मैंने एक AI बनाया जो हर सुबह मेरे रिकवरी डेटा को पढ़ता है — देखिए यह असल में क्या आउटपुट देता है

मैंने यह क्यों बनाया

समस्या सुनने में सरल लगती है: मेरे पास बहुत ज़्यादा डेटा है बहुत सारे उपकरणों से जो एक-दूसरे से बात नहीं करते।

WHOOP 5.0, Garmin Forerunner 265S, 8Sleep Pod, Speediance Gym Monster 2S — साथ ही Chronometer के ज़रिए कैलोरी ट्रैकिंग। हर उपकरण अपने ही ऐप में, अपने ही इकोसिस्टम में, अपने ही बंद बगीचे में रहता है। Speediance का कोई वेब ऐप नहीं है। Tonal का भी नहीं था। WHOOP का वेब ऐप पिछले दो सालों में क्रमशः और बिगड़ता गया है। इनमें से कोई भी एक-दूसरे से किसी सार्थक तरीके से बात करने के लिए डिज़ाइन नहीं किया गया है।

तो मैंने वही किया जो डेटा समस्याओं के साथ हमेशा करता हूँ: मैंने कुछ बना लिया।

धूल खा रही एक M3 Ultra Mac पर OpenClaw चलाते हुए करीब एक हफ़्ते में, मेरे पास एक चालू फिटनेस इंटेलिजेंस सिस्टम थी जो छह कनेक्टर्स से डेटा खींचती है और दो रिपोर्ट बनाती है: एक मॉर्निंग रिपोर्ट जो बताती है कि मुझे कितनी कड़ी ट्रेनिंग करनी चाहिए, और एक नाइटली रिपोर्ट जो दिन का मूल्यांकन करती है। दोनों अपने-आप एक होस्टेड डैशबोर्ड (GitHub Pages) पर पोस्ट हो जाती हैं, जिसे मैं कहीं से भी देख सकता हूँ।

टेक स्टैक

हार्डवेयर: बेस एजेंट होस्ट के रूप में M3 Ultra Mac। ARIA फिटनेस डैशबोर्ड सँभालती है और कई कनेक्टर्स से आने वाले डेटा का समन्वय करती है।

मॉडल: MiniMax (~$10/महीना) के ज़रिए प्राथमिक ऑर्केस्ट्रेशन, जो भरोसेमंद है और बजट जलाए बिना काम ठीक से सौंपने के लिए काफ़ी धीमा है। जब भारी उठाने की ज़रूरत होती है — मल्टी-स्टेप इंटीग्रेशन काम, डिबगिंग, नए कनेक्टर्स बनाना — तो मैं ऑन-डिमांड Claude (Anthropic) जैसे होस्टेड मॉडल पर स्विच कर लेता हूँ। रोज़मर्रा की रिपोर्ट जनरेशन के लिए सस्ता प्लान ही काम चला लेता है।

कनेक्टर्स (6 सक्रिय):

• WHOOP API (रिकवरी स्कोर, HRV, स्लीप डेटा, स्ट्रेन)
• Garmin Connect (गतिविधि डेटा — रन, HR ज़ोन, पेस, ट्रेनिंग लोड)
• Speediance (Reddit कम्युनिटी के अनौपचारिक API एंडपॉइंट के ज़रिए — यह वॉल्यूम, एक्सरसाइज़ ब्रेकडाउन और 1RM अनुमानों समेत पूरे वर्कआउट डेटा को खींचता है)
• 8Sleep (Pod से स्लीप स्कोर, तापमान, HRV)
• Chronometer (कैलोरी और मैक्रो डेटा)
• Apple Health (एक ब्रिज लेयर जो Speediance कैलोरी डेटा को सही-सही स्ट्रेन कैलकुलेशन के लिए WHOOP तक पहुँचने देती है)

Speediance कनेक्टर के बारे में ही सबसे ज़्यादा पूछा जाता है। कोई आधिकारिक API है ही नहीं। Reddit कम्युनिटी में किसी ने वह एंडपॉइंट पब्लिश किया जो आपके पूरे वर्कआउट डेटा को लौटाता है। OpenClaw ने उसे ढूँढ निकाला, मैंने उसे URL पर पॉइंट किया, और चंद मिनटों में वह मेरा वर्कआउट इतिहास डाउनलोड करके डैशबोर्ड में पाइप कर रहा था। पूरा वर्कफ़्लो — अनौपचारिक Speediance मैनेजर डाउनलोड करना, उसे डिकंपाइल करना, डेटा एंडपॉइंट पहचानना, कनेक्टर बनाना — एजेंट को उतना भी समय नहीं लगा जितना मुझे यह काम खुद करने में लगता।

मॉर्निंग रिपोर्ट असल में कैसी दिखती है

यहाँ 11 फरवरी, 2026 का असली आउटपुट है — 18% WHOOP रिकवरी दिन:

---

सुबह की फ़िटनेस रिपोर्ट — 11 फरवरी, 2026

डेटा स्रोत: WHOOP, Garmin, 8Sleep, Speediance, Chronometer

रिकवरी सारांश:

• WHOOP रिकवरी: 18% 🔴
• HRV: 18.7ms (7-दिन की बेसलाइन से नीचे)
• कुल नींद (WHOOP): 3.5h
• 8Sleep स्कोर: 61/100
• पिछले दिन का WHOOP स्ट्रेन: 11.6

ट्रेनिंग लोड (पिछले 7 दिन):

• Speediance वॉल्यूम: 94,280 lbs
• दर्ज रन: 4 सत्र, 8.9 मील
• सबसे उच्च तीव्रता वाला सत्र: 8 फरवरी एनारोबिक रन

⚠️ फ़्लैग्स:

• नींद का कर्ज़ पाया गया (>2h बेसलाइन से नीचे)
• कल का कैलोरी सेवन: 792 kcal (मेंटेनेंस की तुलना में ~800 kcal का अनुमानित घाटा)
• चोट का जोखिम बढ़ा हुआ: तीव्र नींद की कमी + कैलोरी की कमी

सिफ़ारिश: सक्रिय रिकवरी विश्वास: 77.8% | भारित स्कोर: 55.65

तर्क: रोलिंग बेसलाइन की तुलना में HRV अवसादग्रस्त है। नींद का कर्ज़ प्राथमिक कारण है — 3.5h न्यूरोमोटर रिकवरी के लिए नैदानिक रूप से अपर्याप्त है। कैलोरी की कमी रिकवरी के दमन को और बढ़ाती है। पिछले दिन का 11.6 का स्ट्रेन मध्यम था और आम तौर पर हल्के सत्र का समर्थन करता, लेकिन तीनों नकारात्मक इनपुट (नींद, कैलोरी, HRV) का संयोजन सिफ़ारिश को केवल सक्रिय रिकवरी पर स्थानांतरित कर देता है। 20–30 मिनट की हल्की ज़ोन 1 रन स्वीकार्य है। Speediance Warrior 1 कार्यशील वज़न पर: आज सिफ़ारिश नहीं। BJJ: सिफ़ारिश नहीं (प्रतिक्रिया समय के जोखिम में गिरावट)।

---

वह असली आउटपुट है। कोई सामान्य "आज आराम करें" नहीं — विशिष्ट इनपुट्स को सामने रखने, विश्वास स्तर दिखाने, और BJJ कॉल को स्पष्ट रूप से किए जाने के साथ एक तर्कसंगत सिफ़ारिश, क्योंकि सिस्टम जानता है कि मैं जिउ-जित्सु करता हूँ और कि BJJ का चोट जोखिम प्रोफ़ाइल लिफ़्टिंग सत्र से अलग है।

77.8% विश्वास संख्या मायने रखती है। जब विश्वास कम होता है — मान लीजिए, 55% — तो मैं जाँच करता हूँ कि कौन से संकेत परस्पर विरोधी हैं। इस मामले में, पिछले दिन का स्ट्रेन स्वतंत्र रूप से आराम की माँग करने के लिए पर्याप्त नहीं था, लेकिन अन्य तीन नकारात्मक संकेतों ने इसे मतदान में हरा दिया। मॉडल अपना काम दिखाता है।

रात्रिकालीन रिपोर्ट

रात्रिकालीन रिपोर्ट तब चलती है जब मेरे पास दिन की गतिविधियों को लॉग करने का समय होता है। यह मूल्यांकन करती है:

• क्या ट्रेनिंग सुबह की सिफ़ारिश से मेल खाती थी?
• वास्तविक संचित WHOOP स्ट्रेन क्या था?
• यदि लिफ़्टिंग सत्र हुआ तो Speediance वॉल्यूम
• Chronometer से कैलोरी क्लोज़-आउट
• Speediance से कोई नए 1RM PR
• यदि लागू हो तो Garmin से रन डेटा

यह उसी डैशबोर्ड पर पोस्ट होती है। समय के साथ, मैं पीछे मुड़कर देख सकता हूँ कि क्या मैंने सुबह की सिफ़ारिशों का पालन किया और परिणाम क्या था — क्या मैंने लाल दिन को ओवरराइड किया और दो दिन बाद बदतर महसूस किया?

क्या मैंने पीले दिन ट्रेनिंग की और PR पोस्ट किया? डेटासेट कुछ उपयोगी बनकर तैयार होता है।

इसे बनाने ने मुझे वास्तव में क्या सिखाया

मुझे लगा था कि इसमें हफ्तों लगेंगे। शामों का लगभग एक हफ्ता लगा। ज्यादातर समय M3 Ultra पर शुरुआती सेटअप और पहला काम करने वाला कनेक्टर बनाने में गया। जब OpenClaw के पास एक कनेक्टर काम करने लगा, तो अगला बनाना तेज़ हो गया। जब उसे डेटा मिला, तो विज़ुअलाइज़ेशन लेयर बनाना और भी तेज़ हो गया।

निराशाजनक हिस्से ये रहे: मुफ़्त मॉडल (Google AI Studio, Nvidia Kimmy K2.5) जटिल मल्टी-स्टेप कार्यों में बड़ी गलतियाँ करते हैं। Google के मॉडल ने एक बार गलत स्कोप पर git clean चलाकर अपनी ही कोर कॉन्फ़िगरेशन फ़ाइलें हटा दीं। Nvidia का मॉडल जब काम करता है तो तेज़ है, और जब नहीं करता तो पूरी तरह ख़ामोश रहता है। बिल्डिंग और डिबगिंग के लिए, सही API key वाले Claude की बराबरी कोई नहीं कर सकता — लेकिन यह tokens तेज़ी से खर्च करता है। मैं जिस समाधान पर पहुँचा वह है: रोज़ाना शेड्यूल्ड रन के लिए Miniax, और जब मैं सक्रिय रूप से कुछ नया बना रहा होता हूँ तब ऑन-डिमांड Claude।

Speediance डेटा पाइपलाइन ने सबसे ज़्यादा धैर्य माँगा। अनाधिकारिक endpoint प्रलेखित नहीं है। Agent को अनाधिकारिक Speediance मैनेजर ऐप के नेटवर्क अनुरोधों का निरीक्षण करना पड़ा, सही endpoint की पहचान करनी पड़ी, auth पैटर्न समझना पड़ा, और pagination को सही तरीके से हैंडल करने वाला कनेक्टर बनाना पड़ा। उसने यह सब किया। मैंने logs में इसे काम करते देखा। वह पल — जब उसने पूरे exercise breakdown के साथ 125 पूर्ण workouts सफलतापूर्वक खींचे — तभी मुझे समझ आया कि लोग इस तकनीक को पहले की किसी भी चीज़ से वास्तव में अलग क्यों बताते हैं।

बड़ा परिदृश्य

मैं वर्षों से fitness tech में हूँ। Apple Watch के आने से पहले मेरे पास Microsoft Band था। मैंने WHOOP की हर जेनरेशन इस्तेमाल की है। मेरे पास Tonal रहा है। मेरे पास दो Speediances रहे हैं। मैंने इस स्पेस में कभी भी मौजूद हर ऐप के ज़रिए कैलोरी ट्रैक की हैं।

यह सिस्टम जो करता है और जो किसी और ने नहीं किया, वह यह है कि वह उस सारे डेटा को एक ही कमरे में लाकर बैठा देता है और कुछ ऐसे को जिसमें वास्तविक reasoning क्षमता हो, उसे एक साथ देखने देता है। असंबद्ध widgets का कोई dashboard नहीं। एक agent जो मेरे HRV trend, पिछले हफ़्ते की lifting volume, मेरी caloric intake, और मेरे sleep डेटा को एक साथ देख सकता है और ऐसा निर्णय ले सकता है जो इन सबका हिसाब रखता है।

क्या यह perfect है? नहीं। Calorie डेटा पाइपलाइन अभी भी अस्त-व्यस्त है — मैं अपनी हाल की यात्रा के Snap Cow डेटा के लिए एक Apple Health bridge बना रहा हूँ। Speediance कनेक्टर कभी-कभी कोई workout छोड़ देता है अगर अनाधिकारिक API timeout हो जाए। BJJ strain समस्या वास्तविक है: WHOOP यह तो पता लगा सकता है कि jiu-jitsu session ने मेरी heart rate बढ़ाई, लेकिन एक जानकार coach की तरह neuromotor और grip-fatigue घटक का आकलन नहीं कर सकता।

लेकिन 11 फरवरी को, जब इसने मुझे बताया 18% रिकवरी, 77.8% कॉन्फिडेंस, Active Recovery — तो यह सही था। और इसने मुझे बताया, इससे पहले कि मैं बिस्तर से उठ भी पाता।

यह फिटनेस तकनीक का वही रूप है जिसे मैं तब से बनाने की कोशिश कर रहा हूँ जब से मैंने पहली बार इन चीज़ों को ट्रैक करना शुरू किया। इसे संभव बनाने के लिए बस सही प्लेटफ़ॉर्म का होना ज़रूरी था।