本文翻译自 howisFelix.today，原载于 Hacker News。

背景：为什么我要把整个人生放进数据库

2019 年，Felix Krause 开始收集关于自己生活的各种指标。在过去的 3 年里，他每天追踪超过 100 种不同类型的数据——从健身、营养到社交生活、电脑使用和天气。

这个项目的目标是回答关于生活的问题：

• 在不同城市生活如何影响健身、生产力和幸福感？
• 睡眠如何影响一天的状态、健身水平和心情？
• 天气和季节如何影响生活？
• 过去几年有什么趋势？
• 电脑时间、工作和会议时间如何影响个人生活？

自项目启动以来，他收集了约 38 万个数据点，主要数据来源包括：

最初域名是 whereisFelix.today（现已更名为 howisFelix.today），开始只是个玩笑，用来回复朋友问他什么时候回纽约或旧金山。与其发日程，不如直接指向这个域名。但现在它不仅仅是位置：它是他的全部生活。

项目规则：

• 使用单一数据库，由自己拥有和托管，存储多年来收集的所有数据
• 能够随时轻松添加和删除问题
• 完全控制数据可视化方式
• 适应频繁飞行者的混合时区
• 100% 开源，MIT 许可证，自托管

有趣的发现

心情与生活方式的关联

在标记心情为”开心”和”兴奋”的日子里，生活的其他方面受到影响：

• 挑战舒适区的可能性高 50%
• 当天冥想的可能性高 44%
• 对未来感到兴奋的可能性高 33%
• 当天喝酒的可能性高 31%（派对、好友聚会等）
• 阅读或听有声书的时间多 28%
• 处理有趣技术挑战的可能性高 26%
• 当天温度高 26%
• 当天学到新东西的可能性高 20%
• 音视频通话时间少 45%

睡眠时长的影响

睡眠超过 8.5 小时的日子里：

• 出现感冒症状的可能性高 65%
• 头痛的可能性高 60%
• 社交媒体使用增加 40%
• 更可能是雨天（高 30%）
• 更可能是周末（高 20%）
• 当天去健身的可能性低 20%
• 精力少 24%

这很有意思——睡眠时间长的日子往往是不太好的日子。这很可能是因为他通常限制睡眠在 8 小时以内，如果真的睡得更久，通常是因为身体不适或生病。

高温天气的影响

最高温度超过 26°C（78.8°F）的日子里：

• 洗冷水澡的可能性高 80%
• 去健身的可能性高 37%
• 每日步数多 26%
• 酒精饮料多 20%
• 晚上出门的可能性高 15%
• 不太可能午睡（低 13%）
• 代码编辑器时间少 20%
• 生病的可能性低 21%
• 处于 COVID 封锁的可能性低 100%

步数与生活质量

走路超过 15,000 步的日子（过去 3 年平均每天 9,200 步）：

• 与朋友相处的时间多 60%
• 当天温度高 50%
• 睡前与朋友社交的可能性高 40%
• 更可能是周末（高 35%）
• 当天午睡的可能性低 20%
• 正确追踪饮食的可能性低 30%
• 工作会议时间少 30%
• 焦虑程度低 30%
• 冥想的可能性低 40%
• 写代码时间少 40%
• 是雨天的可能性低 40%
• 看 TV 时间少 50%
• 处于封锁的可能性低 95%

周末是什么样的

周末自然意味着更少的工作时间，更多的外出和社交互动：

• 电脑”娱乐”时间多 150%（主要是和朋友玩 Factorio 或帝国时代）
• 看 TV 时间多 74%
• 与朋友相处时间多 60%
• 跳舞多 55%
• 头痛的可能性高 45%（因为前一晚喝酒）
• 健身房访问少 25%
• 正确追踪饮食的可能性低 45%

技术实现

这个项目名为 FxLifeSheet，100% 开源于 KrauseFx/FxLifeSheet。

数据库

使用 Postgres 构建的基于时间戳的键值数据库。每行包含 timestamp、key 和 value：

• timestamp：数据记录的时间
• key：描述记录什么（如 weight、locationLat、mood），可以随时添加和删除
• value：实际值，可以是数字、字符串、布尔值等

数据输入

通过 Telegram 机器人每天多次手动回答问题。问题涵盖健身、健康（营养、运动、睡眠等）到生活（感受、社交媒体时间等）。Telegram API 的可扩展性使得这变得简单，甚至可以自定义键盘以根据问题提供预设回复。

数据可视化

在尝试了各种可视化工具后，最终使用 Ruby、JavaScript 和 Plotly 编写了自己的数据分析层。

隐私考虑

Felix 实际上发布过很多 iOS 隐私项目（iOS 上录音或拍照时显示的那个绿色/橙色 LED 指示灯就是他的贡献）。为什么要做这个项目？

• 很多可视化数据实际上是大公司已经拥有的用户数据，为什么用户自己不能拥有？
• 数据存储在自己私有的数据库中，不连接任何服务
• 展示的数据看起来很个人，但实际上不暴露敏感信息。例如，披露当前位置、家庭住址或经常去的商店是敏感且潜在危险的。但即使看移动数据地图，也不会获得比大多数人在 Twitter 简介中公开的更多信息

结论

这是文章中最有价值的部分——诚实的反思：

总的来说，花费大量时间构建这个项目、扩展到现在的规模以及分析数据后，主要结论是不值得构建自己的解决方案，投入这么多时间。

当 3 年前开始这个项目时，他期望学到更多令人惊讶和有趣的事实。确实有一些，看这些图表也很有趣，但回过头来看，这并不足以证明在这个项目上投入的数百小时是合理的。

2025 年更新： 我已经停止收集数据和处理这个项目，但我会保留这个页面。

个人思考

这篇文章让我印象深刻的是作者的诚实。很多”量化自我”（Quantified Self）的文章只展示酷炫的结果，但很少有人愿意承认：投入产出比可能并不划算。

但这并不意味着量化自我没有价值。作者提到，虽然不再大量追踪，但他对生活的觉察力确实提高了。这可能是这类项目最大的收获——不是数据本身，而是追踪数据过程中培养的自我意识。

如果你想开始量化自我，作者建议寻找这些特征的服务：

• 确保能完全访问数据（数据导出或公开 API）
• 看看项目维护者如何对待反馈
• 评估你想投入多少时间追踪数据
• 了解商业模式，是否可持续
• 不要只用 App：经验表明 App 往往是数据孤岛，功能有限，在大屏幕上分析数据更高效

核心要点：

1. 数据追踪需要长期坚持才能看到有意义的趋势
2. 自己构建系统虽然灵活，但时间成本很高
3. 数据本身不是目的，提高自我认知才是
4. 隐私可控是关键——数据应该属于你自己
5. 最终，生活的质量不取决于你追踪了多少数据