今年的年度覆盤，我請 AI Agent 協助，對自己做了一次基於數據的深度盤點。 分享這套流程，是因為它無需任何編程經驗，就能讓你輕鬆完成專業級的數據挖掘。 它甚至比 Vibe Coding 還要簡單，只需要：全量數據 + Coding Agent。 為了驗證這套流程的上限，我特意選取了個人數據中規模最大、結構最複雜的 10 年健康檔案進行壓力測試。 1️⃣ 數據規模與處理門檻 最終從蘋果健康 App 導出的，是一份體積高達 3.5 GB 的 Apple Watch 中的健康相關原始數據。 這份文件中包含了幾十萬條心率記錄，以及顆粒度極細的各類生理指標。 在 AI 介入之前，要處理這種規模的數據，我至少需要投入數天時間去研究 Python 庫，並花費大量精力解析複雜的 XML 數據結構。 這往往也是很多人面對「量化自我」時最大的阻礙。 2️⃣ Agent 賦能的工作流 當我們引入 Coding Agent（如 OpenAI Codex 或 Claude Code）後，整個流程被徹底改變。 你不再需要關注具體的代碼實現，只需明確「分析目標」。 Agent 會自動執行一個遞歸循環：自主研究數據結構 → 編寫 Python 處理腳本 → 遇到異常結構 → 再次研究並修正代碼。 它能獨立完成從清洗到分析的全過程，幫我完成了許多之前因技術成本過高而擱置的設想。 如果不知道怎麼下手，你可以先把任務的背景和對應的文件告訴它，讓它自己進行一些探索，比如： ...