先说结论：3 块钱的板子，干成了 4S 店干不了的事。据 IT之家报道，AI 爱好者穆罕默德·祖拉利用 Claude 做诊断、Codex 写代码，配合一块 3 美元的 Arduino Nano 板子，让 1994 年的 Jeep 切诺基通过了加州排放检测。没有几千块诊断仪，硬件投入就是一杯奶茶钱。这里值钱的不是设备，是分工。
3 块钱的板子，凭什么上车
一台车龄三十年的越野车进加州检测线，规矩不讲情面：尾气数据达标就过，不达标就回去修。加州的排放检测一向以严著称，老车想过关，要么花大钱换件，要么找到真正卡住数据的那一环。
常规路线是 4S 店或专修店：插诊断仪、读故障码、按提示换件，流程成熟，价格也跟着成熟，最后那张单子往往比配件本身还厚。这次的路数完全不一样——据 IT之家报道，全部硬件就一块 3 美元的 Arduino Nano，外加两个大模型：Claude 负责诊断，Codex 负责写代码。
3 美元的板子凭什么敢上这种活？因为它干的是诊断仪之外最省钱的那段：读信号、跑代码、按节奏采数据。它没有界面、没有菜单、没有品牌溢价，便宜到随便折腾，接线接错了也不心疼。换句话说，3 美元买到的是通用手脚，缺的那部分脑子由大模型临时补齐。修一台 94 年的车，工具贵过车龄本身，反而说不过去。
时间线：从看灯到过关
时间线从诊断开始。车哪里不对，先喂给 Claude：什么工况下报警、数据什么时候飘，现象讲得越细，它排的排查顺序越靠谱。这一步干的其实是老师傅听声辨位的活，耳朵换成了大模型——它不需要见过这台车，只需要知道这类车该怎么查。查的方向对了，后面接线、写代码才是顺水推舟。
线索收敛之后，问题定位到具体的点。接下来 Codex 上场：把 Arduino Nano 接上车，让它按固定节奏读信号、采数据，把驾驶舱里看不见的过程变成一条条数字。接线顺序和引脚，照着 Codex 给的清单一步步来。代码不直接在车上赌，先跑通、再接线。
上车实测是见真章的环节。数据按预期走，往前推；走得不一样，就回 Claude 那里解释异常，再让 Codex 改代码，改完重测。实测最怕的不是报错，是数据看起来对，所以每一轮都要重新对一遍基准。
这一来一回里，分工很清楚：大模型解释为什么，硬件负责读数，人只做一件事——决定下一步往哪儿查。
终点是检测线。尾气数据达标，1994 款切诺基干脆过关。把成本摊开：硬件 3 美元（据 IT之家报道），时间算车主自己的。对比 4S 店一套诊断加换件的流程，总花费的差距不在一个数量级。
大模型当耳朵，小硬件当手脚
这个分工拆开看，比故事本身更值得学：大模型不下场，只当老师傅的耳朵和嘴——听现象、给方向、解释异常；Arduino 当手脚，真接线上车读数。大模型不知道这根线接在哪个针脚，小硬件也不会判断数据为什么不对。老师傅的经验只在少数人脑子里，这次它第一次可以外挂在对话窗口里。两个短板正好互补。
我的判断是：这个模式比买智能诊断仪划算，而且划算在结构上。诊断仪卖的是封装好的流程加界面，价格里相当一部分是品牌和渠道；这套组合买的只是能力本身——思路、代码、读数，每一环都能拆开看，出问题知道怪哪一段。
对普通人来说，变化在门槛的位置：从『会看仪表、会读故障码』降到『能把现象描述清楚』。你把车哪里不对讲明白，排查顺序和代码都有工具接。剩下没变的，是接线上车那一步，仍然需要手，也需要胆子。
这套办法能抄吗
先泼冷水：能抄的是结构，不是结果。94 年的老车没有现成的维修手册给你翻，判断全靠推理；接线上车、读信号、改代码，每一步都要你知道自己在干什么。车还在保修期，或者工具只摸过螺丝刀，这活儿不建议上手——弄坏 3 美元的板子是小，把老车玩到修不了是大。
但模板可以往别处搬。把贵的专业工具拆成两层：思考层交给大模型，执行层用现成的便宜硬件。老设备改造、家里传感器、任何要读数又要省钱的场景，都是同一套结构。区别只在于：修车的验证是过检那一刻，其他场景的验证得自己定义。修车是第一个被公开讲出来的例子（据 IT之家报道），后面会不会跟出第二、第三个，值得等。
留个反问：当 3 美元的板子加大模型能干完 4S 店的活，专业门店下一步该卖的，是零件，还是这种干活的方式？答案没出来之前，先记住这次的账单：硬件 3 美元，其余是时间和耐心。工具越便宜，动手的人越值钱。
