车主穆罕默德·祖拉利（Muhammad Zulali）利用克劳德人工智能（Claude AI）及低成本硬件，成功修复了一辆 1994 年款吉普切诺基（Jeep Cherokee），使其通过了加利福尼亚州的排放烟雾测试。
这辆拥有 32 年车龄的车辆仅配备原始发动机计算机。通过一块 Arduino Nano 开发板将车辆连接至笔记本电脑，祖拉利借助 AI 工具完成了诊断与代码编写。视频记录显示，克劳德提供了技术指导，而 Codex 则负责生成所需的控制代码。
测试困境与成本挑战
该车辆在初始测试中未能达标，在时速 25 英里时失败。在对氧气混合物进行初步调整后，情况反而恶化，导致其在时速 25 英里和 50 英里两个阶段均告失败。
加州监管污染测试每次费用近 100 美元，频繁重测带来了显著的经济压力。然而，此次解决方案主要依赖人工智能软件以及单价约 3 美元的微控制器，整体材料成本控制在 15 美元以内。
硬件连接与协议转换
项目的首要技术难点在于如何将老旧车辆与现代计算设备对接。克劳德指出，该车型发动机通过克莱斯勒 SCI 总线以 7,800 波特率通信，其电气信号相对于标准串行端口是倒置的。
Arduino Nano 被用于处理信号反转并将数据传输至现代计算机。该方案仅需少量必要电线，其中三根线连接至切诺基原有的 6 针诊断插头。
数据收集与 ECU 修改策略
首次连接成功后，系统仅能读取冷却液温度和电池电压等基础数据。为解决排放问题，祖拉利需要更丰富的数据点及控制权限。参考其他车型数据后，他让克劳德协助从试驾中收集信息，记录了时速 25 英里和 50 英里下的发动机数据及故障代码，并获取了对燃油压力的控制权。
由于该车的主 ECU 固件无法直接更新，祖拉利放弃了重新刷写主控制器的计划。相反，他利用 Codex 在附近的 EEPROM 中注入并运行自定义代码，从而实现对车辆的调整。
祖拉利表示，克劳德承担了大部分诊断工作，而 Codex 几乎完成了所有的内存编程任务。整个过程中，他无需聘请机械师或购买昂贵的克莱斯勒专用工具经销商服务。
除了发布相关视频外，该项目还建立了一个 GitHub 存储库。所有相关软件均以 GPLv3 许可证开源发布。
