top of page

Claude Code 蜂鸣定位器在人工协助下找到隐藏警报器

12分钟前
讀畢需時 12 分鐘

Simon Willison 使用 Claude Code 定位一段隐藏的家用蜂鸣声。据他报告,尽管设备校准遇到困难,最终估计位置的误差仍在约 40 厘米以内。他的 Claude Code 蜂鸣定位器项目将普通设备接入了一个共享监听系统。这一结果为软件如何让编程代理接触物理证据提供了具体案例。

在其 11 月 9 日发布的蜂鸣声定位记录中,Willison 描述了如何在存放的箱子中找到一个旧的一氧化碳探测器。这项实验解决了他的当务之急,也揭示了一个不止关乎他家里的重要区别:生成一个看似合理的应用,与构建一个能自行检查测量结果的系统,并不是一回事。

一个有用的对照可以追溯到 2007 年发表的声学测距研究 BeepBeep。其底层物理原理早于编程代理。较新的发展在于,开发者如今可以围绕这些物理原理组装软件、检查其行为,并在使用过程中持续修改。对于评估代理的开发者而言,这会将注意力转向任务中可获取证据的质量。

Claude Code 蜂鸣定位器将家庭问题标注到地图上

Willison 的配置使用了两台 iPad、一部手机、一台 MacBook Pro 和一台 Surface Ultra。一台 Python 服务器通过浏览器连接协调这些设备。自动定位效果不佳,因此他增加了一个可手动放置设备大致位置的模式。

真正有意义的成果是得到一个足以采取行动的搜索区域,而不是一款完成度成熟的消费级产品。

这种区分让故事保持务实。翻找箱子的人未必需要精确坐标。一个有用的估计可以改变先打开哪一堆物品。其实用价值取决于系统能否充分降低不确定性,从而支持下一步行动。

Willison 还加入了拍手测试和可在确认目标声音前重放的录音。这些功能让他能将应用的输出与自己识别出的事件进行比较。他报告的结果仍属于家庭环境中的观察,尚未经过独立的可靠性测试。

这比只有漂亮界面更具参考价值。地图看起来可以很有说服力,却仍可能呈现不可靠的测量结果。从已知位置测试声音,创造了显示结果与房间实际情况不一致的机会。这样的不一致正是有效调试的起点。

该项目也说明了,任务完成需要外部参照。一个应用宣称已定位到蜂鸣声,只是内部结果。找到实物则提供了独立检查。第二项观察赋予第一项结果实际意义,尽管它并不能证明系统具有普遍准确性。

对读者而言,这一边界与成功结局同样重要。实验支持的是这次搜索中发生了什么,并不能证明另一个家庭能以多高的一致性获得相同结果,也不能说明另一位操作人员需要做多少调整。

因此,合理评估应将实用性与可重复性分开。该系统据称对其创建者有用。可重复性则需要在不同条件下进行更多观察。这两种说法可以同时成立,而不会削弱该项目的工程价值。

该案例也让“可运行的软件”成为一个要求更高的范畴。程序可以正常启动、接受连接并绘制结果,却仍可能误解物理事件。在这里,成功取决于预测与计算机之外实物之间可观察到的关系。

这种关系构成了文章的核心张力。编程代理可以生成调查问题所需的软件,但调查仍需要测量、核验,以及能够识别这些测量何时值得信任的人。

无法检查自身工作的代理面临压力

该项目更广泛的意义关乎反馈。编程代理做出修改、观察发生的情况,并利用观察结果决定下一项修改。这个循环的有效性在很大程度上取决于代理能检查什么。

开发者在判断代理时,应同时考察其获取证据的能力与生成代码的能力。

设想一个假设性的调试场景:唯一可用信号是脚本结束时没有报错。代理可以确认执行已完成,但无法确认脚本是否正确测量了预期事件。这是两个需要不同观察手段的问题。

更丰富的环境会暴露中间证据。开发者可以区分录音缺失、检测失败,以及定位错误。这种分离让下一次实验更有针对性,也有助于人们在事后评估其解释。

Anthropic 的代理工具设计指南强调有意义的工具响应和评估。这代表的是该供应商的工程立场,而不是对 Beep Locator 的独立验证。不过,它为解读该实验提供了有用框架:代理与环境之间的接口会影响工作结果。

竞争背景并不止于 Anthropic。Google 关于终端代理架构的公告,描述了如何将其终端体验与共享代理后端一起纳入 Antigravity。其所述方向强调代理如何在更大的开发环境中运行。

两项公告都无法证明哪种产品在这项家庭任务中表现更好。这里没有受控对比。中性的比较聚焦于产品侧重点:代理供应商正越来越多地将周边执行环境描述为其产品的一部分。

对于买家而言,这提出了一个实用的评估问题:当代理称任务已完成时,操作人员能检查哪些证据?有说服力的解释很有用,但保留的录音、可复现测试或可观察行为支持的是不同层级的审查。

对开发者而言,同一个问题会改变集成优先级。将代理连接到另一项服务只是开始。该连接必须返回有助于区分合理解释的信息。否则,额外访问权限可能带来更多活动,却无法消除不确定性。

这一分析也指出了谁承担剩余工作。工程师和技术用户仍需定义可接受的结果。他们必须决定哪些观察算数、哪些失败需要干预,以及结果在何处仍属暂定。委托实现并不会自动解决这些决定。

因此,Claude Code 音频分析作为工作流案例颇具意义。它的相关性来自将生成的软件与可观察的问题连接起来。对竞争产品的压力在于,让可比的核验过程可检查、可重复,而不只是易于在演示中描述。

共享录音让位置估计成为可能

公开的 Beep Locator 代码描述了一个麦克风阵列,也就是多个麦克风协同用于推断声音信息。浏览器音频能力负责监听端,而 WebSockets,即持续的双向网络连接,将它们连接到 Python 服务器。

该仓库描述了到达时间差分析,即比较声音到达不同麦克风的时间。监听端代码也可以远程替换,无需重新加载页面。这些实现细节会直接影响测量和实验。

该机制依赖于可比较的录音、已知的设备位置,以及经得起检查的时间证据。

项目的蜂鸣检测代码将初始检测与后续服务器分析分开。其注释明确将监听端的工作描述为近似检测。服务器在对上传音频进行更精确分析前,会先决定是否有足够多的设备听到了该事件。

这种分工很重要,因为识别可能事件与定位该事件并不相同。检测器可能正确触发,而定位阶段仍然失败。反过来,如果收到的是无关声音的录音,再准确的定位软件也毫无用处。将这些视为独立阶段,会让失败更容易调查。

检测器包含快速傅里叶变换,这是一种将信号分离为频率成分的计算。它还包含高通滤波器,用于减少低频内容。这些常规信号处理技术为讨论 Claude Code 音频分析提供了具体基础,同时避免暗示其具有人类般的听觉。

该设计带来一种有用的解读:代理对声音的访问由软件中介。它能得出什么结论,取决于软件暴露了什么信息。缺失事件、失真的录音或误导性的摘要,都可能限制后续推理。

历史参照进一步强化了这一点。BeepBeep 声学研究考察了使用普通扬声器和麦克风进行测距。其作者结合双向感测、自录音和样本计数来应对计时问题。他们的工作针对的是一个经过评估的特定系统,而不是这一基于浏览器的实现。

仅因两者都使用声音,就将论文的性能结果转移到新项目上,会造成误导。共享原理并不能保证共享准确性。硬件、软件、实验条件和具体任务都会影响结果能够证明什么。

对于这个故事,这篇论文提供了技术先例。它表明,基于普通设备的声学测量拥有研究历史。编程代理的贡献属于别处:围绕既有方法组装应用,并支持对所得系统进行迭代。

远程代码替换与这种迭代尤其相关。作为一种工程推断,保留正在运行的实验可以减少每次软件变更造成的中断。它为反复调整创造空间,同时保留可供观察的物理布置。

这并不能消除更新后进行检查的必要性。更改测量软件可能会改变后续结果的含义。当操作人员能将每项观察与产生它的软件版本联系起来时,实验就更容易评估。

因此,AI 声音定位,即通过 AI 辅助系统估计声音位置,应在系统层面加以讨论。模型、检测器、录音和定位逻辑承担不同功能。将其统称为“AI 听到了它”,会掩盖需要验证的部分。

人类判断始终是实验的一部分

在这个案例中,人类的作用是结果不可或缺的一部分。有人必须识别问题、布置设备、解读输出并检查建议区域。这些行动提供了软件无法单独确立的信息。

人工确认应被视为一项操作要求,只要结果依赖于它。

这并不意味着软件所作的贡献微不足道。工具可以节省精力,同时依赖一位知情的操作人员。许多有价值的调查都是如此。报道中重要的问题在于,叙述是否清楚界定了辅助与无人值守操作之间的边界。

评估此类系统的一个有用方法,是考察其交接环节。软件推断了什么?操作人员确认了什么?当两者存在分歧时会发生什么?明确的答案能帮助人们判断,同一工作流是否适合另一位用户的情境。

例如,假设某个系统正确检测到了重复的声音,却将其归因于错误的事件。更复杂的定位方式未必能解决这一错误。调查首先需要一种可靠的方法来识别目标声音。

另一个假设性的失败涉及几何关系。如果应用程序假定的麦克风位置与实际位置不同,即使视觉呈现得很精确,结果仍可能具有误导性。对显示点位的信心应来自测量过程,而不是图形的清晰程度。

这些例子解释了,为何在报道编码代理时,操作人员控制功能值得关注。确认、纠正和回放功能通常不如主要输出结果上镜,但它们可能决定一个人能否调查错误,而非只是接受它。

它们也改变了有效委派任务的含义。用户不必指定每一行代码,仍能保有实质性的控制权。用户可以转而定义继续之前所需的观察结果,这会让停止条件更加具体。

对于技术团队而言,这些决策的记录可能与最终实现同样重要。保留假设、失败的方法和观察到的结果,会为另一位工程师提供可供质疑的材料。单独一份经过润色的成功总结,留下的审查空间则更少。

将此类记录整理为可搜索的知识库的团队,能更轻松地重新查阅早先的证据。这里的关联很实际:实验性工作在其推理过程于即时任务结束后仍可访问时,能够获益。

Claude Code 蜂鸣声定位器案例还提示了一种更有用的自主性含义。问题不只是代理是否在没有中断的情况下行动,而是其行动是否始终与支持用户目标的观察结果相连。

代理可以执行许多步骤,却几乎没有取得进展。反过来,一次知情的人为纠正也能让原本停滞的系统变得有用。评估组合式工作流,比起计算提示次数或强调生成代码的数量,更能准确涵盖这两种可能性。

这也为任何展示类似项目的人留下了明确责任:说明让结果得以实现的辅助因素。读者随后便能评估这项成果,而不会假定软件自行处理了所有不确定性。

一次成功搜索并不能证明普遍可靠性

现有证据支持一个被报告的具体结果。它并未提供不同房间、设备组合或用户之间的已发布误差分布。本文尚未独立运行该系统,因此其在家庭环境中的表现仍应归因于 Willison 的说法。

一次成功搜索证明该系统在那个场景中具有实用性,而普遍可靠性仍是一个有待测量的问题。

这一界定保护了这个故事最有力的部分。该结果之所以有趣,是因为它借助可检查的软件解决了一个真实问题。它并不需要一个缺乏支持的主张,即这种方法在任何地方都能稳定奏效。

更广泛的评估需要在收集结果前先定义成功。定位到正确的大致区域、估算坐标,以及识别某个具体物体,是不同的结果。一个系统可能实现第一个目标,却未能达到其他目标。

评估还需要统计失败情况。只报告出现合理位置的场合,会使性能难以解读。遗漏事件、错误匹配,以及需要大量人工干预的会话,都会影响使用该工具的体验。

校准值得单独核算。经过细致调整后才能奏效的方法,依然可能很有价值。但调整所需的工作量应纳入结果之中。否则,读者无法区分易于使用的实用工具与需要持续技术投入的实验。

同样的原则也适用于重复测量。同一设置下的多次输出,并不必然证明其在独立条件下的表现。有用的评估应区分同一次会话内的重复观察与采用全新布置的新会话。

置信度与正确性之间也存在差别。应用程序可以给出范围很窄的估计,却依赖于不符合环境的假设。审查者应询问该估计如何被核验,而不是将其呈现方式视为验证。

报告的结果中没有任何内容证明其具备安全监控能力。相关结果仅涉及定位声音来源。若将这一结果延伸为对警报状态或环境的判断,则需要单独的证据和不同的评估。

行业层面的含义同样有限。这个案例并未证明 Claude 在实体故障排查方面优于其他编码代理。但它确实提供了一个可据以设计有意义比较的示例:相同任务、可比访问权限、记录在案的干预以及可观察的结果。

AI 声音定位使这些评估问题变得显而易见,因为输出指向的是一个物理位置。只要生成的软件需要解读证据,同样的推理就可更广泛地适用。结果获得的信心,应与支持它的检查程度相称。

因此,最有力的怀疑立场仍为这项成果留有空间。据报道,该应用帮助其创建者解决了问题。尚未回答的问题是,这种成功在新条件和经验较少的操作人员手中能保留多少。

关注复现、校准改进和可复用反馈

接下来有价值的发展,应是让这个案例更容易被评估,而不只是看上去更令人印象深刻。在未来几个月,三个具体信号值得关注:独立复现、有记录的校准改进,以及可复用的反馈界面。

下一步需要的是另一位使用者能够检查、复现和质疑的证据。

独立复现应放在首位。另一位用户记录全新的设置和已知的声音位置,将为原始叙述之外补充证据。最有信息价值的记录还应包括不成功的尝试,以及过程中所需的调整。

如果系统能够反复将搜索范围缩小到足以提供帮助的程度,这一结果将增强其实际复用价值。即使一份报告显示了大量故障排查过程,它仍然有价值,因为它能指出当前方法在哪些地方依赖专业知识或有利条件。

接下来是校准改进。一项有记录的改动若能降低定位所需的工作量,随后再根据已知位置进行检查,就能解决一个明显弱点。相关信号应是设置过程或准确度可测量的改善,而不是重新设计的地图。

若更新隐藏了不确定性,却没有改善底层测量,则会削弱信心。若更新让不佳测量更容易被识别,则会强化工程层面的论证,即使显示的估计有时变得不那么精确。

可复用反馈界面是第三个信号。开发者应关注如何保留录音、检查中间结果,并将观察结果与软件变更关联起来。这类界面将使调查更易于审计和调整。

这一发展将支持关于代理工具的更广泛结论:获取证据会成为团队能够有意提供和评估的能力。缺少它,类似项目就可能仍只是演示,其表面上的成功很难与操作人员的努力区分开来。

这些信号也为比较竞争性代理提供了合理框架。比较应考察每个系统是否获得了相关证据,以及当证据与初始解释冲突时是否作出恰当反应。仅比较代码生成速度,会让任务的大部分内容未被衡量。

对于考虑自行开展实验的读者,眼前的启示是在委派实现工作之前先定义外部检查。决定哪项观察结果能证明结果有用,并保留足够的证据,以便在一个看似吸引人的答案未能通过该检查时识别出来。

Claude Code 蜂鸣声定位器项目很适合作为这场讨论的起点,因为它的目标始终很具体:房间里的某处传出了声音,最终有人检查了建议区域。

请带着这种关系阅读其实现。将被报告的结果与支持每项测量的假设分开。询问哪些决定需要人来作出,以及哪些检查可由另一位操作人员重复。如果你要在自己的工作中评估编码代理,请选择一个具有可观察终点的任务,并保留支撑其答案的证据。什么能让你区分真正有用的结果与令人信服的展示?

 
 

免费开始使用

一款本地优先的AI助手

为了获得更好的人工智能体验,

remio 目前仅支持Windows 10+ (x64)和M-Chip Mac 。

你的 AI 工作伙伴

和 remio 一起高效工作

规划、创作、交付

一站式完成

bottom of page