一名美国AI爱好者穆罕默德·祖拉利借助Anthropic的Claude模型与一块售价约3美元的Arduino Nano开发板，成功让一辆1994款Jeep切诺基通过美国加州尾气检测。相关视频记录了从反复检测不合格到读取发动机数据、调整参数并最终达标的完整过程，其诊断项目已以GPLv3协议开源至GitHub，命名为xj-scanner。
这辆切诺基车龄已达32年，此前多次未能通过加州尾气检测，问题集中在特定车速下氮氧化物排放超标。最初车辆在40km/h测试中未达标，祖拉利尝试调整混合气中的氧气比例后情况反而恶化，40km/h与80km/h两项测试均告失败。他承认此前几乎是在缺乏准确数据的情况下盲目调校，而每次重新接受排放检测需花费近100美元。
首要障碍在于如何让32年前的发动机电脑与现代笔记本电脑通信。Claude查明该车使用克莱斯勒SCI串行通信总线，通信速率约7800波特，且电信号极性与普通串口相反。Arduino Nano开发板负责处理信号反相问题，祖拉利将其接在面包板上，通过三根导线接入切诺基的6针诊断接口，首次连接即告成功。系统起初只能记录冷却液温度与电瓶电压并绘制变化曲线，随后祖拉利希望获取更多发动机数据并直接调整部分参数。
诊断过程中，由于错误参考了其他车型的数据，系统曾两次误判发动机混合气过浓，认为喷油量高出22％。此后祖拉利让Claude在试车时采集数据，分别记录车辆以40km/h和80km/h行驶时的发动机参数及故障码，并授予其控制燃油压力等参数的权限。在获得看似可靠的诊断结果后，祖拉利原计划将AI修改的程序刷入发动机电脑，但该电脑版本比支持重新刷写固件的版本还早数月，无法执行该操作。他随后改由Codex将自定义代码写入附近的一块EEPROM存储芯片并直接运行。
整套方案的全部电子元件成本不超过15美元，且无需聘请维修技师，也不依赖克莱斯勒经销商的专用诊断设备。祖拉利将项目开源后，其他具备相似车型的车主可免费复用该诊断与调校工具链。从技术路径看，这一案例展示了通用大模型在老旧硬件逆向通信、协议识别与参数调优环节的辅助价值，也说明低成本微控制器配合AI编码工具能够替代部分传统专用诊断设备的功能。对于存量老旧车辆的排放治理与维修而言，此类开源软硬件组合提供了一种可复制的低成本思路。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
