前段时间，想看看车上几项调整有没有带来副作用。发动机型号是 PT204，动力程序、排气和轮胎之前都动过。只凭开起来的感觉，很难分清变化来自哪里。
跑了一阵子，感觉油耗比以前高，怠速偶尔有一点微颤。我想知道这些变化有没有关系，又是否值得进一步排查。
带着这些疑问，我开始了一场拉着几个AI模型查数据、跑路试的连环折腾。
一、 赛博会诊：危言耸听与冷水兜头
最开始我找Gemini聊。这哥们儿一听我的配置，立刻开启了“末日预警”模式。
它先是告诉我，不同动力版本未必只是软件有区别，涡轮、内部构件和供油系统都可能不同。接下来列了一串潜在风险，顺带把传动系统的保养也讲了一遍。
被它这么一说，我又把 ChatGPT 拉进来核实。两边对部分硬件差异的说法并不一致，还围绕零件目录和不同版本的适用范围讨论了一轮。原本一个简单的问题，越查分支越多。
Gemini 随后把注意力放在喷油嘴上，担心不同版本的供油能力不一样，建议通过 OBD 记录数据。
行吧，口说无凭，还是实车看数据说话。
二、 实测：先和连接问题较上了劲
我用蓝牙 OBD 适配器和 Car Scanner 连车，把 Mac 上运行的 iOS 版应用交给 Codex 操作。原本想得挺简单：它负责盯参数和记录，我把当时的工况告诉它，之后再拿日志分析。
真正开始后，连接就反复出状况：有时蓝牙显示已连上，车辆数据却是空的；有时刚读到数值，后面又没了回应。
软件显示已连接、数值在刷新、记录开关已打开、文件实际有写入，这几件事竟然需要分别确认。参数选了不少，后来减少了，连接也没有就此稳定。
中间还穿插着语音聊天。导航不停播报“前方三百米处，有连续违法拍照”，也被收进了对话。它还认真回复“收到，我继续盯着数据”。我问的明明是数据还在不在，它却和导航聊上了。
来回折腾之后，我是真有点烦了：“唉，你好费劲，我他妈就想问你，这个插头在闪什么意思啊，为什么连上没数据，怎么办。”
我让它先把要看的参数想好，再分组采集，别每次连上了才临时决定。应用没连接时进不了实时数据，它又切到样本模式把参数配好，再退出样本模式重连实车。先是四项基础参数，后来加上氧传感器和变速箱数据，再收拢成发动机核心参数。选项是保存了，读数却不一定回来。
重新连接、重开应用、给适配器重新上电，都尝试过。后来从通信日志中找到一个可供测试的设置：预期响应数量优化。
关闭优化、收拢参数之后，读数曾短时恢复。但我追问记录有没有继续写入时，它又开始解释“界面刷新不等于文件落盘”。
我说：“你看一下日志的体积大小不就完事了。”
查完，还是原来那两份文件，没有变大，也没有新文件。我只想知道为什么没写进去，它还在反复说明现在能确定什么、不能确定什么。最后我把插头拔了，让它别折腾连接了，先分析留下的旧数据。
原生导出也遇到了报错。后来先从通信日志重建数据，再解析原始记录文件，才把能分析的部分拿出来。
根据 Car Scanner 导出记录绘制。横轴是相对时间；阴影表示转速通道的采样空档，不能当作全程连续记录。
三、 剧情反转：差点冤枉了喷油嘴
数据一导出来，戏肉就来了。
Gemini 看见燃油修正的几个高值，认为可能是喷油能力不足，建议更换喷油嘴，连施工步骤也列了出来。
甚至连五步拆装高压油轨的施工手册都一字不落给我列好了。
看着这惊悚的结论，我心里直犯嘀咕：换喷油嘴可不是小动作，真有这么严重？
好在这时候，被我吐槽为“第一不粘锅”的Codex发挥了作用。它没有被那些吓人的极值曲线带偏，而是扎进导出的原始CSV文件，按时间戳和工况切片做逐帧交叉比对。
这一对齐，案情直接发生了180度大反转：
- 接近 +40% 的高值，对应的并不是大油门加速。 对齐工况后发现，这些点发生在开环、收油减速阶段。先前把它们直接看成持续供油不足，结论下得太快了。
- 正常行驶与怠速阶段，需要分开看。 行驶时的修正明显小于部分怠速阶段。只盯着整段记录中的最大值，很容易把不同工况混在一起。
- 怠速修正变化，还与碳罐吹扫有关。 吹扫指令增加时，修正也明显升高，后来又回落。Codex 最初把它排在故障线索前面，之后又修正判断，认为正常吹扫补偿和学习过程也是一种可能解释。相关性找到了，是否存在故障却还没有定论。
把燃油修正放回当时工况看：高值采样点处于开环状态，不能直接按闭环供油异常解释。
同一停车片段，吹扫命令和短期修正前后变化。这里看到的是关联，还没有完成维修验证。
如果直接按最初的判断往下做，就可能在原因还没搞清楚时，先进入换件和拆装。
四、 又得到了一些解释，还没到真相大白
后来又讨论到油耗和动力感受。Gemini 提出了轮胎阻力、进气温度和点火策略等解释，又延伸到散热方案。但原记录并没有调整前的对照数据，也没有完成维修复现，这些还不能当作已经查明的原因。
这也让我想起此前听到过的油路清理推销。听见一句“压力大”就去清理，和看到一个修正高值就决定换喷油嘴，似乎是差不多的跳跃：先找到了一个吓人的说法，证据却还没跟上。
五、 折腾后的复盘
折腾了这么一大圈，倒也总结出几条实在的体会：
- 看数据千万别只盯着极值看图说话：脱离了工况（开环断油还是闭环加速、怠速带不带碳罐吹扫）看燃油修正，哪怕是个正常波形也能把人吓出心脏病。
- 不同AI有不同的脾气：Gemini知识面广但容易一惊一乍、过度推演，拿着个别波形就恨不得让你把整车零件换一遍；ChatGPT查技术背景和零件号严谨扎实；Codex虽然在车里连线时急得人抓狂、被我骂作“第一不粘锅”，但给它整段原始日志让它切片跑数据时，逻辑反而最客观靠谱。
- 接下来先别急着换件：有异常线索可以继续查，但目前几种解释都还需要验证，没必要先把模型建议变成施工清单。
车还是那台车。这次至少让我更明白，拿到一份数据和真正理解它，中间还差着不少来回核对。