Simon Willison用Claude Code打造Beep Locator，多设备定位屋内神秘哔声并找到旧一氧化碳探测器

一句话看懂：开发者 Simon Willison 借助 Claude Code 构建了开源思路的 Beep Locator，用多台设备协作三角定位屋内间歇性哔声，最终在约 40 厘米误差内找到一台需要换电池的旧一氧化碳探测器。

事件核心：发生了什么

2026 年 11 月 9 日，Simon Willison 在其博客中记录：他家中堆满搬家纸箱的储物间里出现间歇性哔声，由于间隔不规律，站在房间里很难判断声源。他于是用 Claude Code 做了 Beep Locator。系统由一个 Python Web 服务器承担主逻辑，其他设备通过网址或二维码加入，借助浏览器 WebAudio 和 WebSockets 充当监听端；他实际使用了 iPad、手机、MacBook Pro 和 Surface 等设备。设备先互相播放声音估计位置，效果不理想后加入“粗略模式”手动拖动图标；还提供拍手测试模式，帮助确认定位是否可靠。哔声以 X 标记在房间地图上，确认同一频率后被锁定位置。Willison 表示，系统将声源定位到约 40 厘米以内，他据此翻找纸箱，发现一台电池将尽的一氧化碳探测器。

为什么重要

这更像一次典型的 AI 编程实践，而非产品发布。Claude Code 在项目早期检索到 2007 年论文 BeepBeep：一种利用扬声器、麦克风和设备间通信实现声学测距与定位的纯软件方案。Willison 表示，论文思路与其需求高度吻合。需要说明的是，以上仅基于论文摘要，不代表该论文已被验证为商用系统。值得注意的是，从问题描述、检索文献到生成可运行的多端协作应用，AI 承担了明显的工程组织角色，并以 Opus 5.5 加 Extra thinking 模式运行。

对用户/开发者/创作者的影响

对开发者而言，这是“AI 辅助原’型开发”的样本：浏览器端麦克风采集、FFT 与高通滤波做哔声检测、WebSockets 同步，配合服务端对齐音频片段。这类方案对硬件要求低，但定位精度受设备时钟、房间回声和设备摆放影响，目前公开信息显示仍属于个人实验，未披露完整代码质量或通用性测试。对普通用户，它提示遇到难以定位的电子提示音时，可先确认是否来自烟雾或一氧化碳报警器。