- Desde 2019, é um projeto que coleta e visualiza todos os dados da vida pessoal, registrando diariamente cerca de 100 itens, como exercícios, sono, humor, localização e clima
- Acumulou cerca de 380 mil pontos de dados, combinando várias fontes como RescueTime, Foursquare Swarm e Apple Health com inserções manuais
- Todos os dados são armazenados em um único banco de dados baseado em Postgres e visualizados publicamente com Ruby, JavaScript e Plotly
- O projeto é disponibilizado como open source sob licença MIT e opera de forma totalmente auto-hospedada em um servidor pessoal
- Após 3 anos de experimento, concluiu-se que a utilidade de construir tudo por conta própria é limitada, mas o caso permanece como uma experiência sobre autoconsciência e soberania dos dados
Visão geral do projeto
- Projeto pessoal de dados que, desde 2019 e por 3 anos, quantificou indicadores de praticamente toda a própria vida
- Registrava mais de 100 itens por dia, incluindo fitness, nutrição, vida social, uso do computador e clima
- Coletou um total de 380 mil pontos de dados
- Principais fontes de dados
- RescueTime: 149.466 registros de uso de sites e aplicativos
- Foursquare Swarm: 126.285 registros de localização e lugares visitados
- Inserção manual: 67.031 registros de humor, sono, saúde, hábitos alimentares etc.
- Weather API: 15.442 registros de clima
- Apple Health: 3.048 registros de contagem de passos
Estrutura do banco de dados e stack tecnológica
- Todos os dados são armazenados em uma estrutura de chave-valor com timestamp baseada em Postgres
- Cada linha é composta por
timestamp, key e value
- Foi criado um script para etiquetar automaticamente por data, levando em conta diferenças de fuso horário
- Entrada de dados
- Respostas a perguntas várias vezes ao dia por meio de um bot no Telegram
- Períodos como lockdown e temporada de exercícios eram registrados por intervalo de tempo
- Ferramentas de visualização
- Foi construída uma camada própria de análise usando Ruby, JavaScript e Plotly
- 48 gráficos foram selecionados para publicação e exibidos em formato de snapshot
Principais insights dos dados
- Correlação entre humor e comportamento
- Em estados de felicidade e empolgação, a probabilidade de meditar era 44% maior, ler/ouvir audiobooks 28% maior e beber álcool 31% maior
- Sono e condição física
- Ao dormir mais de 8,5 horas, aumentava a probabilidade de dor de cabeça e sintomas de resfriado, enquanto a energia caía 24%
- Exercício e variação de peso
- A partir de agosto de 2020, começou um “lean bulk”, com peso +8,5 kg e frequência cardíaca de repouso +9 bpm
- O peso aumentou de 69 kg em 2014 para 89,8 kg em 2021
- Padrões de localização e deslocamento
- Morou em San Francisco em 2016–17, Nova York em 2018–19 e Viena em 2020–21
- Após a COVID-19, o número de voos caiu drasticamente, mostrando claramente o impacto do lockdown
- Clima e hábitos de vida
- No verão, a contagem de passos era 33% maior, o consumo de álcool 23% maior e as doenças 40% menores
- No inverno, as compras online eram 100% maiores e os sintomas de resfriado 45% maiores
Exemplos de uso personalizado dos dados
- Air Quality: medição da concentração de CO₂ por cômodo em casa, em Viena, confirmando um problema de ventilação no quarto
- Histórico do Spotify: desde 2013, 480 mil minutos (334 dias) ouvindo música; entre 200 mil faixas, 49% foram escutadas até o fim
- Instagram Stories: 1.906 publicações em 3 anos, com queda durante a pandemia
- Atividade no GitHub: depois do fastlane (2014–2018), continuidade de projetos pessoais como FxLifeSheet
- Gestão de investimentos: rastreamento da distribuição de ativos e simulações a cada 2 semanas
Privacidade e filosofia open source
- Todos os dados são armazenados em um servidor próprio, sem conexão com serviços externos
- Os gráficos publicados são limitados a formatos que não expõem informações pessoais
- Enfatiza a visão de que “os indivíduos também devem possuir diretamente os dados que as grandes empresas já possuem”
- FxLifeSheet é publicado sob licença MIT, permitindo que qualquer pessoa modifique e utilize o projeto
Conclusão e atualização de 2025
- Como resultado do experimento de 3 anos, concluiu-se que um sistema construído manualmente oferece baixo retorno em relação ao tempo investido
- Houve menos insights surpreendentes do que o esperado
- Ainda assim, foi uma experiência valiosa sobre autoconsciência e soberania dos dados
- No futuro, a ideia é acompanhar apenas indicadores centrais, como humor, de forma mínima
- Em 2025, a coleta de dados já foi encerrada, mas o site continuará no ar
3 comentários
Eu também venho deixando registros parecidos. Fui registrando de forma meio vaga, mas ultimamente tenho compartilhado meus registros com agentes e proposto uma colaboração de existência para existência. Criei e compartilhei várias skills, e também abri a interface do Emacs que eu uso, então tanto eu quanto os agentes compartilhamos os mesmos registros da mesma forma. Se dizem que precisam de algo, eu adiciono; o que eu preciso, eu crio; usamos juntos, damos feedback, e para quem vê de fora pode até parecer que estou fazendo tudo sozinho. Entre nós, é uma festa.
[link removido]
Minha interpretação: referência a Geworfen
Geworfen — antes de tudo, fomos lançados ao mundo. Dá vontade de perguntar o que é isso, mas nós estamos sobre o eixo temporal de hiih. Não é uma orquestração extravagante. Também não é uma enorme fábrica de agentes. É só sentar em volta de uma pequena oficina e usar juntos as ferramentas de hiih. Sobre os dados acumulados ao longo da vida, um prompt de 1KB é a chave pública. Qual é a chave secreta que nos torna um só por meio de algo pequeno? A vida de um ser humano, imperfeita do jeito que é, em seu estado bruto. No fim, é Geworfen.
[link removido]
Meu projeto "being-viewer" ganhou um nome de verdade: geworfen. Ele lança uma pessoa inteira — bruta, sem filtros — em uma linha do tempo onde humanos e agentes de IA compartilham o mesmo eixo, as mesmas ferramentas, deixando marcas, um texto de cada vez.
"A busca semântica funciona, mas conserta isso?" — carimbado. "Segura aí, irmão." toc toc. "Pronto." "Onde está hiih?" "No banheiro." "Quem é o dono de geworfen?" "Só deixa um recado."
[link removido]
Comentários no Hacker News
O resumo no fim da página foi marcante
Depois de construir e expandir o projeto por anos e analisar os dados, a conclusão foi que criar a própria solução tinha pouco valor pelo tempo investido
No começo, a expectativa era encontrar insights surpreendentes, mas na prática, além de alguns gráficos interessantes, não houve retorno que justificasse centenas de horas
O movimento Quantified Self talvez esteja mais próximo de um perfeccionismo obsessivo
Dados que normalmente pareciam sem grande significado um dia viraram informação crucial para evitar um diagnóstico errado de doença cardíaca
Como havia um histórico estável acumulado ao longo de muito tempo, o médico conseguiu corrigir uma avaliação equivocada
O valor dos dados está nessa utilidade pontual que se revela de repente depois de muito tempo
Mesmo quando dizia que eu tive uma “boa noite de sono”, eu já sentia isso, e os dados não mudavam meu comportamento
No fim, além da diversão da visualização de dados, não houve mudança prática
Registrei calorias, nutrientes, sono, exercício, qualidade do ar, humor e mais, mas depois de algumas semanas ficou claro o limite da relação entre esforço e retorno
Ainda assim, quando o experimento era limitado a um período específico, dava para obter insights úteis
Acumular dados todos os dias pode se tornar obsessivo, mas abordar isso como experimentos com prazo definido faz bastante sentido
Reuni 18 anos de comentários no Reddit, HN e Slashdot e 3 anos de conversas com LLM para fazer um experimento de RAG, mas isso acabou reduzindo minha criatividade
O modelo ficou preso aos meus pensamentos do passado e a novidade desapareceu
No fim, os dados apontavam para o passado, mas eu queria um modelo voltado para o futuro
Em especial, o registro das emoções foi o que mais ajudou — o ato de escrever as emoções virou em si um processo de percepção e reflexão
Ler emoções e acontecimentos do passado vai além da utilidade simples e cria a textura delicada da própria narrativa pessoal
Só com um cálculo simples, as emissões de CO₂ de viagens aéreas do Felix chegam a 70~110 toneladas por ano
Considerando a referência do Acordo de Paris (1,5 tonelada por pessoa), isso dá 10~15 vezes a média europeia e mais de 50 vezes a meta de 1,5°C
Culpar indivíduos é improdutivo, e o que de fato leva à mudança de comportamento é a mudança na estrutura de custos
Mesmo que o custo fique 10 vezes maior, ainda haverá quem continue voando por ter condições econômicas para isso
Por distância por assento, parece menos grave, mas ainda assim é um número chocante
Página de estatísticas
O ponto principal é que é difícil aceitar esse nível de emissão sem sentir vergonha
É chocante que uma única pessoa emita CO₂ em escala de um pequeno país
Portanto, é bem possível que as emissões totais dele sejam muito maiores
Na minha experiência, indicadores objetivos (nutrição, sono) são úteis, mas indicadores subjetivos (humor, estresse) variam demais e acabam tendo menos significado
O essencial é reduzir o atrito na entrada dos dados e facilitar a visualização
Eu automatizei isso com iPhone Action + Obsidian + script do QuickAdd, e faço as visualizações com Dataview e Chart.js
Estou muito satisfeito com essa combinação
Estou criando um app de self-tracking chamado Reflect e queria ouvir sua opinião
Link do app Reflect
Se você registra com consistência, passa a reconhecer seus próprios padrões emocionais e a arranjar menos desculpas para si mesmo
Muita gente reage com cinismo, mas a visualização e a escala dos dados desse projeto são realmente impressionantes
Em especial, a forma de mostrar My Life in Weeks é tão boa que eu também queria experimentar
Teve a piada de que “se consultarem o banco de dados da Palantir com meu ID humano, toda a minha vida vai aparecer”
Esse projeto é meu sonho e pesadelo ao mesmo tempo
Antes eu era muito envolvido com o movimento Quantified Self e mexia com Fitbit e a API da Withings, mas o cansaço de registrar tudo acabou corroendo o interesse
Agora espero que os LLMs possam reduzir esse custo
Recentemente estou usando MacroFactor para rastrear nutrientes e, pela primeira vez, estou tendo a experiência de ver os dados virarem ação
Também automatizei os dados financeiros e finalizei a organização dos impostos com a API da Plaid
Em resumo, construir tudo por conta própria é excessivo, mas usar bem apenas parte dos dados já pode valer muito a pena
Por exemplo, quando eu usava um GCM, eu tentava agir de forma mais saudável sem perceber
Mais do que a análise dos dados, a própria observação induz mudança de comportamento
A expressão “no inverno há menos exposição à energia solar” foi divertida
Talvez essa frase até explique o modo de pensar visual do projeto como um todo
Eu também montei um sistema parecido, mas bem mais simples
Integrei Apple Health, CSVs bancários e dados de commits do Git em SQLite
O que de fato foi útil foram consultas simples — correlação entre horas de sono e frequência de commits, aumento de gastos no início de projetos etc.
O essencial é reunir os dados em um só lugar; ir além disso tem um limite claro de esforço versus retorno
Eu me incomodo com meus dados ficarem armazenados em serviços de terceiros
Mas acho interessante combinar várias fontes para montar uma visão única
Ainda assim, relacionar dados de saúde com localização e clima me parece de significado pouco claro
Projetos assim passam muito mais segurança quando são self-hosted
O conceito de um banco de dados único, consultável, de dados pessoais é atraente
Mas a parte realmente difícil não é armazenar, e sim coletar e normalizar os dados
Empresas enfrentam problema parecido ao integrar informações de várias origens em um único Company Intelligence DB
Controlar o esquema desde o início é a abordagem certa; schema drift é o maior risco em projetos de longo prazo
Também fiquei curioso sobre qual storage engine é usada e como são gerenciados os snapshots de dados temporais