Simon Willison 用 Claude Code 打造开源蜂鸣声定位系统

Simon Willison用Claude Code打造开源蜂鸣定位系统，定位误差40厘米

Simon Willison 家中杂物间出现间歇性蜂鸣声，因间隔太远难以人工定位，他便用 Claude Code 从零构建了开源的 Beep Locator：一台 Python 服务器通过 WebSockets 连接多台设备，让两台 iPad、一部 iPhone、一台 MacBook Pro 和一台 Surface Ultra 在浏览器里充当麦克风阵列做三角定位。系统思路来自 Claude 检索到的 2007 年 BeepBeep 声学定位论文，用 FFT 和高通滤波检测蜂鸣，并让设备互发 chirp 来对齐录音片段；设备自动互测位置效果不佳，他又加了手动摆放的 Rough mode 和鼓掌测试模式来验证。最终系统把声源定位到约 40 厘米范围内，他在对应位置的箱子堆里找到一块急需换电池的老旧一氧化碳报警器。项目从 iPhone 上的 Claude Code Cloud 起步，使用 Opus 5.5 配额外思考模式，起点只是一段需求描述和一个空的 GitHub 仓库。

rss · Simon Willison 博客 · 11月9日 23:57 · 社区讨论 · 互证 2 家

「为何现在」 文章于 11 月 9 日刚发布，代码仓库与初始 Claude 会话均已公开，属于可复核的新鲜案例；它展示的是 AI 编程代理目前能把一句需求扩展到什么程度，并非模型或平台的实质更新，适合作为案例素材而非必须跟进的新闻。

「内容切入」 可做角度：复盘这个从一句 problem.md 到可运行系统的完整过程——Claude 自己找到 2007 年的 BeepBeep 论文并设计 chirp 对齐方案，但设备自动互测位置失效、需要人工 Rough mode 兜底，用这个有真实结果（约 40 厘米定位精度）的案例讨论 AI 编程代理在真实硬件场景中的能力与边界。

「社区讨论」 评论区对项目兴趣浓厚，也出现了更省事的替代思路：有人提议把箱子分批搬运做物理二分查找，有人提到约 1000 美元的声学成像相机；博主 simonw 补充说家里此前已被烟雾报警器的低电量提示音困扰过多次，因此想一劳永逸解决这类问题。

查看原文 ↗