自我量化没这么繁琐，我用 Coda 打造了一个自动化流程

Matrix 精选

文章代表作者个人观点，少数派仅对标题和排版略作修改。

数据记录与跟踪

数据收集

数据分析

Future tech（未来的生物黑客技术等等）

Quantified-self mindmap，图片来自 markwk.com

量化自我工作流一般包括记录，收集和分析三步。在寻找解决方案的时候，除了考虑信息记录的完整性之外，自动化程度也是一个重要的考虑方面。朝着被动记录加自动分析的目标，我最后选了以下这几款工具构成我的量化自我工作流。

Apple health/Google fit+Rescuetime=>Exist=>Coda数据记录

在量化数据记录这部分，我的目标是记录被动化，即尽量减少人为录入数据的必要性。幸运的是，通过现在的智能设备配合软件，大部分的数据都能够自动记录。尝试了不同的软件之后，我选择了使用手机自带健康数据跟踪和 Rescuetime 记录时间。

健康数据

现在智能手机系统配备的健康跟踪工具（iOS 的 Apple Health、Android 的 Google Fit）功能已经比较完善，并且都能够同步可穿戴设备和其它记录工具的数据。

Apple Health时间数据

相比健康数据的自动获取，时间数据的获取会分成两派。有的人喜欢手动记录时间块，这样对每个时间块有明确的定义，可以加上各种 tag，有利于总结与分析；另一种方式是通过软件自动记录每个应用的使用时间或网页的访问时间，配合事先定义好的时间分类标准（如使用 IDE 写代码即算作有效生产力时间，玩游戏算作娱乐时间等），也能够对记录的时间进行分类和筛选。我个人比较倾向于被动记录时间，对时间数据的标注和分析留到可视化和分析那一步再做。

我选用了现在比较流行的自动记录时间的软件 rescuetime 和 wakatime 来记录时间。

Rescuetime

Rescuetime 提供了全平台客户端（包括 Win，Mac，Linux，iOS，Android）以及浏览器插件，只要登录同一个账户，就能全平台记录和同步时间数据。它的免费版除了记录时间外还支持预先定义的时间分类，简单的可视化，简单的 insight，并且可以发送 daily report。属于上手门槛很低，平时感觉不到存在，看了 daily report 才吓一跳的那种（摸鱼时间都记录下来了！）。

Wakatime

Wakatime 相比 Rescuetime 能提供更加细节的时间记录，通过给各种编辑器安装插件，Wakatime 能够记录每个项目，每种编程语言，甚至每个 Git Commit 期间的使用时间。如果需要进行细粒度的时间记录可以考虑使用 Wakatime 结合 Rescuetime 共同记录。

收集与可视化

Gyrosco.pe 和 Exist.io

除去视觉设计上的不同，这两种工具的主要功能都大同小异，促使我选择Exist.io的原因主要是它比较直观的界面和操作，以及开放 API，这也使我们后续使用 Coda 进行分析和自动化成为可能。

Exist data sources, 图片来自 exist.io

Exist.io 的 Dashboard

利用收集到的各种数据，Exist.io可以生成一个实时更新的 Dashboard，能够可视化地展示包括当前数据、与以往数据差异、完成度等等信息。更有趣的是，它可以对各种数据求相关度，提供一些~~ 看似靠谱的~~ 结论；还可以通过分析历史数据给出一些 insights。

Exist 的相关度分析和 insights数据分析与自动化

其实Exist.io的功能已经足够强大，按照量化自我的流程（数据记录，数据收集，数据分析）来看，可以说已经满足了绝大部分人的量化自我的需求。不过结合 Coda 的自动化功能，我们还可以尝试更进一步，根据我们收集到的数据做一些自动化的处理甚至决策。作为抛砖引玉，我只是实现了几个简单的功能（自动打卡和定制化的数据展示），大家大可发挥想象力打造更有用的自动化功能。

数据导入

Exist to Coda

自动打卡

有了量化自我数据之后，我们就可以做一些自动化工作了，例如结合上一篇文章中的习惯跟踪系统，我们可以检测量化数据然后对预先设定的目标进行自动打卡。

自动每日打卡

同理我们还可以检测各项数值，达到一些标准之后给邮箱发送信息提醒，甚至可以通过同步的地理信息进行更智能的目标打卡等等。

定制可视化分析

人是视觉动物，我们通过图形往往能更快地 get 到数据中的趋势和规律，信息可视化与可视分析现在也已经成为了一个非常前沿和有意义的研究方向了，我们在此并不展开。不过根据我们拿到的数据，配合 Coda 里的图表功能，我们可以实现一些Exist.io里没有或者不够灵活的可视化效果。例如，计算步数和体重的滑动平均值和当天数据进行比较，相比全局平均更能看出来今天是不是吃多了动少了