Claude Code 工具选择深度研究：AI 如何影响开发者技术栈
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： ...