买二手车最怕什么？不是价格谈不下来，是白跑一趟。保加利亚的二手车买家有个共同体验：在 mobile.bg 和 cars.bg 上同时开着十几个标签页，一半写着"全新进口""真实里程""无瑕疵"，同一辆车在两个网站上都挂着。然后你花掉一个周六，开车去普罗夫迪夫，到了才发现发动机型号不对、座椅被狗啃过、价格比谁报得都高。
开发者做了个工具叫 RevCheck，思路很直接：把两条车源链接粘进去，大约 30 秒后拿到一份并排对比报告，以及一句结论——哪台值得去看。
它到底检查了什么
照片这一关交给 Gemma 4 视觉模型。颜色、凹陷、划痕、钣金件是否对得上、能看见的配置（比如 M Sport 包围、全景天窗）逐张过一遍。卖家在文字里列了、但照片对不上的加装项，也会被标出来。
价格这一关分两步。先找可比车源：同车型、同车身形式、同燃料类型和发动机功率、年份上下浮动一年，两个网站上的在售车都算进来，同一辆车在两个站都挂的只计一次。然后给出市场位置——比如"比 44 台同类车源中的 91% 都贵"。再由 TabPFN 在请求过程中基于这批可比车源训练，给出合理价格区间，例如"€4,718 – €8,665，这台比预期价高出 €2,276"。
发动机的坑，提前告诉你
DeepSeek V4 会根据年份、功率和排量推断出可能的发动机代号，比如 N47D20C、N52 或 N53，然后列出看车时该查什么：冷启动时的正时链条异响、涡流阀、ZF 变速箱、高压油泵。
还有一批不靠 AI 的硬规则：VIN 缺失、每年公里数异常偏低或偏高、照片数量太少、美版或加版进口（这种要自己去查 VIN）。
最后是结论：先去看哪台、为什么、每台各查什么、上车前问卖家什么。报告支持英语和保加利亚语，页面顶部有国旗切换，选哪种语言就用哪种语言写。
谁会为这个付钱
作者给出的答案很具体：任何准备花半天时间和一箱油去看车的人。人们本来就愿意付钱给技师和验车师到现场看车，RevCheck 是那一步之前的一步——它先告诉你两台里哪台值得跑一趟。
商业模式上，他的设想是每天留几次免费对比，向车商和小型经销商收一笔不高的月费，因为这些人一周要对比几十台车。
技术上刻意做窄
整个项目没有框架、没有数据库、没有 npm 依赖。一个 GitHub Pages 静态页、一个 DigitalOcean Function、一个很小的 Cloudflare Worker。
有意思的是它怎么读到车源。mobile.bg 和 cars.bg 会拒绝来自 DigitalOcean 的请求——要么是 Cloudflare 验证页，要么直接 403。但从 Cloudflare 自己的网络发出去的请求，它们会正常响应。所以读取页面这件事交给了一个叫 revcheck-reader 的 Cloudflare Worker。
这个 Worker 的做法挺克制：User-Agent 老老实实写明自己是 RevCheck/0.1 并附上 GitHub 链接，加上 Cloudflare 给每个 Worker 请求自动带的 CF-Worker 头。两个网站任何一方加一条规则就能封掉它，封了就停。它也不是公开代理，需要只有那个 DigitalOcean Function 才持有的共享密钥，而且只抓取 mobile.bg 的车源页面。
安全边界上，作者把"吓人的判断"全部放在代码里，而不是交给模型。里程表异常、VIN 检查、每年公里数、美版进口，这些都是规则。模型只能建议"去看车时查一下什么"。
浏览器传来的数据被当作不可信输入。结论这一步会从页面拿回每台车的结果，所有字段在进入模型之前，都要按一份已知清单重建并限制长度。照片 URL 必须指向这两个网站自己的图片服务器，因为 Gemma 要去下载它们。
每个慢步骤都有超时。如果"已知问题"查询卡住了，你拿到的是缺这一项的车，而不是什么都没有。
项目带了 26 个测试，全部用 node:test 写成，包括真实世界里那些难看的边界情况。
热门跟贴