跳转到内容
主站 新闻 控制台

用 Claude 定位神秘蜂鸣声的来源

· Simon Willison
技巧LLM

借助 Claude 定位神秘的哔哔声

2026 年 11 月 9 日

我们家有一间储物间,里面堆满了上次搬家后一直没拆封的箱子。几周前,那个房间里的某个东西开始间歇性地发出哔哔声。两次哔声间隔很久,我站在房间里根本没法判断声音从哪儿来,而我又实在不想把每个箱子都翻一遍。于是我让 Claude Code 构建了 Beep Locator,这是一套软件系统,可以利用散布在房间各处的多台设备,通过三角定位找出神秘哔哔声的来源。

下面是 Beep Locator 运行一段时间后的界面:

图 1:一个网页应用的截图,该应用把多部手机、平板和笔记本电脑当作麦克风,用来定位房间里一个神秘的哔哔声。左侧一栏有"添加监听设备"面板(含二维码和加入链接)、"控制"面板(含"校准"、"测试哔声"、"刚刚响了!"按钮和"监听哔声"复选框),以及一条"神秘哔声"备注,内容为"3345 Hz · 已确认 3 次 · 跨会话记忆"。其下的"设备"列表显示五个以颜色区分的监听设备(Simon iPhone、New iPad、Old iPad、MacBook Pro、Surface Ultra),每个都标注"✓ 麦克风正常 · ✓ 扬声器正常"。主区域是带网格的地图,设有 1 米比例尺,五台设备显示为彩色圆点,此前的声音则显示为带时间戳的小标记。MacBook Pro 附近有一个粉色阴影圆圈,标注为"神秘哔声 · 听到 2 次 · 误差约 41 厘米以内",旁边一个虚线加号标记提示"在此处添加监听设备?可将神秘哔声的位置精度提高约 12%"。地图下方是"神秘哔声响度 更热/更冷"面板,为每台设备显示一根条形图:Surface Ultra 最响,为"-6.0 dB ▲ 高出 +11.6 dB",并注明"约响 6 dB 意味着距离大约缩短一半"。底部的"已定位声音"表格列出最近的拍手声和哔声及其坐标,或显示警告"到达时间在物理上不可能(是回声,还是另一种声音?)"。

你先运行一个 Python Web 服务器来显示主界面,然后通过二维码或 URL 接入尽可能多的闲置设备,让它们充当监听器。我用了两台 iPad、一部手机、一台 MacBook Pro 和一台 Surface Ultra。

这些设备会互相播放声音,以帮助估算各自的位置。这个办法效果不太理想,所以我加了一个”粗略模式”(Rough mode),可以在空间中拖动设备图标来提供大致位置,再根据这些声音对位置做进一步调整。

设置完成后,所有设备就开始监听哔声!

我还加了一个拍手模式,这样我就可以在房间里不同位置拍手来测试,拍手位置在地图上显示为菱形。这让我对它定位声音的能力有了信心。

哔声会在地图上显示为一个 X,同时在”已定位声音”日志中新增一行。你可以(依次从每台设备)回放这些声音,确认它们就是你要找的神秘哔声,然后点击”这就是神秘哔声”进行标记。

一旦确认了神秘哔声的频率,系统就会持续监听它,测量哔声之间的间隔,并利用三角定位得到的位置在地图上锁定最可能的位置。

这套系统达到了预期效果。它给出的哔声位置误差在 40 厘米左右,我随后翻开那一堆箱子,找到了一个老旧的一氧化碳探测器,它正迫切地需要更换电池。

工作原理

当我开始和 Claude 一起研究这个问题时,它很快找到了 BeepBeep: A High-Accuracy Acoustic-Based System for Ranging and Localization Using COTS Devices,这是 Chunyi Peng、Guobin Shen、Yongguang Zhang、Yanlin Li 和 Kun Tan 于 2007 年发表的论文。以下是该论文的摘要:

我们介绍了 BeepBeep 的设计、实现与评估,这是一个基于声学的高精度测距系统。它运行于临时、自组织、设备对设备的场景,无需借助任何预先部署的基础设施。它是纯软件方案,只使用最基本的商用硬件——扬声器、麦克风以及某种形式的设备间通信——因此可以很容易地应用于许多低成本传感器平台和大多数商用现成(COTS)移动设备,如手机和 PDA。它通过三种技术的结合实现高精度:双向感知(two-way sensing)、自录音(self-recording)和采样计数(sample counting)。

这听起来正是我们需要构建的东西!

Beep Locator 运行着一个 Python Web 应用服务器,承担了大部分工作。监听设备通过 WebSocket 连接到该服务器,并呈现一个请求浏览器麦克风权限的界面。监听器的主要工作方式是录制最近 60 秒的音频缓冲。它们还会运行一个简单的哔声检测算法(参见 detector.js),该算法使用快速傅里叶变换(Fast Fourier Transform)和高通滤波器来识别潜在的哔声,并将这些事件发送给主服务器。

当有哔声被上报时,服务器会让一台设备(与服务器往返时间最短的那台)播放一段短促的啁啾声(chirp),然后要求每个监听器上传一段音频片段,范围从哔声前约 0.6 秒到该啁啾声后 0.8 秒。这段啁啾声使各个片段之间得以对齐,这是定位哔声的关键一步。

我是如何构建它的

我是通过 iPhone 上的 Claude Code Cloud 启动这个项目的,使用的是 Opus 5.5,并开启了”超高”思考强度(Extra thinking effort)模式。这是那次共享的起始会话,它始于针对一个新建的空 GitHub 仓库发出的如下提示词:

Write out a problem.md file describing the problem we want to solve

There is a device beeping in a room and I cannot find it

I want to set up several devices - laptops, phones, iPads - around the room all listening at the same time and have them help triangulate where the beep comes from

There needs to be a Python web app which coordinates it all - one device shows a web page for the app, other devices join a URL which turns them into listeners - all via browser WebAudio and WebSockets back to the Python server app

Ideally I wouldn't need to manually input the relative locations of the devices - it would be amazing if they could play sounds to each other in order to locate each other in 2D space - is that even possible though?

这让我得到了 problem.md 文件。在撰写该文件的过程中,Claude 找到并阅读了 BeepBeep 论文,文件中对此也有描述。

调研看起来不错,于是我对它说:

Ok try and build it, add a mechanism so you can send new code to the listeners which they will then run automatically - that way I can set everything up in the room and then leave you alone to continue hacking and experiment while I do something else

这把我带到了这个节点:系统的大部分已经构建完成,但还没有人真正尝试运行过它。

我把新仓库克隆到笔记本电脑上,启动了 Claude Code……随后 Fable 5.2 发布了,这个项目看起来正好可以用来好好考验它一番。

我让笔记本上的 Claude Code 启动服务器,并确保它既能看到运行中发生的情况,又能在软件运行时对其进行实时修改。