Atau periksa silang dengan beberapa agen. 6️⃣ Ringkasan Ini hanya pemeriksaan digital dari tubuh saya sendiri, dan kesimpulannya mungkin tidak ketat dan hanya untuk referensi. Berbagi proses ini dimaksudkan untuk menunjukkan bagaimana Coding Agent menjembatani kesenjangan teknologi: penambangan aset data tidak lagi memerlukan penulisan kode, hanya mengajukan pertanyaan. Sekarang setelah ambang teknis hilang, Anda sebaiknya mengeluarkan data berdebu dan melihat detail tak terduga apa yang dapat membantu Anda gali oleh AI.

Baru saja mencapai tonggak sejarah, dan tayangan bulanan bulan ini akhirnya melebihi 10 juta. Apa konsep angka ini? Ini lebih dari dua kali lipat kesan saya dalam 12 bulan terakhir digabungkan. (Tentu saja, ini berarti data saya sangat buruk.) ） Jika ada yang masih meragukan keaslian nomor ini, ubah ke data Bookmark lain. Ini telah ditandai hampir 10.000 kali bulan ini, yang hampir setara dengan gabungan 24 bulan terakhir. Baru-baru ini, beberapa dari kita benar-benar mendapatkan pemahaman baru tentang algoritma rekomendasi X, beberapa di antaranya bersifat metafisik dan beberapa di antaranya juga mengandung faktor acak. Namun pada dasarnya yang bisa dikonfirmasi adalah: > AI + Pengkodean Getaran + Pengalaman Pribadi Otentik + Struktur Artikel Cocok untuk Membaca Media Sosial adalah faktor yang akan diprioritaskan oleh algoritma baru ini. Tentu saja, lalu lintas hanyalah salah satu aspek. Terlebih lagi, topik AI dan Vibe Coding sangat mudah dibentuk, dan hampir semua aspek produk dapat dieksplorasi. Dalam dua bulan terakhir, saya juga telah meluncurkan banyak produk/situs web, dan total DAU telah melebihi 1000, tetapi masih sangat sedikit. Saya belum menemukan model keuntungan, jadi mungkin saya harus mencoba beberapa lagi untuk memiliki kesempatan. Tetapi saya pikir produk sebelumnya telah menghasilkan nilai nyata bagi pengguna, jika tidak, mereka tidak akan membuka halaman web setiap hari. Mungkin itulah keindahan Vibe Coding: Anda tidak lagi menulis kode demi menulis kode, tetapi tentang menangkap ide sekilas itu dan mengubahnya menjadi produk yang dapat dijangkau semua orang. Adapun cara memonetisasi, Anda sebaiknya meninggalkan pertanyaan ini untuk iterasi berikutnya.

Dulu, sering dikatakan bahwa Web3/Crypto adalah kesempatan bagi anak muda untuk belajar dari Intern. AI + Vibe Coding bahkan lebih dari itu. Itu tidak memerlukan latar belakang CS yang kuat, satu-satunya ambang batas adalah self-drive, yaitu kemauan untuk belajar. Pemrogram Lao Deng sering membawa "bagasi pengalaman" yang berat dan terbiasa menulis setiap baris kode dengan tangan, sehingga sulit untuk sepenuhnya memberikan kepercayaan kepada Agen Pengkodean pada saat pertama. Dan inilah tepatnya kesempatan bagi anak muda, karena tidak ada kebiasaan lama, sehingga mereka dapat langsung beradaptasi dengan aturan baru. Dalam paradigma baru ini, selembar kertas kosong dapat berjalan lebih cepat dari sepuluh tahun pengalaman. Vibe Coding adalah peluang nyata bagi kaum muda.