AutoProber:ハードウェアハッキングのためのAI駆動フライングプローブ自動化

AutoProberの機能
AutoProberは、ハードウェアハッカーのためのフライングプローブ自動化スタックであり、AIエージェントがプレート上の新しいターゲットを検出してから安全に個々のピンをプローブするために必要なすべてを提供するように設計されています。このシステムは、ターゲットの発見、顕微鏡マッピング、安全監視付きCNC動作、プローブの確認、制御されたピンプローブを処理します。
ワークフローと操作
典型的なワークフローは、エージェントにプロジェクトを取り込むように指示し、すべてのハードウェアを接続し、エージェントにすべてのパーツが機能していることを確認させ、原点復帰とキャリブレーションを実行し、カスタムプローブと顕微鏡ヘッダーを取り付け、プレート上の新しいターゲットをエージェントに通知することから始まります。エージェントはターゲットの位置を見つけ、XYZ座標を記録しながら個々のフレームを撮影し、パッド、ピン、チップ、その他の特徴を記録し、フレームを結合し、マップに注釈を付け、Webダッシュボードにプローブターゲットを追加して承認または拒否し、承認されたターゲットをプローブし、結果を報告します。
ハードウェア制御と安全性
すべてのハードウェアは、Webダッシュボード、Pythonスクリプト、またはエージェント自体によって制御できます。このプロジェクトは、ハードウェアの動きを通常のWebアプリケーションではなく、機械制御システムとして扱います。安全モデルでは、すべての動作中にオシロスコープのチャンネル4を継続的に監視する必要があり、チャンネル4のトリガー、あいまいな電圧、CNCアラーム、または実際のX/Y/Zリミットピンが停止条件として機能します。回復動作は自動的ではありません。
リポジトリ構造
apps/- オペレーター向けスクリプトとFlaskダッシュボードのエントリーポイントautoprober/- CNC、スコープ、顕微鏡、ロギング、安全のための再利用可能なPythonパッケージdashboard/- シングルページのWebダッシュボードdocs/- アーキテクチャ、デバイスリファレンス、操作、安全ガイダンスcad/- 現在のカスタムツールヘッドの印刷可能なSTLファイルconfig/- 環境/設定ファイルの例
ハードウェアスタック
テスト済みのアーキテクチャでは以下を使用します:
- GRBL互換の3018スタイルCNCコントローラー(USBシリアル経由)
- mjpg_streamerで提供されるUSB顕微鏡
- チャンネル4の安全監視とチャンネル1の測定のためのLAN/SCPI経由のSiglentオシロスコープ
- 外部5V電源とオシロスコープのチャンネル4に配線された光学式エンドストップ
- ラボの電源制御のためのオプションのネットワーク制御コンセント
参考パーツ
プロトタイプでは、光学式エンドストップ、USB顕微鏡、SainSmart Genmitsu 3018-PROVer V2、Matter Smart Power Strip、Siglent SDS1104X-Eオシロスコープ、Dupontワイヤー、ペンスプリングまたは類似の軽圧縮スプリング、印刷可能なツールヘッドパーツ用の3Dプリンターなどの特定のパーツを使用しています。
ライセンスとステータス
このリポジトリは、PolyForm Noncommercial 1.0.0ライセンスの下で商用連絡先が利用可能な、自己完結型のソース利用可能なリリース候補です。Pythonを使用し、uv.lockによる依存関係解決を行います。
📖 Read the full source: HN AI Agents
👀 See Also

cc+ デスクトップアプリ for Claude Code:マルチセッション管理とフリートオーケストレーション
cc+は、Claude Agent SDKを基盤に構築されたClaude Code用のオープンソースデスクトップアプリケーションで、macOSとLinuxで利用可能です。マルチセッションタブ、ライブアクティビティツリーの可視化、セキュリティスコアリング、ワークフロー強制、フリートオーケストレーション機能を提供します。

ベンチマークによると、AIブラウザ自動化ツールは、同一の精度にもかかわらず、トークンコストが2.6倍も異なることが示されています。
Claude Sonnet 4.6を使用した4つのCLIブラウザ自動化ツールのベンチマークを、6つの実世界タスクで実施した結果、すべてのツールが100%の精度を達成しましたが、openbrowser-aiは36,010トークンを使用したのに対し、他のツールは77,123〜94,130トークンを使用しました。ツール呼び出し回数がトークンコストの最も強力な予測因子でした。

harshal-mcp-proxy がnpmに登場:1つのデーモンで12のMCPサーバー設定を置き換え
harshal-mcp-proxyが54kBのnpmパッケージとして利用可能になりました。グローバルインストールしてデーモンとして実行し、12個の個別MCPサーバー設定を6つのツールに置き換え、セッションあたり約2.7GBのRAMと約50Kトークンを節約できます。

構造化された推論テンプレートがAIコードレビューの精度を向上
Redditユーザーが、Metaの研究を基にした構造化推論テンプレートを共有しました。このテンプレートはAIモデルに特定の分析ステップを完了させてからコードレビューを生成させるもので、arXiv:2603.01896によれば精度が5-12パーセントポイント向上するとされています。