使用 Claude 构建定制化蓝牙信号强度计

AI 驱动的定制软件以实现即时问题解决

Ben Zhang 通过使用 Claude 在大约一分钟内开发了一个定制的蓝牙信号强度计，成功在办公环境中找到了丢失的手机。采用这种方法是必要的，因为该设备的移动设备管理 (MDM) 配置禁用了标准的“Find My”服务，使得传统的追踪方法失效。

为了找到设备，Zhang 利用了接收信号强度指示 (RSSI) 的概念。通过追踪蓝牙信号的强度，用户可以确定与目标设备的距离；随着用户靠近设备，信号强度值会增加。

Zhang 在 GitHub 上分享了生成的代码，地址为 github.com/ben-z/findphone，展示了现在如何使用 LLM 来为即时的现实世界问题生成功能性的、单一用途的工具。

这一事件引发了关于从寻找现有软件转向按需生成定制工具的更广泛讨论。

几个用户强调了向创建高度特定、一次性使用的应用程序的转变：

快速原型设计： 用户报告使用 AI 创建了儿童游戏、定制视频合成器和电子商务落地页构建器，并指出开发中“最后 20%”的部分——也是最难的部分——现在变得显著更容易了。
一次性工具： 一些开发者现在维护着填满了由 AI 生成的、仅使用一次后便弃用的“小玩意儿”的 GitHub 仓库，将代码视为一种一次性工具，而非长期资产。
复杂调试： AI 正被用于分析堆栈轨迹并识别软件（例如 GIMP）中的错误，而无需用户在本地拥有完整的源代码仓库。

虽然开发速度受到了称赞，但技术批评者和经验丰富的工程师提出了几点意见：

冗余性： 有人指出蓝牙 RSSI 计是现有硬件（例如 Garmin 手表）中的常见功能，并且在众多的 Android 应用中也有提供，这表明 AI 正在“重新发明轮子”。
显而易见的替代方案： 批评者指出，比编写代码更高效的方案是更简单的方案，例如拨打手机或通过接入点 (AP) 管理控制台检查 WiFi 信号强度。
代码质量： 有人担心快速生成的 AI 代码会导致“面条式代码”架构，这可能会在未来造成显著的技术债务负担。

除了寻找丢失的手机，社区还分享了信号强度追踪的各种应用：

Method	Use Case	Implementation
Bluetooth RSSI	在灌木丛/森林中寻找丢失的耳机或 Fitbits	定制化计测器或专用应用
WiFi RSSI	在家中定位儿童的设备	UniFi WiFi AP 信号强度指示器
BLE (Bluetooth Low Energy)	房间存在感检测	集成了 Home Assistant 的 ESP32s 和 Shelly 开关