AI 实干派 看真正用 AI 拿到结果的人怎么做
AI 生活·本周演示·2026-11-09·US

满屋没拆的箱子里,Claude 帮他找出一直在响的报警器

Simon Willison 用 Claude Code 做了一个多设备声音定位工具。他说定位误差约 40 厘米,最后在那堆箱子里翻出一只旧的一氧化碳报警器。

谁·场景
开发者 Simon Willison 家里有间储物间,堆满搬家后还没拆的箱子,其中有东西间歇性地蜂鸣。两声间隔太长,人站在屋里听不出位置。
怎么用
他先在手机上用 Claude Code Cloud 写问题说明,AI 顺带找到一篇 2007 年的声学测距论文。系统由一台 Python 服务器和若干设备组成,各设备用浏览器麦克风监听;之后他在笔记本上和 Fable 5.2 一边运行一边加功能。
结果
他说系统把声源定位到约 40 厘米内。翻开那一堆箱子,找到一只急需换电池的旧一氧化碳报警器。
你可以试
遇到靠人工排查很费劲的家务问题,可以先让 AI 写一份问题说明,查查有没有现成方法,再决定动不动手。前提是会运行 Python,手边有几台闲置设备。
注意
设备互相放声音来自动测位置,效果不好,他改成手动拖图标粗定位。服务器还能让监听设备执行任意新代码,只适合在自家网络里用。

Simon Willison 在本人博客记录了 Beep Locator 的做法。两台 iPad、一部手机和两台电脑扫码加入,各自缓存最近 60 秒的音频,用 FFT 检测疑似蜂鸣。检测到蜂鸣后,服务器让一台设备播放一声短 chirp,用来对齐各设备的录音,再算出位置。

他的流程分三步。第一步只让 AI 写 problem.md,研究看着靠谱了才让它动手搭系统。第二步是先校验工具:他加了拍手模式,在屋里不同位置拍手,确认地图能标出拍手的位置,再去找蜂鸣。第三步,让 AI 加回放功能,他听过录音、确认是那个蜂鸣后点一下标记,系统之后就专门盯这个频率。

他觉得最有意思的是,这等于给 Claude Code 装上了耳朵。设备一直在线,新代码直接推送过去,他基本只需坐在电脑旁聊进展、提需求。真正动手的那步,摆设备和翻箱子,还得他自己来。