A revisão anual deste ano, pedi ao AI Agent para me ajudar a fazer um inventário profundo baseado em dados. Compartilho este processo porque ele não requer nenhuma experiência em programação, permitindo que você complete facilmente uma mineração de dados em nível profissional. É até mais simples do que o Vibe Coding, precisando apenas de: dados completos + Coding Agent. Para validar os limites deste processo, escolhi especificamente os 10 anos de registros de saúde, que são os dados pessoais mais volumosos e complexos, para um teste de estresse. 1️⃣ Escala de dados e barreiras de processamento O que foi finalmente exportado do aplicativo Apple Health é um arquivo com um volume de até 3,5 GB de dados brutos relacionados à saúde do Apple Watch. Este arquivo contém centenas de milhares de registros de frequência cardíaca, além de uma variedade de indicadores fisiológicos com granulação muito fina. Antes da intervenção do AI, para processar dados dessa escala, eu precisaria investir pelo menos vários dias estudando bibliotecas Python e gastar uma quantidade significativa de energia analisando a complexa estrutura de dados XML. Isso costuma ser o maior obstáculo que muitas pessoas enfrentam ao lidar com a "quantificação do eu". 2️⃣ Fluxo de trabalho capacitado pelo Agent Quando introduzimos o Coding Agent (como OpenAI Codex ou Claude Code), todo o processo muda completamente. Você não precisa mais se preocupar com a implementação específica do código, apenas precisa definir o "objetivo da análise". O Agent executará automaticamente um ciclo recursivo: pesquisa autônoma da estrutura de dados → escrita de scripts de processamento em Python → encontro de estruturas anômalas → pesquisa e correção do código novamente. Ele pode completar de forma independente todo o processo, desde a limpeza até a análise, ajudando-me a realizar muitas ideias que antes foram deixadas de lado devido ao alto custo técnico. Se você não souber por onde começar, pode primeiro informar o contexto da tarefa e os arquivos correspondentes, permitindo que ele faça algumas explorações, como: > Este é um conjunto completo de dados brutos exportados do Apple Health, você pode verificar que tipos de dados de saúde estão incluídos? Qual é o intervalo de tempo? > Com base nesses dados de saúde, ajude-me a encontrar 10 insights. > Com base nas diferentes categorias de dados de saúde, você pode verificar se há correlações entre as diferentes categorias de dados? > Você confirma que sua pesquisa está correta? Por favor, valide e me forneça mais dados intermediários para que eu possa confirmar. Tudo isso pode ser facilmente realizado, e você pode até realizar pesquisas mais complexas e específicas. ⚠️ Atenção: devido ao grande volume de dados brutos de saúde, não é possível simplesmente inseri-los em aplicativos como o ChatGPT, portanto, ainda é necessário usar a versão CLI do Coding Agent para realizar a pesquisa (IDE como Cursor também pode funcionar). Você pode perguntar ao AI: > Como instalar Codex CLI / Claude Code CLI. 3️⃣ Visão geral da amostra Esta análise abrangeu o período completo de 18 de maio de 2015 a 25 de dezembro de 2025, totalizando 3875 dias. Durante esse período, usei 5 modelos de Apple Watch, com um total de 3503 dias de uso, resultando em uma taxa de uso superior a 90%. O maior registro de uso contínuo foi de 399 dias, enquanto o maior registro de interrupção foi de 33 dias. 4️⃣ Insights chave: estudo da correlação da frequência cardíaca em repouso Com base no conjunto de dados válidos e limpos, o Agent descobriu algumas regras interessantes que não haviam sido identificadas anteriormente. As seguintes conclusões foram calculadas pelo Codex (nota: atualmente apenas correlações são apresentadas, não causalidades): 🔊 Pressão imediata do ruído ambiental (tamanho da amostra: 1802 dias): Ruído ambiental mais alto → A probabilidade de frequência cardíaca em repouso elevada no mesmo dia aumenta cerca de 5,2 vezes. 🪑 Efeito retardado do sedentarismo (tamanho da amostra: 2546 dias): Menos tempo em pé → A probabilidade de frequência cardíaca em repouso elevada no dia seguinte aumenta cerca de 1,75 vezes. 🪜 Benefícios a longo prazo da escalada (tamanho da amostra: 1909 dias): Menos altura de escadas subidas → A probabilidade de frequência cardíaca em repouso elevada no dia seguinte aumenta cerca de 1,91 vezes. Portanto, pelo menos para mim, um ambiente mais silencioso, levantar-se mais frequentemente durante o trabalho e subir escadas podem trazer benefícios à saúde a longo prazo. 5️⃣ Recomendações práticas e de ação A análise atual foca apenas na frequência cardíaca em repouso, e os detalhes do algoritmo e mais análises cruzadas de diferentes dimensões serão organizados em um artigo mais detalhado em uma oportunidade futura. Se você também planeja usar AI para esse tipo de análise, por favor, esteja ciente de que é essencial estabelecer um mecanismo de validação. O Agent pode ter "alucinações" ao lidar com lógicas complexas, então é recomendável solicitar que ele produza dados estatísticos intermediários ou realizar amostragens manuais de pequenos lotes para garantir a precisão das conclusões finais. Ou usar vários Agents para validação cruzada. 6️⃣ Resumo Esta é apenas uma autoavaliação digital do meu corpo, e as conclusões podem não ser rigorosas, servindo apenas como referência. Compartilho este processo para mostrar como o Coding Agent eliminou a barreira técnica: a mineração de ativos de dados não requer mais habilidades de programação, apenas a capacidade de fazer perguntas. Uma vez que a barreira técnica foi removida, por que não tirar aqueles dados empoeirados e ver o que o AI pode ajudá-lo a descobrir em detalhes inesperados?

Acabámos de alcançar um marco, as Impressões deste mês finalmente ultrapassaram os 10 milhões. O que significa esse número? É mais do que o dobro das Impressões que tive nos últimos 12 meses. (Claro, isso significa que meus dados sempre foram muito fracos.) Se ainda houver alguém que duvide da veracidade desse número, vamos trocar por outro dado de Bookmark. Neste mês, quase 10 mil vezes foi marcado como Bookmark, o que equivale quase ao total dos últimos 24 meses. Recentemente, alguns de nós tivemos novas percepções sobre o algoritmo de recomendação do X, algumas são místicas, outras incluem fatores aleatórios. Mas basicamente, podemos confirmar que: > AI + Vibe Coding + experiência pessoal real + estrutura de artigo adequada para leitura em redes sociais são os fatores que este novo algoritmo prioriza. Claro que o tráfego é apenas uma parte. O mais importante é que os tópicos de AI e Vibe Coding têm uma grande extensibilidade, quase qualquer tipo de produto pode ser explorado. Nos últimos dois meses, também lancei muitos produtos/sites, o DAU total ultrapassou 1000, mas ainda é muito pouco. Até agora, ainda não encontrei um modelo de monetização, talvez eu precise tentar alguns para ter uma chance. Mas eu sinto que esses produtos anteriores já geraram um valor real para os usuários, caso contrário, eles não estariam abrindo uma página da web todos os dias de forma consistente. Talvez essa seja a beleza do Vibe Coding: você não está mais escrevendo código apenas por escrever, mas sim para capturar aquela ideia efémera e transformá-la em um produto acessível a todos. Quanto a como monetizar, talvez devêssemos deixar essa questão para a próxima iteração.

Antigamente dizia-se que o Web3/Crypto era uma oportunidade para os jovens, e que deviam aprender com os estagiários. Agora, a combinação de AI + Vibe Coding é ainda mais significativa. Não requer um profundo conhecimento em CS, a única barreira é a autodisciplina, ou seja, a vontade de aprender. Os programadores mais velhos muitas vezes carregam um pesado "fardo de experiência", acostumados a escrever cada linha de código à mão, e têm dificuldade em confiar plenamente em um Coding Agent desde o início. E essa é precisamente a oportunidade para os jovens, pois, sem velhos hábitos, conseguem adaptar-se diretamente às novas regras. Neste novo paradigma, uma folha em branco pode correr mais rápido do que dez anos de experiência. O Vibe Coding é a verdadeira grande oportunidade deixada para os jovens.