用 Claude Code 和多台设备定位神秘蜂鸣声
从找不到的蜂鸣声开始
一个堆满搬家纸箱的储物间,突然开始传出间歇性的蜂鸣声。声音之间的间隔太长,站在房间里听声辨位很难奏效,逐箱翻找又太费事。
为了解决这个问题,实验者让 Claude Code 开发了 Beep Locator:把散布在房间里的手机、平板和电脑变成监听节点,协同估计发声设备的位置。
这次实验使用了两台 iPad、一部手机、一台 MacBook Pro 和一台 Surface Ultra。最终,系统将目标位置缩小到约 40 厘米的范围;翻找对应位置的纸箱后,找到了一台需要更换电池的旧一氧化碳探测器。
多台设备怎样协同定位?
系统由一个 Python Web 应用服务器和多个浏览器监听端组成。主界面显示房间地图、设备位置和声音记录;其他设备通过二维码或网址加入,授权麦克风后开始监听。
整个过程可以分为三步。
1. 确定监听设备的大致位置
设备会互相播放声音,帮助估计彼此的位置。不过,实验中的自动定位效果并不理想,因此加入了“粗略模式”:
- 用户先在地图上拖动设备图标,给出大致位置;
- 系统再结合设备之间的声音测量,调整位置估计。
这保留了自动校准的能力,也允许人工提供必要的初始信息。
2. 检测蜂鸣并对齐音频
监听端通过 WebSocket 连接服务器,持续保留最近 60 秒的音频缓冲,并使用快速傅里叶变换(FFT)和高通滤波器识别可能的蜂鸣事件。
检测到事件后,系统会:
- 选择与服务器往返通信时间最短的设备,播放一段短促的啁啾声;
- 要求所有监听端上传音频片段,范围从蜂鸣发生前约 0.6 秒,延伸到啁啾声结束后约 0.8 秒;
- 利用这段啁啾声对齐各设备的录音,为后续定位提供依据。
多台设备都录到声音还不够,录音之间的时间对齐是关键。
项目参考了 2007 年的 BeepBeep 声学测距研究。该研究使用普通设备上的扬声器、麦克风和通信能力,结合双向感知、自录音及采样计数实现测距,不依赖预先部署的专用基础设施。
3. 人工确认目标,再持续积累观测
系统会把蜂鸣标成地图上的“X”,并写入声音日志。用户可以依次回放各监听端录到的片段,确认后点击“这就是要找的蜂鸣声”。
确认目标频率后,系统会继续监听相似声音、测量鸣叫间隔,并结合多次定位结果,估计最可能的发声位置。
用拍手验证,而不是只看地图
为了检查定位是否可信,项目加入了拍手检测模式:用户在房间不同位置拍手,观察地图上的估计位置是否合理。
拍手使用菱形标记,与蜂鸣的“X”区分;每个标记都带有时分秒时间戳,方便与现实中的声音对应。
音频回放功能也成为重要的验证工具:系统会依次播放不同设备录到的片段,并显示当前播放的是哪台设备的录音;回放时暂时关闭麦克风录制,避免将回放声再次录入。
随着搜索范围缩小,系统还增加了两项功能:
- 重新摆放设备:移动监听端后,重新进入粗略定位与校准流程,同时保留此前会话供只读查看。
- 建议新增监听点:根据已收集的数据,在地图上提示适合增加监听设备的位置。
让编程代理在运行中修改系统
开发过程并不是一次生成代码就结束。初版完成后,系统仍需要实际运行、观察和反复调整。
其中一个关键设计,是监听端提供了可经 WebSocket 触发的 installModule() 方法,使管理端能够向客户端下发并执行新代码。
部分设备在网页重新加载后会再次请求麦克风权限。通过模块热替换,开发者可以更新监听逻辑,而不必每次都走到各台设备旁重新授权。
在这个基础上,Claude Code 可以参与查看音频日志、修改检测逻辑和调整界面;人则负责摆放设备、拍手测试、确认目标声音,以及提出下一轮需求。
“给编程代理装上耳朵”的实际含义
这里的“听见”,并不是模型直接理解实时音频,而是让编程代理通过 JavaScript、Python、浏览器麦克风和日志,分析现实环境中的声音数据。
这个案例呈现的是一个具体的迭代过程:采集声音、检查记录、修改程序,再用真实声音验证效果。
也需要保留实验边界:约40厘米是这次家庭环境中的实际结果,并非面向所有房间和设备的精度保证;设备自动定位效果不佳的问题,也仍需要人工提供大致位置来辅助解决。
