Claude 联手 Codex 与 Arduino，让 1994 款切诺基通过加州排放检测

据 IT之家 2026 年 11 月 14 日援引 Tom’s Hardware 报道，美国 AI 爱好者穆罕默德·祖拉利借助 Claude、Codex 和 Arduino Nano 开发板，让一辆此前多次尾气检测不合格的 1994 款 Jeep 切诺基通过了加州排放检测。这次实践并非单纯让 AI 提供修车建议，而是把模型接入老车的数据诊断与程序修改流程，尝试解决特定车速下氮氧化物排放超标的问题。

先打通老车接口，再用数据替代盲目调校

这辆切诺基最初未能通过 40km/h 工况的测试。祖拉利调整混合气中的氧气比例后，情况反而恶化，连 80km/h 工况也未能达标。他承认，早期操作缺少准确数据支撑，而每次重新检测都要花费近 100 美元。

转折点是让发动机电脑与现代笔记本通信。据报道，Claude 帮助确认，这辆车使用克莱斯勒 SCI 串行通信总线，速率约为 7800 波特，信号极性与普通串口相反。Arduino Nano 则承担信号反相处理，使电脑能够读取车辆数据。

祖拉利通过面包板和导线连接设备，其中三根导线接入车辆的 6 针诊断接口。首次连接即取得成功，但最初只能记录冷却液温度、电瓶电压并绘制曲线。真正有价值的进展，是把原本难以获取的老车状态变成可持续采集的数据。

• 硬件侧：微控制器价格约 3 美元，全部电子元件成本不超过 15 美元。
• 诊断侧：在 40km/h 和 80km/h 工况下采集发动机参数及故障码，寻找排放异常原因。
• 模型分工：Claude 主要承担诊断与指导，Codex 主要处理代码和内存相关工作。
• 开源成果：相关项目以 xj-scanner 为名上传 GitHub，采用 GPLv3 许可证。

模型也曾误判，旧硬件限制改变了实施路线

整个过程并非一次成功。由于错误参考其他车型的数据，系统曾两次判断混合气过浓，认为喷油量高出 22%。随后，祖拉利转向实际试车采样，让 Claude 根据不同工况的数据继续排查，并给予其控制燃油压力等部分参数的权限。

获得诊断结果与方案后，祖拉利原本计划把修改后的程序刷入发动机电脑，但这款老电脑不支持重新刷写固件。最终，他改由 Codex 将自定义代码写入附近的一块 EEPROM 存储芯片并运行。据报道，车辆随后通过检测，过程中没有借助维修技师或经销商专用诊断设备。

案例启示：AI 正在成为旧设备的工具桥梁

对科技用户而言，这个案例的看点不是“AI 一句话修好汽车”，而是大模型、低成本微控制器与现场数据形成了协作闭环：模型协助理解旧协议和编写程序，人负责接线、驾驶与实际验证，硬件则连接数字分析与物理设备。

不过，低廉的元件价格并不等于低风险或容易复制。错误车型数据造成的误判，说明模型结论仍需依靠匹配的技术资料和实测结果校验。这一案例展示了 AI 辅助维护旧设备的潜力，但不能据此认定相同修改适用于其他车辆，更不能把单次通过检测视为长期可靠性与合规性的完整证明。