今年的年度复盘，我请 AI Agent 协助，对自己做了一次基于数据的深度盘点。 分享这套流程，是因为它无需任何编程经验，就能让你轻松完成专业级的数据挖掘。 它甚至比 Vibe Coding 还要简单，只需要：全量数据 + Coding Agent。 为了验证这套流程的上限，我特意选取了个人数据中规模最大、结构最复杂的 10 年健康档案进行压力测试。 1️⃣ 数据规模与处理门槛 最终从苹果健康 App 导出的，是一份体积高达 3.5 GB 的 Apple Watch 中的健康相关原始数据。 这份文件中包含了几十万条心率记录，以及颗粒度极细的各类生理指标。 在 AI 介入之前，要处理这种规模的数据，我至少需要投入数天时间去研究 Python 库，并花费大量精力解析复杂的 XML 数据结构。 这往往也是很多人面对「量化自我」时最大的阻碍。 2️⃣ Agent 赋能的工作流 当我们引入 Coding Agent（如 OpenAI Codex 或 Claude Code）后，整个流程被彻底改变。 你不再需要关注具体的代码实现，只需明确「分析目标」。 Agent 会自动执行一个递归循环：自主研究数据结构 → 编写 Python 处理脚本 → 遇到异常结构 → 再次研究并修正代码。 它能独立完成从清洗到分析的全过程，帮我完成了许多之前因技术成本过高而搁置的设想。 如果不知道怎么下手，你可以先把任务的背景和对应的文件告诉它，让它自己进行一些探索，比如： ...