前回の記事「エージェントに身体を読み取らせる: データの取得」では、最初の質問であるエージェントがデータを取得する方法について説明するのに多くの時間を費やしました。この実践に従えば、SQLite、Markdo のコピーを入手している可能性が高くなります。
前回の記事「エージェントに身体を読み取らせる: データの取得」では、最初の質問であるエージェントがデータを取得する方法について説明するのに多くの時間を費やしました。この手順に従うと、スポーツと健康のデータを保存する SQLite、Markdown、または JSON ファイルを取得できる可能性が高くなります。
この時点で、ほとんどの人はおそらく AI エージェントにファイルの分析を手伝ってもらうしかないでしょう—
「クロード、これは私の健康運動データです。詳細な分析を手伝ってください。」
最初は自分でこれをやりました。いくつかの質問の後、クロードは美しい HTML を生成できます。各アクションのトレーニング傾向、回復状況アイコン、カレンダーに沿って配置されたトレーニングカレンダーグラフが表示されます。情報が満載ですが、調べてみると見た目が良くなる以外には役に立たないことがわかります。
ここが問題です。AI エージェントは説明には優れていますが、実際の問題を分析して、次のトレーニングでどのくらいの重みを加えるべきかなどの提案を提供したい場合は、ユーザー自身のニーズの判断と適切な指導が必要です。
そこで、この記事では、私の実体験に基づいて、データを取得した後、それを正しく処理するにはどうすればよいですか?という 2 つの質問に詳しく答えます。その結論はどの程度信頼できるものでしょうか?
注記：現時点では、私の方法は日常の運動トレーニングの補助にのみ適しています。体の実際の症状を確認することや、病状に対処するために使用することはお勧めできません。
エージェントにデータを正しく処理させる方法
私の全体的な計画
私自身を例として使用します。
- Apple Watchは、有酸素トレーニングや筋力トレーニングなどの運動トレーニングデータを記録します。
- Oura Ring は睡眠、夜間の回復、毎日の活動データを記録します。
- Xunji アプリは、筋力トレーニングの量とセット数を具体的に記録します (Xunji と Apple Watch を同時に使用しても、運動データは繰り返しカウントされません)
このうち、Apple Health と Oura のデータはサードパーティサービス Freddy に接続されています。 Ouraの公式インターフェースからの読み取りが許可されており、Oura自身が算出したレディネスインデックス(Readiness)などのアルゴリズムデータも取得可能です。
次に、エージェントによって事前に作成された Python スクリプトを通じて、Freddy と Xunji の API を介してデータがローカルに取得され、SQLite データベースに保存されます。体脂肪や体重、トレーニング経験などの低頻度指標については、テキストや画像の形でエージェントに直接送信し、エージェントがそれらを分類してデータベースに入力します。
上記のプロジェクトは自宅の NAS 上に構築されており、Python スクリプトは最新の生理学的データとトレーニング データを定期的に取得します。ポートは Web ダッシュボードで設定され、LAN アドレスを介して直接アクセスできます。
ジムに行く前に、携帯電話またはコンピューターを使用して LAN 経由で NAS に接続し、タスクをトリガーします。日常的なタスクは Web ダッシュボードにボタンがあり、ワンクリックで開始できます。複雑なタスクは、ターミナルの CLI ツール ダイアログを通じて実行されます。トリガー後、AI エージェントは最新の身体データとトレーニング記録を読み取ります。まず、2人の「コーチ」が動作、セット、重量について提案し、次に「科学的根拠に基づいたコーチ」がトレーニング量と強度を検証します。私自身で最終確認した後、その計画をトレーニング記録としてAPI経由でトレーニング記録に書き込みます。
ジムに着いたら、トレーニングノートを開いて計画に従い、各セットの動作のマージンとトレーニング経験をメモします。これらのコンテンツは最終的に API を通じて AI に返され、サイクルが完了します。
これらのリンクをまとめるのは複雑ではありません。本当に努力が必要なのは、エージェントが既存のデータを安定して分析し、提案を出力できるようにするための一連の「動作仕様」を確立することです。方法は非常に簡単で、スキルを身に付けるだけです。
既製のスキルを使用してみませんか?
「車輪の再発明をするな」は、ソフトウェア開発の分野では格言です。一般的に言えば、まずコミュニティ内の既存のスキルに注目する必要があります。それらがニーズをカバーできる場合は、それらを直接適用できます。
その中でも、私の個人的なニーズに比較的近いのがコーチ・パディです。 Garmin、COROS、WHOOP、Apple Watch からデータを読み取ることができるデータ インターフェイスが組み込まれています。筋力トレーニング データはトレーニング API と照合できます。アスリートのファイル、トレーニング計画、毎日の生理学的データなどの記憶がユーザーの Obsidian に保存されます。それは、その日に全力を尽くすか、ダウングレードするか、休むかを決定するための準備スコアを提供します。また、トレーニング計画を提供し、毎週のレビューを実施することもでき、これは比較的完全なソリューションです。
パディコーチには、学ぶ価値のあるメカニズムもあります。データが欠落している場合、レディネススコアはダウングレードされ、1 ～ 5 ポイントの主観的なエネルギースコアに置き換えられます。
私は最終的にパディコーチを選びませんでした。まず、データ インターフェイス モジュールは必要ありません。また、複数のスポーツをサポートすると主張していますが、分析の焦点は持久力トレーニングと競技の準備にあります。これには、競争の信頼ポイントや競争のカウントダウンなどの機能がありますが、これらは私のアプリケーション シナリオとは一致しません。また、スターとフォークの数も少なく、実際の効果が十分に検証されていない可能性があります。
実際、既存のスキルにも多かれ少なかれ同様の問題があります。トレーニングは非常に個人的な問題であるため、トレーニングの目標、集中力の指標、利用可能な器具、仕事と休憩の習慣、運動システムなどは人によって異なり、既成のスキルを完璧に適応させることは困難です。同時に、健康とトレーニングのスキルは一般にあまり注目されていません。私がこれまでに見つけた星はせいぜい 200 個以上で、使用状況に関するフィードバックはほとんど不十分です。
| スキル | 星 | タイプ | 特定の機能 | 学ぶべき教訓 |
| パディコーチ | 21 | 包括的な | レディネススコア、その日の計画、トレーニング後のレビュー、トレーニング量の傾向の週次レビュー | データが欠落している場合は、それをレポートに記載してください。代わりに、エネルギーと痛みの 1 ～ 5 ポイントの自己評価を使用します。 HRV を過去 28 日間の個人の平均および標準偏差と比較します |
| 健康スキル | 13 | 総合的（特に健康管理） | 研究室、投薬、および着用データをローカル ファイルに収集します。ランニングの概要とトレーニング計画がある | 各データの出典を書き留めます。情報源が矛盾する場合は、それらを列挙してください。不明な場合は、何が足りないのか説明してください。 |
| クロードコーチ | 204 | 総合型（部分耐久） | トライアスロン、マラソン、ウルトラマラソンのトレーニング計画を作成する | データを受信できない場合は、トレーニング履歴を直接記述することができます。最初にトレーニング間隔を設定してから、クラスをスケジュールします。時間について確信が持てない場合は、むしろ保守的に考えたほうがよいでしょう。持久力トレーニングはその計画方法から学ぶことができます |
| 健康自己調査スキル | 86 | メソッドタイプ（より健康志向） | 原因不明の緊急性のない健康被害に対する低リスクの自己管理実験の設計 | 各バッチで尋ねられる具体的な質問は 2 ～ 4 つだけです。ベースラインは十分であり、完全な計画は「実験準備完了」のしきい値を超えた後に与えられます。緊急時には最初に安全に関する指示が与えられます |
| 健康OS | 0 | メソッドの種類 | 週ごとの内訳に従ってクラスをスケジュールし、エクササイズ ライブラリからエクササイズのみを選択し、ジムの設備でフィルタリングします。 | その場での振り付けは許可されません。各モデルは、適用可能な境界を明示する必要があります。クラスのスケジュールを立てるときに最初に目標を設定し、その後、準備状況と個人的な制約に基づいて調整します。 |
| トレーニングログアナライザー | – | メソッドの種類 | トレーニングログを分析して、進歩の傾向、停滞期、休息による回復の必要性、怪我のリスク指標を特定します。 | なし |
| グーグルヘルス睡眠スキル | 0 | メソッドタイプ（Google睡眠データのみを参照） | 睡眠と回復データを分析する | 関連性を持たせるには、少なくとも 10 泊分のデータが必要です。ベースラインを確立した後に比較する |
| リンゴの健康分析 | 10 | メソッドの種類 | 「30の疾病リスクスクリーニング」を含む、21の統計手法を使用して健康評価レポートを作成します。 | 主な結論には、A から D までの証拠レベルがマークされています。データのあるディメンションのみが評価され、統計はスクリプトに任せられます。 |
| ジムトレーニングの専門家 | – | 知識ベース | トレーニング量のグレーディング、漸進的な過負荷、および 3 種類のピリオダイゼーションについて説明します。 | 知識ベースとして使用したり、他の分析プロセスにリンクしたりできます。各筋肉グループの毎週のトレーニング量の間隔を提供します。トレーニングの量と強度を同時に高めることはできません。 |
| ワークアウトプログラムデザイナー | – | 知識ベース | 目標に基づいてトレーニング計画を作成します。テキストには要素のリストが 1 文だけ含まれています | なし |
注記：
- 統計時間は 2026.10.16 です。
- スター列の「-」は、スキルがプロジェクトのサブドキュメントであり、個別のスターがないことを示します。
- タイプ欄は私の主観的な分類であり、参考程度にしてください。
したがって、トップレベルのモデル (Claude Fable や ChatGPT Astra など) にアクセスできる場合は、エージェントに既成のスキルの利点を吸収させ、個人の習慣に合わせてスキルをカスタマイズすることをお勧めします。
スキルをカスタマイズする際の最も困難かつ重要なステップは、要件を整理し、詳細な実装計画を策定することです。まずはグリルミーのスキルを使って要件を明確に聞きます。これは Matt Pocock のオープン ソース スキル リポジトリから提供されており、その機能はエージェントに順番に質問させることです。大まかなアイデアから始めて、明確で詳細な結論を形成するために質問を続けます。欠点は、なぜまだこれほど多くの問題が残っているのか不思議に思うことがあるということです。
統計をコードに任せる
AI との最初の会話で、AI は非常に重要な質問をしました。計算と意思決定は誰が行うのですか?
