📌 项目地址：ruvnet/RuView | ⭐ 59,591 颗星 | 🔧 Rust | 📜 未标注
一句话说清RuView在做什么
RuView用现成的WiFi信号“看”穿墙壁。它不是雷达，不是摄像头，是分析人体对无线电波的扰动（Channel State Information，CSI）。硬件用ESP32（9美元）加一个Cognitum Seed边缘计算模块，所有处理在本地完成，不上传，不联网。
项目源码是Rust写的，GitHub上有59591颗星。我翻了三个月内的commit，v0.5.0-alpha，代码提交频率不高。
核心架构：ESP32 mesh + Cognitum Seed
最低部署要求：
- 至少两块ESP32（确认支持CSI的版本，ESP32-WROOM-32常见）
- 一块Cognitum Seed（项目自己的边缘AI硬件）
- 一台支持CSI采样的路由器（README没列兼容列表，这是最大的坑）
运行模式是ESP32组成mesh网络，每个节点采集CSI数据，传给Cognitum Seed做推理。Seed运行的是脉冲神经网络（Spiking Neural Networks），README说“adapt in under 3”，后面没写单位。我猜是3秒或3分钟。
这个架构决定了以下几点：
- 节点越多覆盖越好，但mesh同步问题越大
- 硬件总成本：2块ESP32（18美元）+ 1块Seed（价格未公开，估计50-100美元），对比商用毫米波雷达（80-150美元/个）还是便宜
- 所有模型训练需要针对自家环境做，没有预训练模型下载
21个实体，10个语义状态，3个Blueprint
这是RuView最具体的输出描述。每个节点暴露21个实体，分成两类：
- 11个原始信号：CSI幅度、相位、子载波统计等（调试用）
- 10个推断语义状态：someone-sleeping, possible-distress, room-active, elderly-inactivity-anomaly, meeting-in-progress, bathroom-occupied, fall-risk-elevated, bed-exit, no-movement, multi-room-transition
Home Assistant集成方式：节点启动加--mqtt参数。这是README原文给的唯一命令。没有提到配置文件的格式，也没有示例参数。
3个Home Assistant Blueprint我翻到了链接，文件名是类似blueprint_presence.yaml的结构。对标的是官方Blueprint市场的标准格式，可导入、可修改。
我的判断：10个语义状态里，someone-sleeping和room-active这类基础检测可能靠谱，fall-risk-elevated和possible-distress属于高难度任务，没有公开的精度数据。工业级跌倒检测需要9轴IMU或多雷达融合，仅靠WiFi CSI信噪比不够。
三种集成方式，全部离线
Home Assistant
--mqtt参数，MQTT Broker需要在局域网内。每个节点独立发布主题，HA通过自动发现配置实体。这个流程和ESPhome类似，但没看到固件刷写工具。
Apple Home / HomePod
RuView以HAP-1.1桥接器身份出现在局域网。Home应用自动发现，不需要写代码或装插件。原理是Seed运行HAP协议栈，模拟成桥接设备。
Matter桥接
这是兼容范围最广的方式：Google Home、Alexa、SmartThings都能用。用户可以直接问“卧室有人吗”或“客厅还有没有人”，不需要配置自定义技能。
重要差异：HAP桥接只支持Apple Home，Matter桥接覆盖其余三家。不能同时启用两个协议。
59K星背后：认知落差
我翻了docs目录，结构如下：
docs/integrations/home-assistant.md：集成文档，基本是命令行示例docs/user-guide-apple-homepod.md：Apple Home配置，和普通HAP桥接器一样docs/adr/：架构决策记录，共130+个ADR，这是项目的亮点，每个决策都有文档
但缺少的内容：
- 没有快速部署脚本
- 没有路由器兼容列表
- 没有“10分钟上手”指南
- Issue区最多的问题是：“支持哪些路由器”和“哪里买硬件”，不是“我部署成功了，遇到XXX”
我猜：95%的Star用户是看到“隔墙看人”的概念后点了Star，没真正考虑部署。剩下5%尝试了，大部分卡在硬件兼容性上。
和毫米波雷达怎么选
| 特性 | RuView | 毫米波雷达（如LD2410） |
|---|---|---|
| 硬件成本 | $60-150（含Seed） | $10-30（单模块） |
| 隐私性 | 最好（无摄像头，无网络） | 好（不记录图像） |
| 部署门槛 | 高（需ESP32 mesh+Seed+路由器配置） | 低（直连ESP32或USB） |
| 生命体征 | 声称有心率和呼吸检测 | 仅呼吸（标准版），心率需高价模块 |
| 跌倒检测 | 声称支持，无精度数据 | 明确支持，有公开测试数据（通常>95%） |
| 跟踪人数 | 支持 | 支持（最多3-5人） |
| 社区生态 | 单项目 | 多方案，成熟产品多 |
我的判断：RuView的最大价值在于单节点覆盖广阔区域（房间+走廊），但单个传感器的小范围检测不如毫米波雷达可靠。如果你需要监控整个客厅加相邻书房，RuView可能更合适。如果你只需要床边的呼吸监测或卫生间跌倒检测，买毫米波雷达。
我的结论
RuView是目前最完整的开源WiFi感知工程实践。代码结构清晰，ADR文档达到商业软件水平，证明了“WiFi CSI做人体感知”这条路能走通。
但如果你想现在用，先回答四个问题：
- 你有支持CSI采样的路由器吗？（去GitHub Issues搜“supported router”看唯一讨论帖）
- 你能接受刷固件、搭mesh、调参数的一周学习成本吗？
- 你要检测的是房间存在感（靠谱）还是医疗级生命体征（不靠谱）？
- 你愿意为每块Seed付多少钱？（价格未公开）
如果以上回答都是“是”，那RuView值得折腾。如果不是，等社区出成品硬件或图形化固件刷写工具。
搜 ruvnet ruview deployment guide 或 ruvnet ruview supported routers，结果都指向同一个GitHub Discussion帖。2月之前没有新进展。项目的核心团队在Cognitum官网，不开放用户群。
5000f3b93-77cf-4cf7-9a03-bb484a46d994