Roczne podsumowanie tego roku, poprosiłem AI Agenta o pomoc w przeprowadzeniu głębokiej analizy danych na własny temat. Dzielę się tym procesem, ponieważ nie wymaga on żadnego doświadczenia w programowaniu, a pozwala na łatwe przeprowadzenie profesjonalnej analizy danych. Jest to nawet prostsze niż Vibe Coding, wystarczy: pełne dane + Coding Agent. Aby zweryfikować górny limit tego procesu, specjalnie wybrałem największy i najbardziej złożony zbiór danych osobowych - 10-letnią historię zdrowia do testów obciążeniowych. 1️⃣ Skala danych i próg przetwarzania Ostatecznie z aplikacji Apple Health wyeksportowałem plik o wielkości 3,5 GB z danymi zdrowotnymi z Apple Watch. Plik ten zawiera setki tysięcy zapisów tętna oraz bardzo szczegółowe różne wskaźniki fizjologiczne. Przed interwencją AI, aby przetworzyć dane tej skali, musiałem poświęcić co najmniej kilka dni na badanie bibliotek Pythona i włożyć dużo wysiłku w analizę złożonej struktury danych XML. To często stanowi największą przeszkodę dla wielu osób, które stają przed wyzwaniem „kwantyfikacji siebie”. 2️⃣ Przepływ pracy zasilany przez Agenta Gdy wprowadzamy Coding Agenta (takiego jak OpenAI Codex lub Claude Code), cały proces ulega całkowitej zmianie. Nie musisz już martwić się o konkretne implementacje kodu, wystarczy, że określisz „cel analizy”. Agent automatycznie wykonuje rekurencyjną pętlę: samodzielne badanie struktury danych → pisanie skryptu przetwarzającego w Pythonie → napotkanie nietypowej struktury → ponowne badanie i poprawa kodu. Może samodzielnie przeprowadzić cały proces od czyszczenia do analizy, pomagając mi zrealizować wiele pomysłów, które wcześniej zostały odłożone z powodu zbyt wysokich kosztów technicznych. Jeśli nie wiesz, jak zacząć, możesz najpierw powiedzieć mu o tle zadania i odpowiednich plikach, aby samodzielnie przeprowadził pewne badania, na przykład: > To jest pełny zestaw danych wyeksportowanych z Apple Health, sprawdź, jakie rodzaje danych zdrowotnych zawiera? Jaki jest zakres czasowy? > Na podstawie tych danych zdrowotnych, pomóż mi znaleźć 10 spostrzeżeń. > Na podstawie różnych kategorii danych zdrowotnych, sprawdź, czy istnieje korelacja między różnymi kategoriami danych. > Czy potwierdzasz, że twoje badania są poprawne? Proszę, zweryfikuj i podaj mi więcej danych pośrednich, abym mógł to potwierdzić. To wszystko można łatwo zrealizować, a nawet możesz przeprowadzić bardziej złożone i szczegółowe badania. ⚠️ Uwaga: ponieważ oryginalne dane zdrowotne są dość duże, nie można ich bezpośrednio wrzucić do aplikacji takich jak ChatGPT, dlatego nadal potrzebujesz używać wersji cli Coding Agenta do badań (Cursor i inne IDE mogą również działać). Możesz zapytać AI: > Jak zainstalować Codex CLI / Claude Code CLI. 3️⃣ Przegląd próbek Ta analiza obejmuje pełny okres od 18 maja 2015 roku do 25 grudnia 2025 roku, łącznie 3875 dni. W tym czasie nosiłem 5 modeli Apple Watch, a rzeczywista liczba dni noszenia wyniosła 3503 dni, co daje wskaźnik noszenia powyżej 90%. Najdłuższy ciąg noszenia wyniósł 399 dni, a najdłuższa przerwa 33 dni. 4️⃣ Kluczowe spostrzeżenia: badanie korelacji tętna spoczynkowego Na podstawie oczyszczonego zbioru danych, Agent odkrył kilka interesujących wzorców, które wcześniej nie były zauważone. Poniższe wnioski zostały obliczone przez Codex (uwaga: obecnie przedstawiają tylko korelacje, a nie związki przyczynowe): 🔊 Natychmiastowy stres związany z hałasem otoczenia (próbka: 1802 dni): Wyższy hałas otoczenia → prawdopodobieństwo podwyższonego tętna spoczynkowego w danym dniu wzrasta około 5,2 razy. 🪑 Opóźniony wpływ długotrwałego siedzenia (próbka: 2546 dni): Mniej czasu w pozycji stojącej → prawdopodobieństwo podwyższonego tętna spoczynkowego następnego dnia wzrasta około 1,75 razy. 🪜 Długoterminowe korzyści z wspinaczki (próbka: 1909 dni): Mniejsza wysokość wspinaczki → prawdopodobieństwo podwyższonego tętna spoczynkowego następnego dnia wzrasta około 1,91 razy. Dlatego przynajmniej dla mnie, cichsze otoczenie, częstsze wstawanie podczas pracy i więcej wspinania się po schodach mogą przynieść długoterminowe korzyści zdrowotne. 5️⃣ Praktyka i zalecenia działania Obecna analiza koncentruje się tylko na wymiarze tętna spoczynkowego, szczegóły algorytmu i więcej wymiarów analizy krzyżowej zostaną później zebrane w szczegółowy artykuł. Jeśli planujesz przeprowadzić podobne analizy z użyciem AI, pamiętaj, aby ustanowić mechanizm weryfikacji. Agent może mieć „iluzje” podczas przetwarzania złożonej logiki, zaleca się, aby wymagać od niego wyjścia danych statystycznych pośrednich lub przeprowadzenia ręcznego sprawdzenia małych próbek, aby zapewnić dokładność końcowych wniosków. Możesz również użyć wielu Agentów do przeprowadzenia porównań krzyżowych. 6️⃣ Podsumowanie To tylko moja osobista cyfrowa ocena mojego ciała, wnioski mogą nie być rygorystyczne, służą jedynie jako odniesienie. Dzielę się tym procesem, aby pokazać, jak Coding Agent zniwelował przepaść technologiczną: wydobywanie aktywów danych nie wymaga już umiejętności programowania, wystarczy umieć zadawać pytania. Skoro próg technologiczny zniknął, warto wydobyć te zakurzone dane i zobaczyć, co AI może pomóc odkryć w nieoczekiwanych szczegółach.

Właśnie osiągnąłem kamień milowy, w tym miesiącu liczba wyświetleń w końcu przekroczyła 10 milionów. Co to za liczba? To więcej niż podsumowanie moich wyświetleń z ostatnich 12 miesięcy, pomnożone przez dwa. (Oczywiście, to pokazuje, że moje dane były zawsze słabe.) Jeśli ktoś wciąż wątpi w prawdziwość tej liczby, to zmieńmy dane z innego zakładki. W tym miesiącu zostało to dodane do zakładek prawie 10 tysięcy razy, co prawie odpowiada sumie z ostatnich 24 miesięcy. Ostatnio kilku z nas miało nowe spostrzeżenia na temat algorytmu rekomendacji X, niektóre są mistyczne, a inne zawierają elementy losowości. Ale zasadniczo można potwierdzić, że: > AI + Vibe Coding + prawdziwe osobiste doświadczenie + struktura artykułów odpowiednia do mediów społecznościowych to czynniki, które nowy algorytm będzie priorytetowo traktować. Oczywiście ruch to tylko jedna strona. Ważniejsze jest to, że tematy związane z AI i Vibe Coding mają ogromny potencjał, prawie każdy rodzaj produktu można zbadać. W ciągu ostatnich dwóch miesięcy uruchomiłem wiele produktów/stron, całkowita liczba DAU przekroczyła 1000, ale to wciąż mało. Do tej pory nie znalazłem modelu dochodowego, może muszę spróbować kilku, aby mieć szansę. Ale uważam, że te wcześniejsze produkty już przyniosły użytkownikom prawdziwą wartość, w przeciwnym razie nie otwieraliby codziennie tej samej strony. Może to jest urok Vibe Coding: nie piszesz kodu tylko po to, aby pisać kod, ale aby uchwycić ulotną myśl i przekształcić ją w produkt, do którego wszyscy mają dostęp. Jeśli chodzi o monetyzację, może lepiej zostawić to pytanie na następną iterację.

Kiedyś mówiono, że Web3/Crypto to szansa dla młodych ludzi, że trzeba uczyć się od stażystów. Obecnie AI + Vibe Coding jest jeszcze bardziej aktualne. Nie wymaga głębokiego tła w CS, jedynym wymogiem jest samodzielność, czyli chęć do nauki. Starsze pokolenie programistów często nosi ciężar „doświadczenia”, przyzwyczajeni do ręcznego pisania każdego wiersza kodu, mają trudności z całkowitym zaufaniem do Coding Agent w pierwszym momencie. A to właśnie jest szansa dla młodych ludzi, ponieważ nie mają starych nawyków, więc mogą bezpośrednio dostosować się do nowych zasad. W tej nowej paradygmacie, czysta karta może biegać szybciej niż dziesięcioletnie doświadczenie. Vibe Coding to prawdziwa ogromna szansa dla młodych ludzi.