Eu Criei um Sistema de IA Que Gerencia Toda a Minha Vida Fitness. Veja Como.

O Problema com Dados de Fitness

Eu usei três rastreadores de sono na cama - Garmin, WHOOP e 8Sleep. Todos me dizem algo diferente toda noite.

Isso não é uma reclamação. Eles estão medindo coisas diferentes. Mas o problema é que nenhum deles se comunica com o outro. Garmin mostra meu sono de forma diferente do que WHOOP. 8Sleep tem sua própria pontuação. WHOOP me dá recuperação. Garmin me dá status de treino. Nada disso se conecta.

E o lado do treino de força? Speediance e Tonal são jardins murados. Eles não exportam dados facilmente. Eu estava preso rastreando tudo manualmente em planilhas - exatamente a coisa que comprei essas máquinas para evitar.

Então eu construí um sistema para consertar isso.

O Que Estou Executando

Estou executando OpenClaw em um Mac M3 Ultra. ARIA é minha assistente principal, gerenciando o painel, quadro de tarefas e coordenando dados de múltiplos conectores. Uso uma mistura de modelos locais e hospedados para operação consciente de custos.

O Relatório da Manhã

Toda manhã, o sistema é executado e puxa dados de todos os lugares:

• WHOOP - pontuação de recuperação, carga, desempenho do sono
• Garmin - análise do sono, status de treino, VFC
• 8Sleep - pontuação de sono, tempo dormido, VFC
• Speediance - volume de levantamento de ontem, detalhes do treino
• Cronometer - nutrição, proteína, calorias

Então ele gera um relatório matinal. Não apenas dados - análise. Ele me diz:

• Quão recuperado eu estou
• Quão forte eu treinei ontem
• Qual deve ser meu status de treino hoje
• Se eu devo forçar ou descansar

Este é o insight que eu não conseguia obter de nenhum aplicativo sozinho. Nenhum deles sabe sobre os outros. Nenhum deles consegue correlacionar sono + levantamento + nutrição juntos.

O Relatório Noturno

Toda noite, outro relatório é executado:

• Eu atingi minha meta de proteína?
• Quanto eu levantei hoje?
• Qual é minha carga acumulada da semana?
• Como está a tendência da minha recuperação?

É como ter um treinador que nunca dorme checando todo dia.

Os Conectores

OpenClaw não tinha conectores nativos para a maioria disso. Eu os construí.

Na verdade - eu disse a OpenClaw o que eu queria. Ele construiu os conectores.

Para Speediance, existe um endpoint de API não oficial que puxa dados de treino. Eu alimentei isso no OpenClaw. Agora ele puxa meu volume de levantamento automaticamente todo dia.

Para Garmin e WHOOP, estou usando as APIs deles. Os dados fluem para o sistema, são normalizados e se tornam úteis.

Para 8Sleep, é mais complicado. A exportação de dados é inconsistente. Algumas noites funcionam, outras não. Isso está na minha lista para resolver.

Por que Mac Mini?

Eu tentei executar isso em um PC com Windows primeiro. Foi um lixo total. A configuração foi um pesadelo. Mal conseguia fazer qualquer coisa.

Depois tentei em um Mac M3 Ultra. Diferença absurda.

Funcionou tudo de primeira. OpenClaw roda sem problemas. As chamadas de API são rápidas. É confiável.

A lição: não economize no hardware. Se você quer que isso funcione, use um Mac capaz.

Os Provedores Gratuitos

Estou usando vários provedores de LLM gratuitos através do OpenClaw:

• Google - sólido, mas os limites de taxa chegam rápido
• Nvidia - Kimmy 2.5 é excelente quando funciona, mas pode travar
• MiniMax - meu driver diário. $10/mês pelo plano mais barato. Confiável, lento, mas deliberado. A lentidão é na verdade um benefício - não consome tokens rapidamente.
• Mistral - uso ocasionalmente, não atingi limites

Para tarefas de raciocínio pesado, eu alterno para modelos hospedados como Claude (Anthropic) sob demanda. O custo aumenta rapidamente, então reservo isso para tarefas complexas de múltiplas etapas onde modelos locais têm dificuldade.

O Enxame de Agentes

Aqui está o padrão que eu uso:

Quando tenho uma tarefa complexa, eu crio múltiplos agentes em paralelo. O MiniMax os coordena. Cada agente lida com uma parte da tarefa - um puxa dados, outro os formata, um terceiro verifica erros. Então o MiniMax junta tudo.

Isso economiza tokens. Rodar tudo através de modelos hospedados premium consumiria meu orçamento rapidamente. Ao distribuir trabalho para provedores gratuitos e usar modelos hospedados apenas para a montagem, mantenho os custos gerenciáveis.

O Painel de Fitness

Eu construí um painel personalizado usando OpenClaw. Ele mostra:

• Todas as minhas métricas diárias em uma visão
• Gráficos de tendência para sono, recuperação, musculação
• Resumos semanais e mensais
• Recomendações de status de treinamento

Está hospedado no GitHub Pages. Eu posso acessar de qualquer lugar. Qualquer pessoa também pode - sou transparente sobre meus dados de treino. Se as pessoas quiserem ver como estou evoluindo, elas podem.

O App Rastreador de BJJ

Um dos projetos que estou desenvolvendo é um rastreador de técnicas de BJJ. A visão:

• 150+ técnicas indexadas
• Filtrar por posição, nível de faixa, tipo de finalização
• Rastrear quais eu treinei, favoritas, lacunas
• Links de vídeo para cada técnica

OpenClaw construiu a estrutura inicial. Então eu mudei para o Codex para as edições de frontend. Esse é o fluxo: OpenClaw para arquitetura e lógica, Codex para ajustes de UI. Edições menores não valem a troca de contexto com um LLM.

O Que Eu Aprendi

Modelos gratuitos funcionam. MiniMax a $10/mês lida com 90% do que eu preciso. Claude apenas para o difícil.

Hardware importa. Um Mac capaz (M3 Ultra no meu caso) é o ponto ideal. Confiável, poderoso o suficiente.

Agentes são aditivos. Rodar um agente é útil. Rodar três em paralelo, coordenados, é transformador.

Dados de fitness devem ser unificados. Nenhum app único sabe tudo.

{"text":"Construir a ponte entre Garmin + WHOOP + Speediance + 8Sleep me deu insights que eu não conseguiria obter em nenhum outro lugar.\n\nIsso é tão grande quanto a internet. Estou nesse meio desde o início da web. Já vi muitas transformações. OpenClaw — e os agentes de IA de modo geral — é a tecnologia mais transformadora que já encontrei. O iPhone foi incrível. Isso é maior.\n\n## O que vem a seguir\n\nContinuo aprimorando o painel. O segundo cérebro está crescendo — lembretes, automações, integrações.\n\nO rastreador de BJJ ainda precisa de trabalho. No momento, ele é muito básico. Mas a base está pronta.\n\nTambém estou analisando a integração com automação residencial. Alexa, luzes inteligentes, controle climático — ter um agente que conhece minha carga de treinamento e ajusta meu ambiente de acordo com ela.\n\nSe quiser ver os relatórios de condicionamento físico, eles já estão disponíveis no meu GitHub Pages. De manhã e à noite, rodando automaticamente. Esse é o poder dessa configuração.\n\n## A conclusão\n\nNão construí isso porque os aplicativos não fossem bons o suficiente. Construí porque nenhum aplicativo isolado conseguia enxergar o cenário completo. Sono + musculação + nutrição + recuperação — tudo está interligado. Os dados também deveriam estar.\n\nOpenClaw tornou isso possível. Não foi fácil — mas possível. E, uma vez em funcionamento, funciona sozinho."}