把一个生活问题交给编码 Agent:从一声找不到的蜂鸣到 40 厘米定位
Simon Willison 用 Claude Code 造了一套多设备声源定位器,锁定误差约 40 厘米。本文拆开这个流程:先写问题文档、让 Agent 先找已有论文、先造一个能自证的测试手段,再边跑边改。

先写清楚这件事要解决什么
一句话结论: 把一个说不清的生活问题,交给编码 Agent 一步步做成能跑的东西。
作者家里有个堆满纸箱的储物间,几周前里面开始不定时地响一声。响声隔得很开,竖着耳朵猜方向很折磨人,他也不想把每个箱子都翻一遍。
他没有去研究声学,而是让 Claude Code 写了一套叫 Beep Locator 的软件。房间里摆几台设备,每台开着麦克风一起听,靠多个设备收到的声音到达时间差反推声源在哪。
结果很具体:位置锁定到离真实声源大约 40 厘米以内。他照着翻纸箱,翻出一个老式一氧化碳探测器,电池该换了。
第一步是让它写下来,不是让它开始写代码
他起步用的工具是手机上的 Claude Code Cloud,模型是 Opus 5.5,开着 Extra thinking 推理模式。
第一条指令不是「写代码」,是「写一份 problem.md,说明我们要解决的问题」。他给的需求大意是:
房间里有个设备在响,我找不到它。我想在房间里摆几台设备——笔记本、手机、iPad—— 同时监听,用它们一起三角定位出蜂鸣声的位置。
需要一个 Python web 应用统一协调:一台设备显示主页面,其他设备访问一个 URL 就变成监听端,全部走浏览器的 WebAudio 和 WebSockets 连回 Python 服务器。
理想情况下我不用手动输入设备的相对位置, 如果它们能互相发声来定位自己在空间中的位置就更好。
这段话里有四层信息:问题是什么、手里有什么设备、已经想好用什么技术、有哪处是「理想情况下」。
最后一层最容易被漏掉。 明确标出「我希望你做到但不确定能不能做到」的那一句,等于给 Agent 留了一个去找答案的口子。后面它真的去找了。
它先去找已有论文,而不是自己发明算法
写 problem.md 的过程中,Claude 很快翻出了一篇 2007 年的论文 BeepBeep,作者是 Chunyi Peng、Guobin Shen、Yongguang Zhang、Yanlin Li 和 Kun Tan。
摘要里最该被新手记住的一句是:这个方案跑在临时、即席、设备对设备的环境里,不依赖任何事先规划好的基础设施,只用最基础的商品硬件——一个扬声器、一个麦克风、某种设备间通信方式。
论文用三个技术做到高精度:双向感知(two-way sensing)、自记录(self-recording)、采样计数(sample counting)。
这件事的价值不在声学,在方法。你手上有 Agent 的时候,先让它去找已经有人做过的方案,比让它从零写一遍要靠谱得多。 论文里被验证过的问题,比 Agent 现编的方案更值得信。
定位能成立,靠三个工程细节
他把论文的思路落成了这样一套结构:
| 环节 | 具体做法 | 为什么这一步不能省 |
|---|---|---|
| 录音 | 监听端持续录 60 秒的近期音频缓冲 | 声音是间歇的,不能只录当下的几秒 |
| 检测 | detector.js 用快速傅里叶变换加高通滤波器挑出可能是蜂鸣声的片段 | 原始音频噪声太多,没法直接算 |
| 对齐 | 让一台设备(往返延迟最低的那台)放一段短促的 chirp,再让每个监听端上传「蜂鸣前约 0.6 秒到 chirp 后 0.8 秒」 | 各设备录音时间轴不一致,chirp 是对齐基准 |
第三步是整套系统的支点。chirp 相当于给所有录音打上同一个时间戳。没有它,各设备报上来的到达时间没法互相比较,三角定位也无从谈起。
整体结构很朴素:Python web 应用服务器承担大部分工作,监听设备通过 WebSockets 连上来,浏览器页面请求麦克风权限,检测到的事件发回主服务器。
先造一个能自证的测试手段
这是整个项目里最值得抄的一步。
系统刚跑起来时,地图上的位置是空的——你没法确认它到底能不能定位声音。作者加了一个拍手段:自己在房间不同位置拍手,地图上就用菱形标出来。
有了这个手段,他可以先验证「系统能不能定位一个我明确知道位置的声音」。验证通过了,再去相信它给出的蜂鸣声位置。
后面的操作顺着这个思路展开:蜂鸣在地图上显示为 X,另有「Sounds located」日志;可以逐个设备重放录音,确认哪一段才是要找的那个声音;确认后点「This is the mystery beep」标记下来。
标记之后,系统才开始监听这个频率、测量两次蜂鸣之间的间隔,用三角定位锁定最可能的位置。
先造一个能自证的测试手段,再去用它的结论。 这条在任何用 Agent 做东西的场景都成立。
设备互相发声来定位这件事,初始设想是让设备之间互相播放声音来推算彼此位置,实际效果不理想。
作者的修法是加一个「Rough mode」——在地图上直接拖动图标给出大致位置,系统再在这个粗略位置上用声音数据往下调整。先粗后细,很务实。
边跑边改:把代码送到正在跑的设备上
在笔记本上把仓库克隆下来、跑起 Claude Code 之后,他基本就坐在旁边跟模型聊天,顺手提需求。
开发过程里有一个设计值得单独说:Opus 5.5 在监听端写了一个 installModule() 方法,可以通过 WebSocket 触发。管理服务器因此能往任意一台正在运行的客户端上推送并执行新代码。
作者提到一个很实际的麻烦:有些设备的网页每次刷新都要重新请求麦克风权限。有了热替换机制,部署新代码就不必一台台手动去点。
结尾那句才是重点
作者说,这个项目最有意思的地方,是他证明了「可以让 Claude Code 有耳朵」。Claude 本身没有原生音频输入,但它能跑 JavaScript 和 Python 去分析麦克风采集到的音频。
给 Agent 装上感知能力的路子不止一种。麦克风、摄像头、串口,本质上都是同一件事:让它能自己看到结果,而不只是让你看到。
资料来源与未核实项
本文依据 Simon Willison 2026 年 11 月 9 日的博客文章 Locating the source of a mysterious beep with Claude ↗ 整理。
另参考其中引用的 2007 年论文 BeepBeep,作者为 Chunyi Peng、Guobin Shen、Yongguang Zhang、Yanlin Li、Kun Tan。
核对到的内容与日期(2026-11-12 读取原文):
- 蜂鸣的起因、用 Claude Code 造出 Beep Locator、多台设备三角定位、最终定位到约 40 厘米并找到需要换电池的一氧化碳探测器。
- problem.md 起始指令、BeepBeep 论文的三项技术、Python 服务器加 WebSockets 与 WebAudio 的结构、60 秒录音缓冲。
- detector.js 用快速傅里叶变换加高通滤波、chirp 取「蜂鸣前约 0.6 秒到 chirp 后 0.8 秒」、Rough mode、拍手段、installModule() 热替换与作者逐条列出的改进需求。
没有实际验证过的部分:
- 本文作者没有运行 Beep Locator,没有复现定位精度,也没有核对 BeepBeep 论文中的实验数据。
- 「约 40 厘米」是作者在自己家里的一次测量结果,不是论文指标,也不是普遍精度保证。
- 文中「三角定位」「到达时间差」等说法按原文转述,本文未做独立推导或复算。
接着往下读
- 想先了解 Agent 和工具的区别,见 它开始自己点下去之后,你要看的是失败。
- 想看 AI 编程工具实际怎么拆任务、怎么验证,见 AI 编程进入第三代:项目级助理怎么拆任务、怎么验证。
有一台能装 Claude Code 或类似编码 Agent 的电脑
适用范围:2026-11-12 依据当天采集素材整理
以下来源方便你逐项对照;引用文档不代表已经完成实际操作测试。
- 核对了什么:打开原文逐段核对——储物间蜂鸣的起因、problem.md 的起始指令原文、BeepBeep 2007 论文的作者与三项技术、Python 服务器加 WebSockets 与 WebAudio 的结构、60 秒录音缓冲、detector.js 用快速傅里叶变换加高通滤波、chirp 取「蜂鸣前约 0.6 秒到 chirp 后 0.8 秒」、Rough mode、拍手段、installModule() 热替换、以及作者逐条列出的改进需求,均已核对;核对日期 2026-11-12。没做什么:没有运行 Beep Locator,没有复现定位精度,没有读 BeepBeep 论文原文验证其实验数据;「约 40 厘米」是作者在自己家的一次测量,不是论文指标。
- 核对了什么:本次只做表达层改写(拆长段落、结论前置、删重复与填充句),数字、型号、版本、日期、URL、官方表述、否定表述(没有/不支持/不含/仅限)以及限制条件与来源全部保留;改写前后用脚本抽取正文里的数字、英文专名与 URL 做集合比对,差集为空,说明没有丢事实。没做什么:没有新增任何事实,没有重新实测文中提到的产品,没有改动正文里已有的表格、清单、代码块与图。
- 原文链出的开源仓库,作为项目本身的参考入口;本文未克隆该仓库、未运行其代码,仓库内容与本文描述的一致性未经逐一核对。
来源发布时间:2026/11/10。来源采集记录随文章版本保留。
发现内容与当前界面不一致?
提交内容纠错金额随意,多少都帮得上忙。AITime 的资料整理、事实核对和每日更新由个人完成, 没有付费墙,所有内容都可以免费读。
扫码使用微信支付,备注可以留空。
哪个工具卡在哪一步、想给文章补一个真实案例、都可以加我。 留言时写清来源和具体问题,我看到会回。
扫一扫添加好友,备注写「AITime」我更容易认出来。
讨论与使用经验
正在加载讨论…