AutoProber: KI-gesteuerte Flugsonde-Automatisierung für Hardware-Hacking

Was AutoProber macht
AutoProber ist ein Automatisierungs-Stack für fliegende Prüfköpfe für Hardware-Hacker, der KI-Agenten alles bietet, um von der Erkennung eines neuen Ziels auf einer Platte bis zum sicheren Prüfen einzelner Pins zu gelangen. Das System übernimmt die Zielderkennung, Mikroskop-Kartierung, sicherheitsüberwachte CNC-Bewegung, Prüfungsüberprüfung und kontrollierte Pin-Prüfung.
Workflow und Betrieb
Der typische Workflow umfasst: Dem Agenten mitteilen, das Projekt aufzunehmen, alle Hardware zu verbinden, den Agenten alle Teile bestätigen lassen, Referenzierung und Kalibrierung durchführen, den benutzerdefinierten Prüfkopf und Mikroskop-Header anbringen und dann den Agenten über ein neues Ziel auf der Platte informieren. Der Agent findet die Zielposition, nimmt Einzelbilder auf und zeichnet XYZ-Koordinaten, Pads, Pins, Chips und andere Merkmale auf, setzt Bilder zusammen, kommentiert die Karte, fügt Prüfziele zum Web-Dashboard zur Genehmigung oder Ablehnung hinzu, prüft genehmigte Ziele und meldet zurück.
Hardware-Steuerung und Sicherheit
Alle Hardware kann über das Web-Dashboard, Python-Skripte oder durch den Agenten selbst gesteuert werden. Das Projekt behandelt Hardware-Bewegungen als Maschinensteuerungssystem statt als normale Web-App. Das Sicherheitsmodell erfordert kontinuierliche Überwachung von Oszilloskop-Kanal 4 während jeder Bewegung, wobei jeder Kanal-4-Trigger, mehrdeutige Spannung, CNC-Alarm oder echte X/Y/Z-Limit-Pin als Stoppbedingung dient. Wiederherstellungsbewegungen erfolgen nicht automatisch.
Repository-Struktur
apps/- Bedienerorientierte Skripte und Flask-Dashboard-Einstiegspunktautoprober/- Wiederverwendbares Python-Paket für CNC, Oszilloskop, Mikroskop, Protokollierung, Sicherheitdashboard/- Einseitiges Web-Dashboarddocs/- Architektur, Gerätereferenzen, Betrieb und Sicherheitsrichtliniencad/- Druckbare STL-Dateien für den aktuellen benutzerdefinierten Werkzeugkopfconfig/- Beispiel-Umgebungs-/Konfigurationsdateien
Hardware-Stack
Die getestete Architektur verwendet:
- GRBL-kompatiblen 3018-Stil CNC-Controller über USB-Seriell
- USB-Mikroskop, bereitgestellt durch mjpg_streamer
- Siglent-Oszilloskop über LAN/SCPI für Kanal-4-Sicherheitsüberwachung und Kanal-1-Messung
- Optischen Endschalter, verdrahtet mit externer 5V-Versorgung und Oszilloskop-Kanal 4
- Optionalen netzwerkgesteuerten Steckdosenleisten für Laborstromsteuerung
Referenzteile
Der Prototyp verwendet spezifische Teile einschließlich optischem Endschalter, USB-Mikroskop, SainSmart Genmitsu 3018-PROVer V2, Matter Smart Power Strip, Siglent SDS1104X-E Oszilloskop, Dupont-Kabeln, Federschreiberfeder oder ähnlicher leichter Druckfeder und 3D-Drucker für druckbare Werkzeugkopfteile.
Lizenz und Status
Das Repository ist eine eigenständige, quellverfügbare Release Candidate unter der PolyForm Noncommercial 1.0.0-Lizenz mit verfügbarem kommerziellem Kontakt. Es verwendet Python mit Abhängigkeitsauflösung via uv.lock.
📖 Read the full source: HN AI Agents
👀 Siehe auch
Transkribiere Medien: Open-Source-Fähigkeit für YouTube, Podcast und lokale Audio-/Videodateien
Transcribe Media ist eine Open-Source-OpenClaw-Fähigkeit, die vorhandene Untertitel findet, auf Transkription zurückfällt und lokale MP3/MP4/WAV/M4A/WebM unterstützt. Für Remote-Transkription ist eine Genehmigung erforderlich.

Claude Code Plan Mode reduziert die Überarbeitungsrate von 40 % auf nahezu Null.
Ein Entwickler verfolgte über 30 Codingsitzungen mit Claude Code und stellte fest, dass das Überspringen des Planungsmodus in 40 % der Fälle dazu führte, dass Aufgaben von Grund auf neu gemacht werden mussten. Mit dem Planungsmodus sank die Wiederholungsrate auf praktisch null, wobei eine Funktion insgesamt 17 Minuten dauerte, verglichen mit über 35 Minuten ohne Planung.

Clawback: Hooks-basierte Implementierung von durchgesickerten Claude-Verifizierungsschleifen
Clawback ist ein GitHub-Projekt, das die Verifikationsschleifen aus dem geleakten Claude-Quellcode als mechanische Hooks neu implementiert, anstatt sie als Prompts zu verwenden. Es enthält Stop-Hooks, PreToolUse-, PostToolUse- und PostCompact-Hooks, die vom Modell unter Kontextdruck nicht übersprungen werden können.

GLM-5.1 vs MiniMax M2.7: Leistungsvergleich für KI-Coding-Agenten
GLM-5.1 erreicht SWE-bench-Verified 77,8 und Terminal Bench 2.0 56,2 Punkte, die höchsten unter Open-Source-Modellen, während MiniMax M2.7 schnelle Antworten mit niedrigem TTFT und hohem Durchsatz bietet, ideal für CI-Bots und Batch-Bearbeitungen.