今年の年次レビューでは、AIエージェントに自分自身の詳細なデータベースのインベントリを依頼しました。 このプロセスが共有されているのは、プログラミングの経験がなくてもプロレベルのデータマイニングを簡単に完了できるからです。 Vibe Codingよりもさらにシンプルで、必要なのは「完全なデータ+コーディングエージェント」です。 このプロセスの上限を検証するために、私は意図的に最大かつ最も複雑な10年間の個人データの健康プロファイルをストレステストに選びました。 1️Joy データスケールと処理閾値 最終的にApple Healthアプリからエクスポートされたのは、最大3.5GBのApple Watchの生の健康関連データのコピーでした。 この文書には数十万件の心拍数記録と、非常に細かい形で様々な生理学的指標が含まれています。 AIが介入する前は、この規模でデータを扱うためにPythonライブラリの調査や複雑なXMLデータ構造の解析に少なくとも数日費やさなければなりませんでした。 これは多くの人が「自分自身を数値化する」際に最大の障害となることが多いです。 2️そしてエージェント対応ワークフロー OpenAI CodexやClaude Codeのようなコーディングエージェントを導入したとき、プロセス全体が一変しました。 もはや特定のコード実装にこだわる必要はなく、「解析目標」を定義すればいいのです。 エージェントは自動的に再帰ループを実行します。データ構造を自律的に調査し→、Python処理スクリプトを書き→例外に遭遇再度調査・修正→行います。 清掃から分析までの全工程を独立して完了でき、高い技術的コストで保留していた多くのアイデアを完成させるのに役立ちました。 もしどう始めればいいかわからない場合は、まずタスクの背景と対応するファイルを教えて、例えば次のようなものを自分で探索できるようにしてください。 > これはApple Healthの完全な生のエクスポートです。どのような健康データが含まれているかをご覧ください。 どのくらいの期間ですか? >この健康データに基づいた10の洞察を見つけるのに役立ちました。 > 異なる健康データのカテゴリーに基づいて、異なるカテゴリーのデータ間に相関があるかどうか調べてください。 > あなたの研究が正しいか確認してください。確認してください。さらに中間的なデータをください。確認します。 これらはすべて簡単に達成可能であり、より複雑で具体的な調査を行うことも可能です。 ⚠️ 注意:健康データの生データは比較的大きいため、ChatGPTのようなアプリに直接投入できないため、研究にはCli版のコーディングエージェントを使う必要があります(CursorなどのIDEも使える場合があります)。 具体的には、AIに尋ねることができます: > Codex CLI / Claude Code CLIのインストール方法 3️^ サンプル概要 この分析は2015年5月18日から2025年12月25日までの全期間を対象とし、合計3875日間です。 この間、私は5台のApple Watchを3503日間着用し、摩耗率は90%を超えました。 最長の連続着用記録は399日、最長中断は33日です。 4️^ 主な洞察:安静時心拍数に関する相関研究 クリーンアップされた有効なデータセットに基づき、エージェントはこれまで発見されていなかった興味深いパターンを発見しました。 以下の結論はコデックスによって算出されています(注:現在は相関のみで、因果関係はありません): 🔊 周囲の雑音の即時圧力(サンプル数:1802日): 周囲の雑音が高い→、その日の安静時心拍数が高い確率を約5.2倍に高めました。 🪑 座りがちな状態の遅れ効果(サンプル数:2546日): 立っている時間が短くなる→翌日に安静時心拍数が高い確率が約1.75倍に増加します。 🪜 クライミングの長期的な利点(サンプルサイズ:1909日): 低い高さで階段を登る→翌日に安静時心拍数が高い確率が約1.91倍に増加します。 少なくとも私にとっては、静かな環境、仕事中に起きる頻度の増加、階段の上り方が長く健康に良い影響を与えます。 5️^ 実践と行動の提案 現在の分析は安静時心拍数の次元のみに焦点を当てており、アルゴリズムの詳細やさらなる次元のクロスアナリシスは、将来機会があれば詳細な長文記事としてまとめる予定です。 この種の分析にもAIを使う予定があるなら、検証メカニズムを確立することが重要だということを理解してください。 複雑な論理を扱う際に「幻覚」を見ることがあり、最終結論の正確性を確保するために中間統計の出力や小サンプルの手動サンプリングチェックを行うよう依頼することが推奨されます。 あるいは複数のエージェントと照合してみてください。 6️^ 概要 これはあくまで自分の身体のデジタル検査であり、結論は厳密でない可能性があり、あくまで参考にしてください。 このプロセスを共有することは、Coding Agentがどのように技術的な溝を埋めているかを示すことを目的としています。データ資産のマイニングはもはやコードを書く必要がなく、ただ質問をするだけで済みます。 技術的な閾値が過ぎた今、埃をかぶったデータを掘り起こして、AIがどんな予期せぬ詳細を掘り起こしてくれるか試してみよう。

ちょうどマイルストーンを迎え、今月の月間インプレッション数がついに1,000万を超えました。 この数字の概念は何ですか? 過去12ヶ月のインプレッション数の2倍以上です。 (もちろん、これは私のデータが非常に貧弱だったことを意味します。) ） もしこの番号の本物性に疑問があるなら、別のブックマークデータに変更してください。 今月はほぼ1万回ブックマークされており、これは過去24ヶ月の合計にほぼ匹敵します。 最近、私たちの何人かはXの推薦アルゴリズムについて新たな理解を得ました。その中には形而上学的なものもあれば、ランダム因子を含むものもあります。 しかし、基本的に確認できるのは次の通りです: > AI + Vibe コーディング + 本物の個人体験 + ソーシャルメディア閲覧に適した記事構成 この新しいアルゴリズムが優先する要素です。 もちろん、交通は一つの側面に過ぎません。 さらに、AIやVibeコーディングのテーマは特に柔軟で、製品のほぼあらゆる側面を探求可能です。 過去2ヶ月で多くの商品やウェブサイトを立ち上げ、総DAUは1000を超えましたが、それでもまだ非常に少ないです。 まだ利益モデルは見つかっていないので、もういくつか試してみる必要があるかもしれません。 しかし、これらの過去の製品はユーザーに本当の価値をもたらしていると思います。そうでなければ毎日ウェブページを開くことはなかったでしょう。 おそらくそれがVibe Codingの魅力なのでしょう。もはやコードを書くためだけにコードを書くのではなく、その一瞬のアイデアを捉え、誰もが手の届く製品に変えることが目的なのです。 収益化の方法については、この質問は次回に任せたほうがいいでしょう。

かつては、Web3/暗号通貨は若者がインターンから学ぶ機会だとよく言われていました。 AI + Vibe Coding はさらに強力です。 強いCSのバックグラウンドは必要ありません。唯一の基準は自己推進力、つまり学ぶ意欲です。 Lao Dengのプログラマーは重い「経験の荷物」を抱えており、コードのすべてを手書きで書くことに慣れているため、最初からコーディングエージェントに完全に信頼を得るのは難しいです。 そしてこれはまさに若者にとっての機会であり、古い習慣がなく、新しいルールに直接適応できるからです。 この新しいパラダイムでは、白紙の紙が10年の経験よりも速く動くかもしれません。 バイブコーディングは若者にとって本当のチャンスです。