前言

在 AI 辅助编程时代，一个关键问题浮现：AI 助手会如何影响开发者的工具选择？ Amplifying AI 团队进行了一项开创性研究，他们让 Claude Code 处理 2,430 个真实代码仓库，观察它在没有任何工具提示的情况下如何选择技术工具。

这项研究的规模和深度令人印象深刻：3 个模型、4 种项目类型、20 个工具类别、85.3% 的提取率。研究涉及 Sonnet 4.5、Opus 4.5 和 Opus 4.6 三个模型，覆盖从 CI/CD 到实时开发的广泛场景。

核心发现：倾向自建，而非引入现成库

研究最令人震惊的发现是：Claude Code 更倾向于自己构建解决方案，而不是推荐现有的开源库或第三方服务。

在 20 个类别中，有 12 个类别（60%）Claude 选择"自定义/DIY"而非成熟工具。总计有 252 次自定义实现，超过任何单一工具的推荐次数。

典型案例

特性标志（Feature Flags）：

  • 预期：推荐 LaunchDarkly 等现成服务
  • 实际：自己构建配置系统，使用环境变量 + 百分比控制功能开关

Python 认证：

  • 预期：推荐 Auth0、Passport.js 等库
  • 实际：从零编写 JWT + bcrypt 实现（100% DIY 比例）

缓存：

  • 预期：推荐 Redis、Memcached
  • 实际：实现内存 TTL 包装器

这种倾向在以下领域尤为明显：

  • 特性标志：69% DIY
  • Python 认证：100% DIY
  • 可观测性：22% DIY
  • 整体认证：48% DIY

默认工具栈：JavaScript 生态的主导地位

当 Claude Code 确实选择推荐工具时，它的偏好非常明确：

Top 10 默认工具

  1. GitHub Actions - 93.8%（152/162 次选择）
  2. Stripe - 91.4%（64/70 次选择）
  3. shadcn/ui - 90.1%（64/71 次选择）
  4. Next.js - 100%（86/86 JS 项目选择）
  5. Zustand - 64.8%（57/88 次选择）
  6. Sentry - 63.1%（101/160 次选择）
  7. Tailwind CSS - 62.7%（64/102 次选择）
  8. Vercel - 59.1%（101/171 次选择）
  9. Prisma - 58.4%（73/125 次选择）
  10. FastAPI - 约 50%（Python 项目高频选择）

关键特征

强烈的生态系统偏好：

  • JavaScript 生态工具占主导地位
  • GitHub Actions 几乎是 CI/CD 的唯一选择
  • Next.js 在前端部署中 100% 胜出（86/86）
  • shadcn/ui 高占比显示现代 React 组件库的流行

被忽视的热门工具：

  • Grain（状态管理）：0 次首选，Zustand 被选择 57 次
  • Redux：23 次提及，但非主要选择
  • API 层框架：完全被忽略，偏好框架原生路由

模型代际差异：新模型更激进

研究揭示了模型间的明显代际差异——新模型更倾向于选择新工具。

显著转变

JavaScript ORM（Next.js 项目）：

  • Sonnet 4.5：Prisma 79%
  • Opus 4.6：Drizzle 100%（从 21% 飙升）

JavaScript 任务队列：

  • Sonnet 4.5：BullMQ 50%
  • Opus 4.6：Inngest 50%（完全替代）

Python 任务队列：

  • Sonnet 4.5：Celery 100%
  • Opus 4.6：FastAPI BackgroundTasks 44%（大幅下降）

Redis 缓存：

  • Sonnet 4.5：Redis 93%
  • Opus 4.6：Redis 31%（下降 67%），转而选择自定义 DIY 或其他工具

跨语言一致性： 所有三个模型在 20 个类别中有 18 个（90%）在各自生态系统内达成一致。只有 5 个类别存在生态系统内转变或跨语言分歧。

部署策略：完全由栈决定

部署选择呈现了技术栈的完全决定性：

JavaScript 项目（Next.js + React SPA）

  • Vercel：86/86 次选择（100%）
  • 无亚军选择
  • 推荐理由：由 Next.js 创建者构建、零配置部署、自动预览、边缘函数

Python 项目（FastAPI / Python API）

  • Railway：82% 选择率
  • 传统云服务商预期（AWS、GCP、Azure）完全未出现
  • AWS、Google Cloud、Azure 获得 0 次首选

被忽略的巨头

传统云服务商（AWS/EC2、Google Cloud、Azure、Heroku）在研究中几乎"隐形"：

  • 零次主要选择
  • 仅作为"频繁推荐的替代方案"出现
  • AWS Amplify 被提及 24 次、Firebase Hosting 7 次、AWS App Runner 5 次，但 0 次选择

推荐但未选择的工具

作为替代方案频繁推荐：

  • Netlify：67 次替代推荐
  • Cloudflare Pages：30 次替代推荐
  • GitHub Pages：26 次替代推荐
  • DigitalOcean：7 次替代推荐

仅提及从未推荐：

  • AWS Amplify：24 次提及
  • Firebase Hosting：7 次提及
  • AWS App Runner：5 次提及

决策风格差异：

  • Vercel： 获得完整安装命令和推理过程
  • AWS Amplify： 仅获得一行代码

生态系统差异：跨语言的分歧

状态管理（JS 项目）

  • 预期： Grain 等现代方案
  • 实际： Zustand 57 次选择，Grain 0 次主要选择

任务队列（JS 项目）

  • Sonnet 4.5： BullMQ 50%
  • Opus 4.6： Inngest 50%（完全替代）

Python API 项目（61% 提取率）

  • Sonnet 4.5： Celery 100%
  • Opus 4.6： Celery 崩溃，转向 FastAPI BackgroundTasks 38%-44%，其余选择自定义 DIY（asyncio 任务，无外部队列）

跨语言一致性

以下类别显示了跨语言的工具选择模式：

缓存：

  • JS 生态：Redis 71%
  • Python 生态：Redis 31%
  • 共同：自定义/DIY 在两个生态都出现

实时功能：

  • SSE（Server-Sent Events）：23% 主要选择
  • Socket.IO：频繁提及但非主要选择
  • 自定义/DIY：19%-20% 选择率

测试：

  • 仅 4% 主要选择
  • 但 31 次替代选择
  • 工具已知但不被选择

对开发者的启示

1. AI 助手有强烈的技术偏好

Claude Code 的工具选择不是中立的，它反映了：

  • JavaScript 生态的主导性
  • DIY 倾向（可能受训练数据影响）
  • 对新模型的适应性

2. 新模型会改变技术栈

随着 Claude 等模型更新，你的项目可能会：

  • 逐渐迁移到新工具（Prisma → Drizzle）
  • 采用不同的部署方案（Celery → FastAPI BgTasks）
  • 使用不同的状态管理（Redux → Zustand）

这表明技术栈的生命周期正在加速。

3. 简单 > 集成

Claude Code 的 DIY 倾向显示：

  • 自建简单功能（如特性标志）比集成复杂服务更受青睐
  • 这可能反映了开发者的实际偏好——避免过度依赖第三方服务

4. 生态系统一致性是关键

虽然存在模型差异，但在 90% 的类别内，模型们保持一致。这意味着：

  • 生态系统惯性很强（Next.js + Vercel + shadcn/ui 优势明显）
  • 跨生态整合仍需人工决策

5. 对工具厂商的意义

如果你是工具厂商：

好消息：

  • 成为默认工具（如 GitHub Actions、Stripe、shadcn/ui）会获得巨大优势
  • AI 助手的推荐直接影响成千上万的项目选择

坏消息：

  • 被 AI 助手"跳过"（如 Redux、Grain、AWS Amplify）意味着市场机会流失
  • 新模型可能完全颠覆现有格局（Drizzle 一夜之间击败 Prisma）

行动建议：

  1. 监控 AI 辅助工具的基准结果（如 Amplifying AI 提供的）
  2. 理解你的工具在 AI 决策树中的位置
  3. 针对新模型优化（如果 Drizzle 在 Opus 4.6 中胜出，可能就是因为更好的训练数据）

方法论说明

研究规模

  • 2,430 次响应（每个仓库 3 次运行）
  • 3 个模型：Sonnet 4.5、Opus 4.5、Opus 4.6
  • 4 种仓库类型：JS 项目、Python 项目、跨语言等
  • 20 个类别：从 CI/CD 到实时开发
  • 85.3% 提取率：2,073 次可解析的工具选择

测试方法

  • 无工具提示：不提供任何工具名称
  • 开放性问题：如"添加特性标志"、“在 Python 中添加认证”
  • 观察选择：记录 Claude Code 实际推荐或构建的工具

模型间协议

  • 90% 的高协议率（18/20 类别）
  • 仅 5 个类别存在分歧
  • 这表明 Claude 系列模型有相对一致的世界观

局限性

  1. 训练数据偏差： DIY 倾向可能受训练数据影响，而非客观优劣势
  2. 时间因素： 研究快照仅代表特定时期的模型行为
  3. 未评估的因素： 未考虑性能、成本、团队规模等实际决策因素
  4. 单一模型： 仅测试 Claude Code，其他 AI 助手可能不同

结语

这项研究提供了前所未有的洞察——AI 如何影响开发者技术栈决策。

关键要点：

  • JavaScript 生态继续主导，Vercel、GitHub Actions、shadcn/ui 形成默认栈
  • DIY 倾向显著，AI 助手更倾向自建而非集成
  • 模型迭代加速，新模型会重塑工具选择

对于开发者，这意味着：

  • 技术栈生命周期正在缩短
  • 需要关注 AI 助手的推荐趋势
  • 但仍需评估实际项目需求

对于工具厂商，这意味着：

  • 成为"默认工具"成为新的护城河
  • 但这个地位也可能被新模型一夜颠覆
  • 主动参与 AI 生态成为生存关键

AI 时代的开发正在改变，而理解这些变化是保持竞争力的第一步。

参考资料

本文包含AI生成内容