THINKCAR Tyler Agent：AI 车辆诊断如何从 15 个故障码定位到 1 个根因

产品概述

2026年8月，THINKCAR 发布了 T394 AI 诊断平板，搭载名为 Tyler 的 AI Agent。Tyler 的核心能力是将传统 OBD-II 扫描出的 15+ 个故障码（DTC），通过多步推理压缩到 1 个根本原因，显著提升技师的诊断效率。

Tyler Agent 的核心能力

能力 描述 传统方式
多模态交互 语音+文字+图像输入 纯文字界面
多意图解析（ThinkClaw） 同时理解多个诊断需求 一次一个功能
一键AI诊断 自动执行诊断流程 手动逐项测试
AI诊断报告 生成可追溯的诊断过程 技师手写记录
根因分析 DTC→系统→组件→根因 技师经验判断
维修方案推荐 基于根因推荐修复步骤 查手册/问同事
部件验证 推荐前确认部件在库 单独查系统
学习闭环 记录诊断过程供后续学习 无
解释推理过程 展示AI如何得出结论 黑盒判断

从 15 个 DTC 到 1 个根因的流程

具体案例示意

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
# Tyler Agent 根因分析示意
diagnostic_case = {
    "input": {
        "dtcs": [
            "P0171",  # 系统过稀（Bank 1）
            "P0174",  # 系统过稀（Bank 2）
            "P0300",  # 随机失火
            "P0301",  # 气缸1失火
            "P0304",  # 气缸4失火
            "P0507",  # 怠速过高
            "P0128",  # 冷却液温度低于节温器调节温度
            # ... 共15个DTC
        ],
        "freeze_frame": {
            "rpm": 750,
            "load": 35,
            "coolant_temp": 72,
            "fuel_trim_bank1": 25,  # %，正值=加浓
            "fuel_trim_bank2": 22,
        },
        "live_data": {
            "maf_voltage": 1.2,  # 正常~1.5V
            "o2_b1_s1": 0.15,  # 稀
            "o2_b2_s1": 0.18,  # 稀
            "vacuum": 15,  # inHg，正常18-22
        }
    },
    "tyler_reasoning": [
        "Step 1: P0171+P0174 → 两侧同时过稀 → 不是单缸问题",
        "Step 2: P0300+P0301+P0304 → 失火 → 过稀导致",
        "Step 3: Fuel trim +25% → ECU在加浓补偿 → 确认混合气过稀",
        "Step 4: MAF电压偏低 (1.2V vs 1.5V) → 空气流量计读数偏低",
        "Step 5: 真空偏低 (15 vs 18-22) → 进气系统泄漏可能",
        "Step 6: P0128 → 冷却液温度低 → 节温器卡开或传感器故障",
        "Step 7: P0507 → 怠速高 → 节气门在补偿泄漏空气",
        "Step 8: 综合判断 → **进气歧管泄漏** 导致：过稀→失火→ECU加浓→怠速高",
        "Step 9: 验证 → 执行烟雾测试确认泄漏位置"
    ],
    "output": {
        "root_cause": "进气歧管垫片泄漏",
        "confidence": 92,
        "verification": "烟雾测试确认泄漏",
        "repair": "更换进气歧管垫片 + 清洗节气门",
        "parts": ["进气歧管垫片（OEM#12345）"],
        "estimated_time": "1.5小时",
        "estimated_cost": "$80-150"
    }
}

对 DMS/IMS 诊断的启发

1. DMS 自诊断的需求

场景 传统方式 Tyler式AI诊断
DMS 误报率高 工程师逐帧分析 AI自动关联误报模式
多个模块异常 分别排查 统一根因分析
部署后回归 人工回归测试 自动生成测试用例
客户投诉分析 逐条分类 批量根因归类

2. 多故障码关联分析的价值

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# DMS 系统的"故障码"概念
dms_faults = {
    "gaze_accuracy_drop": "视线精度下降",
    "blink_rate_anomaly": "眨眼率异常",
    "perclos_instability": "PERCLOS不稳定",
    "face_detection_miss": "面部检测漏检",
    "landmark_jitter": "关键点抖动"
}

# 传统排查：逐个解决
# AI诊断：关联分析
ai_reasoning = """
gaze_accuracy_drop + landmark_jitter → 关键点检测问题 → 可能摄像头对焦/畸变
blink_rate_anomaly + perclos_instability → 眨眼检测问题 → 可能IR补光闪烁
face_detection_miss → 可能是光照变化或遮挡
综合判断 → IR补光LED老化导致亮度不足 → 关键点精度下降 → 眨眼/PERCLOS受影响
"""

3. 解释性AI在汽车诊断中的趋势

趋势 描述 对IMS的启示
可解释性 AI展示推理过程 DMS误报需可追溯
多模态输入 语音+图像+数据 简化诊断交互
学习闭环 记录→改进→迭代 DMSOTA更新依据
根因分析 从症状到根因 减少误报/漏报
部件验证 推荐前确认可用 减少无效修复

产业对比

维度 THINKCAR Tyler 传统OBD扫描仪 高端原厂诊断
价格 ~$500-1500 ~$100-300 ~$5000-20000
AI能力 ✅ Agent+根因 ❌ 读码+清码 ⚠️ 引导式
多模态 ✅ 语音+图像 ❌ ⚠️
解释性 ✅ 展示推理 ❌ ❌
学习闭环 ✅ ❌ ⚠️
适用车系 广泛（J1939+OBD-II） OBD-II 单一品牌

IMS 开发启示

1. DMS 系统需要自诊断能力

自诊断功能 描述 价值
摄像头健康检查 分辨率/噪声/对焦/IR补光 部署前自动验证
算法精度回归 每日PERCLOS/blink准确率 发现性能退化
根因分析 多指标异常→统一根因 快速排障
诊断报告 可追溯的推理过程 客户支持

2. 优先行动建议

行动 优先级 预期收益
设计 DMS 自诊断框架 🟡 P1 部署维护效率
研究多指标关联分析 🟡 P1 根因排障
构建诊断报告生成器 🟢 P2 客户支持
评估 Tyler Agent 集成可能 🟢 P2 AI辅助诊断

总结： THINKCAR Tyler Agent 展示了 AI 在车辆诊断中从”读码工具”到”推理助手”的转变。其从 15 个 DTC 压缩到 1 个根因的能力，结合可解释性推理和学习闭环，对 DMS 系统的自诊断设计有直接参考价值。随着 DMS 系统复杂度提升（多传感器、多算法模块），类似 Tyler 的 AI 诊断 Agent 将成为系统维护的必备工具。