借助 Claude 和 Arduino，32 年车龄 Jeep 切诺基通过加州尾气检测
借助 Claude 和 Arduino 开发板，达人让 1994 款切诺基通过加州排放检测
一个很硬核的实操案例：老车排放超标复检一次要 100 美元，博主花 15 美元电子元件，让 Claude 负责诊断、Codex 负责写代码，绕过了连固件都刷不了的老发动机电脑。玩硬件或者动手党可以看他开源在 GitHub 的 xj-scanner 项目。
美国 AI 爱好者穆罕默德·祖拉利用一块 Arduino Nano 开发板（电子元件总成本不超过 15 美元）连接 1994 款 Jeep 切诺基的发动机电脑，让这辆连续多次未通过加州尾气检测的老车最终达标。此前车辆在 40km/h 测试中氮氧化物排放超标，每次复检需花费近 100 美元。
技术路线上，Claude 查明切诺基使用克莱斯勒 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 可处理信号反相问题。首次连接后系统只能记录冷却液温度和电瓶电压，随后 Claude 在试车时分别采集 40km/h 和 80km/h 的发动机参数与故障码进行诊断，并获得控制燃油压力等参数的权限。由于切诺基发动机电脑不支持重新刷写固件，Codex 将自定义代码写入附近的 EEPROM 存储芯片直接运行。
整个诊断和修复过程不需要维修技师或克莱斯勒经销商的专用设备。祖拉利已将项目以 GPLv3 许可证开源上传至 GitHub，名为 xj-scanner，任何人可免费使用。
借助 Claude 和 Arduino 开发板，达人让 1994 款切诺基通过加州排放检测
IT之家 11 月 14 日消息，当地时间 13 日，据外媒 Tom's Hardware 报道，美国的一名 AI 爱好者穆罕默德 · 祖拉利靠着 AI 和简单的电子接线操作，成功让一辆有 32 年车龄的 1994 款 Jeep 切诺基通过了美国加州的尾气检测。 这辆老车的发动机电脑功能十分有限，但祖拉利借助 Arduino Nano 开发板将其连接到笔记本电脑后， 不仅能够读取车辆数据，还逐步实现了对部分参数的控制 。 其发布的视频记录了祖拉利解决尾气排放问题的全过程：从连续检测不合格，到成功连接发动机电脑并读取数据，再到 调整发动机、解决排放超标问题 。整个过程中，Claude 负责指导，Codex 则负责写代码。 切诺基此前多次未能通过加州尾气检测，原因是在 特定车速下氮氧化物排放超标 。最初，车辆在 40km/h 的测试中未能达标。祖拉利随后调整了混合气中的氧气比例，没想到情况反而恶化，40km/h 和 80km/h 两项测试均未通过。 祖拉利承认，此前几乎是 在没有准确数据的情况下盲目调校 ，每次重新接受排放检测又要花费近 100 美元 （IT之家注：现汇率约合 668.5 元人民币） 。 好在 2026 年有 AI 可以帮忙，而且除了 AI，只需要一块 3 美元（现汇率约合 20.1 元人民币）的微控制器 ，全部电子元件加起来不超过 15 美元 （现汇率约合 100.3 元人民币） 。 首先要解决的是如何让 32 年前的发动机电脑与现代笔记本电脑通信。Claude 查明，切诺基使用克莱斯勒 SCI 串行通信总线，通信速率约 7？800 波特，电信号极性与普通串口相反。Arduino Nano 开发板可以处理信号反相问题，让笔记本电脑读取车辆数据。祖拉利将开发板接在面包板上，再连接几根导线，其中三根接入切诺基的 6 针诊断接口。 首次连接就取得了成功，不过系统起初 只能记录冷却液温度和电瓶电压 ，并绘制变化曲线。祖拉利希望获取更多发动机数据，还想直接调整部分参数，以解决尾气排放超标问题。 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，查找问题原因。 Claude 还获得了 控制燃油压力等参数 的权限。拿到看似可靠的诊断结果和解决方案后，祖拉利原本打算把 AI 修改的程序刷入发动机电脑，让车辆通过加州全部尾气检测项目。但切诺基的发动机电脑实在太老， 比能够重新刷写固件的版本还早了几个月，根本不支持这种操作 。 于是，祖拉利改让 Codex 将自定义代码写入附近的一块 EEPROM 存储芯片，并直接运行。祖拉利坦言：“Claude 完成了大部分诊断工作，Codex 几乎包办了所有内存处理工作。 我只负责接线和开车 。” 整个过程也不需要请维修技师帮忙，更不用依赖克莱斯勒经销商的专用诊断设备。 祖拉利还把用于诊断和解决切诺基排放问题的项目上传到了 GitHub，取名为 xj-scanner。项目采用 GPLv3 开源许可证，任何人都可以免费使用。
This report is categorized under AITOP's "How-to" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include Claude, Arduino, Codex, prompt engineering.
Source attribution: curated from IT之家.
