top of page

Claude Code Beep Locator 在人手協助下找出隱藏警報器

19 分鐘前
讀畢需時 11 分鐘

Simon Willison 使用 Claude Code 尋找隱藏在家中的蜂鳴聲;儘管校準裝置遇到困難,他報稱估計位置誤差約在 40 厘米內。他的 Claude Code 蜂鳴聲定位專案,將日常裝置連接成一套共享聆聽系統。結果提供了一個具體例子,說明軟件如何讓編碼代理接觸實體證據。

Willison 在其 11 月 9 日的蜂鳴聲定位記錄中,描述了如何在儲物箱之間找到一個舊的一氧化碳偵測器。這項實驗解決了他的即時問題,同時亦揭示了一項不止關乎他家中的區別:產生一個看似合理的應用程式,與建立一個能自行核對量度結果的系統,並不是同一回事。

有用的比較可追溯至 2007 年發表的聲學測距研究 BeepBeep。其背後的物理原理早於編碼代理出現。較新的發展,是能夠圍繞這些物理原理組裝軟件、檢視其行為,並在使用期間作出修訂。對正在評估代理的開發者而言,這使焦點轉向任務期間可取得證據的質素。

Claude Code Beep Locator 將家居問題標示在地圖上

Willison 的設定使用了兩部 iPad、一部手機、一部 MacBook Pro,以及一部 Surface Ultra。一個 Python 伺服器透過瀏覽器連線協調各裝置。自動定位證實頗為棘手,因此他加入了可手動放置裝置大約位置的模式。

真正重要的成果,是一個足以採取行動的搜尋範圍,而非一件完成的消費產品。

這個區別令故事保持務實。翻找儲物箱的人未必需要精確座標;有用的估算足以改變先打開哪一堆箱。實際價值取決於系統能否充分減低不確定性,以支持下一步行動。

Willison 亦加入拍手測試及可重播的錄音,然後才確認目標聲音。這些功能讓他可將應用程式輸出與自己能辨認的事件作比較。他報稱的結果仍屬家居觀察,並未經獨立可靠性測試。

這比單靠一個吸引人的介面更具資訊價值。地圖看起來可以很有說服力,卻可能反映不佳的量度結果。從已知位置測試聲音,讓畫面顯示與房間實況之間有機會出現差異;有用的除錯正是由這種差異開始。

這個專案亦說明,為何完成任務需要外部參照。應用程式宣稱已定位蜂鳴聲,屬於內部結果;找到實體物件則提供另一重核對。第二項觀察為第一項結果賦予實際意義,儘管它並不能證明普遍準確度。

對讀者而言,這條界線與成功結局同樣重要。實驗支持的是這次搜尋中發生了甚麼,並不能證明另一個家庭會以多高的一致性取得相同結果,或另一位操作員需要多少調整。

因此,合理的評估應把實用性與可重複性分開。據報這套系統對其創作者有用;可重複性則需要在不同條件下作更多觀察。兩項說法可以同時成立,亦不會減損這個專案的工程價值。

這個案例亦令「可運作的軟件」成為要求更高的分類。一個程式可以成功啟動、接受連線並繪出結果,卻仍可能誤解實際事件。此處的成功取決於預測與電腦以外物件之間可觀察到的關係。

這種關係構成文章的核心張力。編碼代理能產生調查問題所需的軟件,但調查仍需要量度、核對,以及一位能辨識何時值得信賴這些量度的人。

壓力落在無法核對自身工作成果的代理身上

這個專案更廣泛的意義關乎回饋。編碼代理作出一項改動、觀察結果,並以該觀察決定下一項改動。這個循環是否有用,很大程度取決於代理能夠檢視甚麼。

開發者評估代理時,應同時衡量其取得證據的能力及生成程式碼的能力。

設想一個假設的除錯工作階段,唯一可用訊號只是指令碼在沒有錯誤下完成。代理可以確認執行已結束,卻無法確認指令碼是否正確量度了預定事件。這是需要不同觀察才能回答的兩個問題。

更豐富的環境會提供中間證據。開發者可分辨是缺少錄音、偵測失敗,還是定位誤差。這種分隔令下一項實驗更有目的,亦有助人類其後評估解釋。

Anthropic 的代理工具設計指引,強調具意義的工具回應及評估。這是供應商的工程立場,而非對 Beep Locator 的獨立驗證。儘管如此,它為解讀這項實驗提供了有用框架:代理與環境之間的介面會影響工作成果。

競爭環境不止 Anthropic。Google 的終端代理架構公告,描述將其終端體驗與共用代理後端一同帶入 Antigravity。其表述方向強調代理如何在更大的開發環境中運作。

兩項公告均未證明哪一種產品在這項家居任務中表現較佳;這裡沒有受控比較。中性的比較在於產品重點:代理供應商愈來愈將周邊執行環境描述為其產品的一部分。

對買家而言,這引出一個實際評估問題:當代理稱任務已完成,操作員可檢視甚麼證據?具說服力的解釋固然有用,但保留的錄音、可重現的測試或可觀察的行為,支持的是另一層次的審視。

對開發者而言,同一問題改變了整合工作的優先次序。將代理連接到另一項服務只是起點;連線必須傳回有助分辨合理解釋的資訊。否則,額外存取權可以帶來額外活動,卻無法消除不確定性。

這項分析亦指出誰承擔餘下工作。工程師和技術用戶仍須界定可接受的結果,決定哪些觀察可作準、哪些失敗需要介入,以及結果在哪裡仍屬暫定。委派實作工作並不會自動解決這些決定。

因此,Claude Code 音訊分析作為工作流程例子值得關注。它的相關性來自把生成的軟件連接到可觀察的問題。對競爭產品的壓力,是令可比的核對程序可供檢視及重複進行,而不只是容易在示範中描述。

共享錄音令位置估算成為可能

公開的 Beep Locator 程式碼描述了一個咪高峰陣列,即多個咪高峰一同用來推斷聲音資訊。瀏覽器音訊功能處理聆聽端,而 WebSockets(持續的雙向網絡連線)則將它們連接至 Python 伺服器。

儲存庫描述了到達時間差分析,即比較聲音到達不同咪高峰的時間。聆聽端程式碼亦可在毋須重新載入頁面的情況下遙距替換。這些實作細節,直接影響量度及實驗。

此機制依賴可比較的錄音、已知的裝置位置,以及可供檢視的時間證據。

專案的蜂鳴聲偵測程式碼將初步偵測與後續伺服器分析分開。其註釋明確將聆聽端的工作描述為近似偵測。伺服器會決定是否有足夠裝置聽到事件,然後才對上載音訊進行更精確的分析。

這種分工相當重要,因為辨識可能的事件與定位事件並不相同。偵測器可以正確觸發,但定位階段可能失敗;相反,即使定位軟件準確,若收到的是無關聲音的錄音,亦毫無用處。將兩者視為不同階段,可令失敗更容易調查。

偵測器包括快速傅立葉轉換,這是一種將訊號分拆為頻率成分的計算方式;亦包括高通濾波器,用以減低較低頻內容。這些傳統訊號處理技術,為討論 Claude Code 音訊分析提供具體基礎,而不暗示其具有類人聽覺。

這個設計引出一項有用的理解:代理取得聲音的方式受軟件中介。它能得出甚麼結論,取決於該軟件呈現甚麼資訊。遺漏事件、失真的錄音或具誤導性的摘要,都可能限制隨後的推理。

歷史參照加強了這一點。BeepBeep 聲學研究探討使用一般揚聲器和咪高峰進行測距。其作者結合雙向感測、自我錄音及樣本計數,以處理計時問題;該研究針對一個經評估的特定系統,而非這個以瀏覽器為基礎的實作。

若只因兩者都使用聲音,便把該論文的效能結果套用到較新的專案,將會造成誤導。共享原理不保證共享準確度。硬件、軟件、實驗條件及具體任務,均會影響結果能證明甚麼。

就這個故事而言,該論文提供技術先例,顯示以一般裝置作聲學量度已有研究歷史。編碼代理的貢獻則在別處:圍繞既有方法組裝應用程式,並支援對所得系統反覆改進。

遙距程式碼替換與這種迭代尤其相關。作為工程推論,保留一項正在運行的實驗,可減少每次軟件改動所造成的干擾。它讓人可重複調整,同時保留可供觀察的實體佈置。

這並不能免除更新後核對的需要。改變量度軟件,可能改變後續結果的含義。當操作員能將每項觀察與產生該觀察的軟件版本連繫起來,實驗便更容易評估。

因此,AI 聲音定位——透過 AI 輔助系統估算聲音位置——應在系統層面討論。模型、偵測器、錄音及定位邏輯各自發揮不同功能。將它們簡化為「AI 聽到了」會掩蓋需要驗證的部分。

人類判斷仍是實驗的一部分

在這個案例中,人類角色是結果不可或缺的一部分。有人必須識別問題、安排設備、解讀輸出,並檢查建議區域。這些行動提供了軟件本身無法獨立確立的資訊。

人手確認應視為一項操作要求,只要結果有賴於此。

這並不代表軟件的貢獻微不足道。工具可以節省工夫,同時依賴具備充分資訊的操作人員。許多有價值的調查工作正是如此。報道時的重要問題是,敘述是否清楚界定協助與無人監督操作之間的界線。

評估這類系統的一個實用方法,是檢視其交接點。軟件推斷甚麼?操作人員確認甚麼?當兩者意見不一致時會怎樣?明確答案有助判斷,同一工作流程是否適合另一位使用者的情況。

例如,假設某個系統正確偵測到重複的聲音,卻將它歸因於錯誤事件。更精密的定位未必能解決這個錯誤。調查首先需要可靠的方法辨識目標聲音。

另一個假設性的失敗情況涉及幾何位置。如果應用程式假設的咪高峰位置與實際位置不同,即使視覺上看來精確的結果仍可能誤導。對顯示點位的信心必須來自量度過程,而非圖像的清晰程度。

這些例子說明,報道 coding agents 時應重視操作人員控制項。確認、更正和重播功能通常不及主要輸出結果上鏡,卻可能決定一個人能否調查錯誤,而非只是接受它。

它們亦改變了有效委派工作的意義。使用者毋須指定每一行程式碼,仍可保留有實質意義的控制權。使用者可以改為定義在繼續前所需的觀察結果,令停止條件更加具體。

對技術團隊而言,這些決策的紀錄可能與最終實作同樣重要。保留假設、失敗方法和觀察結果,可讓其他工程師提出質疑。只有一份經潤飾的成功摘要,會留下較少審查空間。

將這類紀錄整理成可搜尋的知識庫的團隊,可讓早前的證據更易重訪。兩者的關聯很實際:當實驗工作的推理在即時任務結束後仍可取得,便能從中受益。

Claude Code 聲響定位器案例亦提出了更有用的自主性定義。問題不只是 agent 有否在不中斷下行動,而是其行動是否持續連結到支持使用者目標的觀察結果。

Agent 可以執行很多步驟,卻幾乎沒有進展。相反,知情的人手更正可令原本停滯的系統變得有用。評估整合後的工作流程,比起計算 prompts 數目或強調生成程式碼的數量,更準確地涵蓋這兩種可能。

這也為展示類似項目的人留下明確責任:描述令結果得以實現的協助。讀者便能評估成果,而不會假設軟件單獨處理了所有不確定因素。

一次成功搜尋不足以證明整體可靠性

現有證據支持一項具體的報告結果,但未有提供涵蓋不同房間、裝置組合或使用者的已發表誤差分佈。本文未有獨立運行該系統,因此其家居環境表現仍歸因於 Willison。

一次成功搜尋證明它在該環境下有用,但整體可靠性仍是有待量度的問題。

這個區分保護了故事中最有力的部分。結果之所以有趣,是因為它以可檢視的軟件解決真實問題。它毋須提出未獲支持的說法,指該方法在任何地方都能持續奏效。

更廣泛的評估需要在收集結果前界定成功。找出正確的大致區域、估算座標,以及辨識個別物件,是不同結果。系統可能滿足第一項目標,卻未能達到其餘目標。

評估亦需要計算失敗情況。只報告出現看似合理位置的時候,會令效能難以解讀。遺漏事件、錯誤配對,以及需要大量介入的工作階段,都會影響使用工具的體驗。

校準應有獨立的紀錄。經仔細調整後可運作的方法,仍然可以很有價值,但調整所需工夫應計入結果。否則,讀者無法分辨易於使用的工具,與需要持續技術投入的實驗。

同一原則亦適用於重複量度。來自不變設定的多個輸出,不一定能證明在獨立條件下的效能。有用的評估會區分同一工作階段內的重複觀察,與採用全新安排的新工作階段。

信心與正確性之間亦有差異。應用程式可以給出範圍很窄的估算,同時依賴不適合環境的假設。審閱者應問估算如何獲得核實,而非把其呈現方式視為驗證。

報告結果中沒有任何內容證明具備安全監察能力。相關結果只是關於定位聲音來源。將結果延伸為對警報狀況或環境的判斷,需要另外的證據和不同的評估。

業界層面的含意同樣有限。此案例並不能證明 Claude 在實體疑難排解方面優於另一個 coding agent。不過,它提供了一個可設計有意義比較的例子:相同任務、可比的存取權、記錄在案的介入,以及可觀察的結果。

AI 聲音定位令這些評估問題變得明顯,因為其輸出指向實際位置。每當生成式軟件解讀證據時,同樣的推理都可更廣泛地適用。結果應獲得與支持它的核查相稱的信心。

因此,最有力的懷疑立場仍為成果留下空間。該應用程式據報協助其創作者解決問題。尚未解答的問題是,當面對新條件及經驗較少的操作人員時,這項成功有多少能夠延續。

留意重現、校準改進及可重用回饋

接下來有用的發展,應令案例更易評估,而不只是更令人印象深刻。在未來數月,三個具體訊號值得留意:獨立重現、已記錄的校準改進,以及可重用的回饋介面。

下一步是讓另一人能夠檢視、重現和質疑的證據。

獨立重現最為重要。另一位使用者記錄全新設定及已知聲音位置,將會提供原始敘述以外的證據。最有參考價值的紀錄應包括失敗嘗試,以及過程中所需的調整。

如果系統能反覆將搜尋範圍縮小至足以提供幫助,這個結果便會強化其實際重用價值。即使報告顯示需要大量疑難排解,仍然有價值,因為它能指出目前方法在哪些地方依賴專業知識或有利條件。

接下來是校準改進。已記錄、可減少定位工夫的改動,並隨後以已知位置作核查,將能處理一項明顯弱點。相關訊號是設定過程或準確度獲量度的改善,而非重新設計地圖。

如果更新只是隱藏不確定性,卻未改善底層量度,便會削弱信心。若更新令不佳量度更易辨識,即使顯示的估算有時變得較不精確,仍會強化工程層面的論據。

可重用回饋介面是第三個訊號。開發者應留意保存錄音、檢視中間結果,以及將觀察結果連結至軟件變更的方法。這類介面可令調查更容易審核和調整。

這項發展將支持有關 agent 工具的更廣泛結論。存取證據會成為團隊可刻意提供和評估的能力。缺少這一點,類似項目便有可能仍只是示範,其表面上的成功難以與操作人員付出區分。

這些訊號亦提供了比較競爭 agent 的合理框架。比較應檢視每個系統是否取得相關證據,並在證據與最初解釋衝突時作出恰當回應。單看生成程式碼的速度,會令任務的大部分內容未被量度。

對考慮自行實驗的讀者而言,即時的教訓是在委派實作前先定義外部核查。決定哪項觀察能顯示結果有用,並保留足夠證據,以辨識一個看似吸引的答案何時未能通過該核查。

Claude Code 聲響定位器項目是展開這場討論的良好起點,因為它的目標一直很具體:房間內某處傳來聲音,而最終有人檢查了建議區域。

閱讀實作時,請記住這種關係。將報告結果與支持每項量度的假設分開。問問哪些決策需要人手,以及哪些核查可由另一位操作人員重複。如果你要在自己的工作中評估 coding agent,請選擇一項有可觀察完成條件的任務,並保留其答案背後的證據。甚麼能讓你分辨有用結果與令人信服的展示?

 
 

為每個智能代理提供更完整的背景,提升工作表現

讓智能代理連接 remio 已整理好的知識、決策和歷史紀錄。

remio 目前支援 Windows 10+(x64) 及配備 Apple 晶片的 Mac。

你的 AI 工作夥伴
和 remio 一起高效工作

規劃、創作、交付
一站式完成

bottom of page