最近翻 GitHub 翻到一个项目，觉得特别适合拿来当 AI 编程的灵感素材，方向也新——用 WiFi 信号做人的检测。这个很巧妙。
它叫 RuView，做的事一句话说就是：把你家路由器已经在发射的 WiFi 信号，变成一个隐形传感器。不装摄像头，不戴手环，纯靠信号波动，检测房间里有没有人、人在走动还是坐着、呼吸频率多少、心率大概多少。能穿墙，在完全黑暗的环境里也照常工作。
看着神奇，原理其实不复杂。你家路由器一直在往四面八方发射无线电波，这些波碰到人体会反射和衰减。人呼吸的时候胸腔有起伏，心跳的时候身体有极微小的振动，都会让信号产生可测量的变化。把这些变化捞出来，用 AI 模型做模式识别，就能推算出生理指标。
硬件成本低得有点离谱——核心跑在一块 ESP32-S3 芯片上，单个大概九美元。推荐部署三到六个节点组成网状网络，覆盖一套普通住宅。全部本地处理，不联网，不上传任何数据。
GitHub 上目前将近六万颗 star，最近涨得挺猛。
为什么说它适合拿来练 AI 编程？
第一，模块多到像个自助餐。项目里塞了六十多个边缘 AI 模块，用 Rust 写的，编译成轻量格式直接跑在芯片上。从信号处理（注意力机制、时序压缩）到健康检测（睡眠分期、心律检测、步态分析）到安防（入侵检测、异常徘徊）到智能建筑（空调联动、会议室占用）。每一个模块都是一个独立的小 AI 项目，随便拆一个出来研究，都够学一阵。
第二，上手门槛低。Docker 装好之后一条命令就能跑起来看效果，不需要先买硬件。想深入了再花几十块钱买块芯片接真实信号。从纯软件模拟到硬件验证，路径是通的。
第三，隐私设计本身就值得学。整个系统的核心卖点是不用摄像头——不拍照、不录像、不涉及图像数据。这在老人跌倒检测、婴儿睡眠监测这类场景里特别有价值：家人用着安心，被检测的人也不觉得被盯着。（说实话摄像头方案技术上更成熟，但不少家庭就是过不了心理那关。WiFi 方案等于绕开了这个问题。）
第四，场景想象空间大。文档里列了一堆应用方向，有些挺让人意外：比如健身房统计实时人流、博物馆追踪参观动线。这些场景随便挑一个做个原型，简历上就多了一个亮眼的 AI 项目。
当然得说实话，项目还比较早期。作者自己在文档里写了：WiFi 测姿态精度目前只有百分之二点五左右（跟摄像头方案差得远），心率检测范围有限，呼吸感知距离只到五米左右。所以目前更适合当学习材料和灵感来源，不是一个直接能部署的成品。
项目在 GitHub 上，作者 ruvnet，仓库名 RuView。支持 Docker 部署，也能刷到 ESP32 芯片上跑。
如果最近在琢磨拿什么项目练 AI 编程，或者对隐私优先的智能家居方向感兴趣，翻翻它的模块列表。六十多个小 AI 模块，总有一两个能让你手痒。