惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Hacker News: Ask HN
Hacker News: Ask HN
WordPress大学
WordPress大学
H
Help Net Security
小众软件
小众软件
N
Netflix TechBlog - Medium
C
Check Point Blog
量子位
Last Week in AI
Last Week in AI
GbyAI
GbyAI
Martin Fowler
Martin Fowler
M
MIT News - Artificial intelligence
博客园 - 聂微东
Engineering at Meta
Engineering at Meta
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
J
Java Code Geeks
D
DataBreaches.Net
Project Zero
Project Zero
P
Proofpoint News Feed
T
Threat Research - Cisco Blogs
Security Latest
Security Latest
Cisco Talos Blog
Cisco Talos Blog
Recorded Future
Recorded Future
I
Intezer
L
Lohrmann on Cybersecurity
Cyberwarzone
Cyberwarzone
博客园_首页
C
Cyber Attacks, Cyber Crime and Cyber Security
L
LangChain Blog
P
Palo Alto Networks Blog
V
V2EX
D
Darknet – Hacking Tools, Hacker News & Cyber Security
T
The Exploit Database - CXSecurity.com
The Hacker News
The Hacker News
Blog — PlanetScale
Blog — PlanetScale
G
GRAHAM CLULEY
T
The Blog of Author Tim Ferriss
C
Cisco Blogs
The Register - Security
The Register - Security
L
LINUX DO - 热门话题
P
Privacy & Cybersecurity Law Blog
Scott Helme
Scott Helme
F
Full Disclosure
博客园 - 司徒正美
Recent Announcements
Recent Announcements
IT之家
IT之家
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
Attack and Defense Labs
Attack and Defense Labs
Cloudbric
Cloudbric
Help Net Security
Help Net Security
The Last Watchdog
The Last Watchdog

博客园 - 哥本哈士奇(aspnetx)

Raw Data Vault vs Business Data Vault Neo4j 多跳查询实战:从社交网络场景理解图遍历 Git 本地版本管理学习笔记 看完《低智商犯罪》,学习Cypher构建知识图谱 LangChain DeepAgents 学习笔记 LangChain Deepagent 版本0.6.1中间件一个bug Neo4j笔记(五):查询的处理流程 微软 SQL Server 版本演进史:从诞生到 SQL Server 2025 提升 Text2SQL 准确率 SQLServer Management Studio(SSMS) 22 Copilot 最佳实践学习笔记 SQLServer RAG笔记4:从服务层到前端交互 SQLServer RAG笔记5:为SQLServer 2025配置Ollama SQL Server RAG 笔记3:SQLServer2025 向量数据库 详解传统RAG、Text2SQL、Graph RAG:适用场景与问题示例汇总 SQL Server RAG 笔记2:图数据库服务层与前端可视化构建 SQL Server RAG 笔记1:图数据库构建 Neo4j 笔记(四):一篇文章如何入库的 数据仓库笔记 第六篇:PSA 层 SCD2 处理方式 数据仓库笔记 第五篇:Data Mart 层(数据集市) 数据仓库笔记 第四篇:Star Schema 层(维度建模) 数据仓库笔记 第三篇:常用缓慢变化维处理方式介绍 数据仓库笔记 第二篇:PSA 层(持久化暂存区)详解 数据仓库笔记 第一篇:数据仓库的定义、历史与意义 Neo4j 笔记(三):数据建模与程序连接实战 Neo4j 基础教程(二):Cypher CRUD 完全指南 Neo4j 基础教程(一):安装与快速入门 Power BI学习笔记第20篇:面试题汇总 · 第三篇:高级应用与最佳实践篇 Power BI学习笔记第19篇:面试题汇总 · 第二篇:数据建模与 DAX 篇 Power BI学习笔记第18篇:面试题汇总 · 第一篇:基础概念篇 Power BI学习笔记第15篇:企业级报表开发与最佳实践 Power BI学习笔记第13篇:高级可视化与自定义图表 Power BI学习笔记第14篇:Power Query 高级数据处理 Power BI学习笔记第12篇:DAX 高级计算与性能优化 Power BI学习笔记第11篇:高级数据建模与关系设计 Power BI学习笔记第10篇:实战案例 — 销售数据分析仪表板 Power BI学习笔记第08篇:报表交互与筛选器 Power BI学习笔记第09篇:Power BI Service 发布与共享 Power BI学习笔记第07篇:可视化图表设计与最佳实践 Power BI学习笔记第06篇:DAX 进阶:时间智能与复杂计算 Power BI学习笔记第05篇:DAX 基础:计算列与度量值 Power BI学习笔记第04篇:数据建模与关系管理 Power BI学习笔记第03篇:Power Query 数据清洗与转换 Power BI学习笔记第02篇:数据获取与连接数据源 Power BI学习笔记第01篇:Power BI 简介与环境搭建 Power BI Dashboard 常用布局方案推荐 Power BI 示例一览 OpenClaw 核心八大 MD 文件 Microsoft Agent Framework 智能体调用工具 Microsoft Agent Framework 创建智能体 一个简单案例理解OpenClaw的做梦过程 SQLAlchemy 学习笔记 LangChain RAG索引与查询 - 学习笔记 LangChain使用deep agent并且加载SKILL 本地系统对接大模型智能体的若干尝试 财务分析报告 - 常用Power BI DAX公式详解 用SKILL实现请假流程信息收集 使用OpenClaw的Skills对接本地系统 OpenClaw必装Skill全指南 Dify Agentic RAG 笔记 # 简单的神经网络计算过程 - 正负判断 使用Gradio构建AI前端 - RAG的QA模块 使用Gradio构建AI前端 - RAG召回测试 Streamlit + LangChain 1.0 简单实现智能问答前后端 利用AI Agent,辅助销售团队制定培训和考试内容 实现AI和BI整合的初步思路和探索-Part3 实现AI和BI整合的初步思路和探索-Part2 实现AI和BI整合的初步思路和探索 以《出师表》作为例子,对比通用分块和父子分块的区别 LangChain RAG 学习笔记:从文档加载到问答服务 记录无法修改OneDrive文件的解决方法 Power BI制作指标达成跟踪器 Power BI学习笔记-周报销售数据分析
使用小龙虾来操作猿编程的遥控车
哥本哈士奇(aspnet · 2026-03-27 · via 博客园 - 哥本哈士奇(aspnetx)

使用小龙虾来操作猿编程的遥控车

摘要

给孩子报的猿编程Python C1的课程,最近学到了用Python来控制组装的遥控车。
正赶上最近OpenClaw很火,很多人都用它来做很多你想不到的事情,所以我就想,是否可以用小龙虾来操作这个遥控车呢?

龙虾就位

我自己已经有一个部署好了的OpenClaw,为了省钱,购买的火山引擎Coding Plan。比较幸运的是,正赶上最近腾讯的小龙虾QClaw也上线了,我发现其不只部署很容易,而且安装技能也很简单,甚至每天腾讯都会给几百万的token让你去用。
于是给孩子部署了QClaw,决定围绕这个平台来做相关的操作。

方案研究

首先大致研究了下猿编程的遥控车,发现其目前尚未暴露出可操作的编程接口,所有的包都只能在猿编程的app里面用,拿不出来,在网上也找不到任何可用的包,能在其它IDE里用。
这个就很犯难,因为OpenClaw必须通过命令CLI的方式来操作,所以只能尝试其它简介的方法。

方案一:最直接的方案

以前部分手机都有红外模块,可以捕获比如电视和空调的红外信号,来充当万能遥控器的功能。那么最直接的方法就是让Python来模拟遥控车的遥控器操作,让其python捕获遥控器对应按钮的信号,然后再发给遥控车。然而目前的电脑不像2000年那阵的电脑,基本都没有现成的红外硬件。查了下可以在网上买那种外接的红外模块,虽然不是很贵,但实在是懒得折腾了,更主要的是买来的硬件,是否是python能调用的那种,还需要不断的去尝试。

方案二:小龙虾直接操作屏幕

于是开始尝试第二种方法,通过Python来操作GUI,让Python有能力去点击我指定屏幕上的某个按钮的能力,然后再将这个封装成SKILL,让小龙虾来依次点击相应的按钮来模拟孩子在猿编程app里写代码并且运行。
于是打开AI IDE,让AI来帮我生成能操作GUI的方法,这个过程中我了解到可以用pyautogui以及openCV。于是测试了一下,比如让其点击猿编程界面的一个按钮,发现识别误差太大,比如我测试让它去点击猿编程app左面的赛考按钮,结果它总是错误的点击到学习或者创作的按钮上。
后续也尝试了其它开源方案,比如easyocr,他可以识别屏幕上所有文字的位置,然后通过这个位置来计算出鼠标应该具体去点击屏幕的哪个位置,测试了下精准度没问题,但容易产生的问题是,按钮上的文字,可能在其它位置也出现了,这样就容易导致按钮位置识别的失败。
最主要的是通过OCR的方式,代码会异常的复杂,孩子目前还无法参与并且理解这个过程。
所以我开始尝试其它的方法,毕竟这个过程想让孩子参与进来,所以绝对不能过于复杂。

方案三:越简单越好

最终我想到了一个方案,具体是这么拆解的。

  • 让孩子在猿编程里,提前写好控制遥控车的代码,在界面里输入1,车就前进,输入2,车就后退。
  • 这样后续,我们只要有另外一个独立的Python代码,来往这个界面里输入1或者2就可以间接的实现了。
  • 这段代码测试好之后,直接封装成龙虾的SKILL。

其实这个python控制键盘的代码,我也不会写,不过我们有AI IDE,在AI IDE里,我和孩子们可以把需求告诉AI,然后让AI来帮我们生成。
这次的方案拆解,使得这部分的控制代码异常的简单和简洁。
跟孩子一起快速的测试成功后,接下来的就是需要让小龙虾也可以这么操作,而方法就是把Python写成小龙虾的SKILL。这是一个繁琐的过程,好在,我们有AI,我和孩子们直接给AI下指令,让它把这段Python代码直接转换成小龙虾的SKILL,然后回到小龙虾那里,直接命令小龙虾安装这个技能。
到这里整体编程的工作就完成了。

最后,激活猿编程的app, 运行孩子写的代码,然后用手机打开我的飞书,它已经连接好了小龙虾,在飞书里下达指令:遥控车前进。终于,我们的遥控车得到指令开始前进了。

总结

条条大道通罗马,当一条路发现不适合我们,或者压根走不通的时候,我们就要努力的去寻找另外一条适合我们的路。
这条路上不可能由我去实现所有的一切,所以找到一条路,能让孩子们也能参与进来,用他们学到的东西参与进来,这个是最重要的。
更重要的是,在这个过程中,让他们巩固了学到的知识,并且真正了解了AI,而且认识到,AI原来可以帮我们做这么多事情。

相应的演示视频,可以在B站的这里查看:https://www.bilibili.com/video/BV1zQQUBYEyC/?spm_id_from=333.337.search-card.all.click

相关代码分享

以下是小朋友写的代码,结合目前C1的课程里他们学到的。

# 猿编程 app部分的代码
import ybc_robot
import time

m=ybc_robot.Motor("S1")

while True:
    i = input()
    if i=="1":
        m.run(10)
        time.sleep(1)
        m.run(0)
        print("Forward")
    else:
        m.run(-10)
        time.sleep(1)
        m.run(0)
        print("Backard")

以下是给小龙虾安装的SKILL。现在AI里生成Python代码,测试成功后,再让AI封装成如下的SKILL。

---
name: "remote-car-control"
description: "Controls a remote car using keyboard inputs. Invoke when user wants to control a remote car with前进 (forward) and 后退 (backward) commands."
---

# 遥控车控制技能

## 功能描述

此技能用于控制遥控车,通过模拟键盘输入来实现前进和后退操作。

## 实现原理

- **前进**:模拟键盘输入 `1` 然后按回车键
- **后退**:模拟键盘输入 `2` 然后按回车键

## 使用方法

当用户需要控制遥控车时,可以使用以下命令:

- `控制遥控车前进`:调用 `press_1_and_enter()` 方法
- `控制遥控车后退`:调用 `press_2_and_enter()` 方法

## 代码实现

```python
import pyautogui
import time

def press_1_and_enter():
    """
    模拟键盘输入 1 然后回车(用于控制遥控车前进)
    """
    print("🔍 正在模拟输入 1 并回车...")
    # 小延迟确保操作可靠
    time.sleep(0.5)
    # 输入数字 1
    pyautogui.press('1')
    print("✅ 已输入: 1")
    # 小延迟
    time.sleep(0.2)
    # 按回车键
    pyautogui.press('enter')
    print("✅ 已按回车键")
    # 小延迟
    time.sleep(0.5)
    print("✅ 操作完成: 输入 1 并回车")

def press_2_and_enter():
    """
    模拟键盘输入 2 然后回车(用于控制遥控车后退)
    """
    print("🔍 正在模拟输入 2 并回车...")
    # 小延迟确保操作可靠
    time.sleep(0.5)
    # 输入数字 2
    pyautogui.press('2')
    print("✅ 已输入: 2")
    # 小延迟
    time.sleep(0.2)
    # 按回车键
    pyautogui.press('enter')
    print("✅ 已按回车键")
    # 小延迟
    time.sleep(0.5)
    print("✅ 操作完成: 输入 2 并回车")
```

## 依赖项

- `pyautogui`:用于模拟键盘输入
- `time`:用于添加适当的延迟

## 安装依赖

```bash
pip install pyautogui
```

## 注意事项

1. 确保在运行此技能时,焦点在正确的应用程序窗口上
2. 操作之间添加了适当的延迟,以确保命令能够正确执行
3. 此技能通过模拟键盘输入来控制遥控车,具体效果取决于遥控车的控制软件如何响应这些输入