在购买二手车的过程中，什么是买家的最大担忧呢？不是难以议价，而是到店后发现失望的真相。保加利亚的二手车爱好者们普遍分享着一种让人沮丧的经历：他们往往在 mobile.bg 和 cars.bg 这两个网站同时打开多个标签，试图筛选出那些标有“全新进口”“真实里程”“完美无瑕”的汽车。然而，当你花费一个周六的时间驱车驰骋至普罗夫迪夫，最后却发现所看车型的发动机型号根本不符，座椅上更是留下了宠物啃咬的痕迹，甚至价格还超出了市场预期，让人心有不甘。为了解决这一痛点，开发者推出了一个名为 RevCheck 的工具，它的设计理念相当简单明了：粘贴两条车源链接，经过大约 30 秒的分析，便会呈现一份详细的对比报告，告诉你哪一辆车值得亲自去看。

这个工具具体检查了哪些信息呢？首先，照片的分析责任交给了 Gemma 4 视觉模型。它将车辆的颜色、车身凹陷、划痕情况、钣金件的匹配度，以及显眼的配置（如 M Sport 套件和全景天窗）一一检测，确保每张照片都真实可靠。卖家在描述中提到的额外配件如果与照片不符，模型也会予以标注。

其次，价格分析是通过双重步骤进行的。首先，系统寻找可比车型，即相同品牌、车身形式、燃料类型和发动机功率的车辆，年份上下浮动一年，两个网站上在售的车源都会被计入，对同一辆车只算一次。其次，系统会为用户提供市场定位的信息，如“在 44 辆同类车中，只有 9% 的车型贵于此车的标价。”通过 TabPFN，工具进一步训练出合理的价格区间，比如“€4,718 – €8,665，这辆车的标价高出了预计价 €2,276。” 乐玩.LEWIN乐玩

关于发动机方面，DeepSeek V4 则根据车辆的年份、功率与排量推测出可能的发动机型号，例如 N47D20C、N52 或 N53，并列出在实地检查时需要注意的关键点：如冷启动时的链条异响、涡流阀、ZF 变速箱、高压油泵等问题。此外，工具还结合了一些基于常识的硬性规则，比如缺失 VIN 码、年行驶公里数异常、照片数量过少，或是美版、加版进口等情况（需要用户自行查 VIN）。

最终，报告会给出一个简洁明了的结论：告诉用户应该优先查看哪一辆车及原因，每辆车在看车时需关注的要点，以及在上车前要向卖家询问的核心问题。报告支持英语和保加利亚语，用户可以通过页面顶部的国旗切换选择语言。

至于谁会为这个服务付费？开发者的回答相对明确：任何准备花费半天时间和一箱油去查看的买家。人们一般愿意为专家和检测师的现场评估支付费用，而 RevCheck 就是在这一环节前的一道屏障，提前帮消费者做出选择，让他们获知哪一辆车更值得一去。 乐玩.LEWIN乐玩

在商业模式上，开发者设想每天提供几次免费的对比服务，向汽车商和小型经销商收取适度的月费，因为这些用户每周需要对比的车辆可能高达几十台。

技术上，整个项目采用了极简的架构，没有复杂的数据库和不必要的 npm 依赖。它由一个 GitHub Pages 静态页面、一个 DigitalOcean 功能及一个小型 Cloudflare Worker 共同支撑。值得注意的是，读取车源时遇到了挑战，因为 mobile.bg 和 cars.bg 通常拒绝来自 DigitalOcean 的请求——这些请求一方面可能卡在 Cloudflare 的验证页面，另一方面会直接返回 403 错误。因此，页面读取的任务交由一款名为 revcheck-reader 的 Cloudflare Worker 来处理。这一 Worker 的设计相对谨慎：User-Agent 直接标明其身份为 RevCheck/0.1，并附上 GitHub 链接，加上 Cloudflare 自动添加的 CF-Worker 头。如果其中任一网站添加了新的规则，Worker 便会无法使用。

在安全边界上，开发者将所有“惊人的判断”保留在代码里，而非交给模型来决定。包括里程表异常、VIN 检查、年行驶公里数和美版进口等标准，都是其中明确的规则。模型的功能仅限于建议在看车时应检查哪些内容。所有来自浏览器的数据被视作不可信的输入，报告生成的结论将根据每辆车的返回结果，提前通过已知标准重建各项字段，限制输入数据的长度和来源，确保照片的 URL 指向车源网站的内部图片服务器，因为 Gemma 需要下载它们进行分析。 乐玩.LEWIN乐玩

而每一个慢速步骤都设定了超时机制，如果对于“已知问题”的查询卡住，用户还是会得到缺少该项的车辆数据，而非无法获取结果的尴尬。

整个项目提供了 26 个测试，全部使用 node:test 编写，涵盖现实世界中的各种边界情形，确保其健壮性与可靠性。