Claude Code 如何选工具？2430次测试揭示其技术选型逻辑

你有没有好奇过，当AI为你生成代码时，它是如何从众多工具中做出选择的？Amplifying.ai的一项研究通过2430次测试，揭示了Claude Code的偏好和决策逻辑，其结果可能与你想象的并不相同。

研究者将三个Claude模型（Sonnet 4.5、Opus 4.5、Opus 4.6）置于四种不同的项目仓库中，对每个模型进行三次测试。他们向AI提出开放性问题（如“添加登录功能”、“部署到云端”），观察其在没有明确指导的情况下，会优先推荐或使用哪些工具。

发现一：能自己写，就不用第三方

测试覆盖了20个工具类别，其中在12个类别里，Claude Code的首选方案不是集成现成的第三方服务，而是自己动手编写代码。

例如，当你要求添加功能开关时，它不会推荐LaunchDarkly，而是为你设计一套基于环境变量和百分比滚动的发布系统。对于登录认证需求，它倾向于直接实现一个JWT加bcrypt的方案，而非引入Auth0。

统计显示，“Custom/DIY”（自定义/自己动手）的标签出现了252次，超过了任何单个工具的出现频率。这反映出AI编程助手的核心本能：用代码解决问题。就像一个熟练的工匠，面对需求时，第一反应是运用自己的手艺去创造，而不是去采购成品。

发现二：决策高度集中，GitHub Actions占比94%

当Claude Code决定使用现成工具时，其选择表现出惊人的集中度，仿佛在其认知中形成了某些“默认选项”：

• CI/CD：GitHub Actions 占比 94%（152/162）
• 支付：Stripe 占比 91%（64/70）
• UI组件：shadcn/ui 占比 90%（64/71）
• 前端部署：Vercel 占比 100%（86/86，针对所有JS项目）
• 状态管理：Zustand 占比 65%（57/88）
• 错误监控：Sentry 占比 63%（101/160）

这意味着，在Claude Code的“技术栈世界观”里，某些工具已成为特定领域的代名词。它几乎不会考虑Jenkins或GitLab CI，提到CI/CD就会直接锁定GitHub Actions。

发现三：模型越新，越偏爱新锐工具

对比不同模型版本的选择，一个清晰的趋势浮现出来：模型越新，就越倾向于推荐更新、更现代的工具。

在JavaScript项目的ORM选择上，差异极为显著：

• Sonnet 4.5：Prisma 79%， Drizzle 0%。
• Opus 4.6：Drizzle 100%， Prisma 0%。

这体现了训练数据时效性带来的影响。新模型接触到了更多关于“轻量化”、“开发体验”的社区讨论和技术文章，因此其推荐也反映了这种最新的技术品味。类似的情况也出现在Python任务队列（Celery vs FastAPI BackgroundTasks）和缓存方案（Redis vs 自建内存缓存）的选择上。

发现四：部署选择由技术栈决定，传统云商遭冷落

在部署平台的选择上，Claude Code的逻辑非常直接：看技术栈下菜碟。

• JavaScript前端项目（如Next.js）：100%首选Vercel，无一例外。
• Python后端项目（如FastAPI）：82%首选Railway。

一个令人惊讶的数据是：在112次与部署相关的回答中，AWS、GCP、Azure这三大传统云服务商被选为首选的次数为零。它们似乎已不在AI的“首选推荐清单”里。对于Next.js项目，Claude Code通常会给出类似以下的、带有明显倾向性的回答：

Vercel（推荐）—— 由 Next.js 的创造者开发，零配置部署，自动预览环境，边缘函数。运行 `vercel deploy` 即可。
Netlify —— 不错的替代品，免费额度友好。
AWS Amplify —— 如果你已经在 AWS 生态里可以用。

可以看到，对Vercel的描述详尽并附有具体命令，而对AWS Amplify只是一笔带过，待遇差距悬殊。

发现五：“礼貌性提及”与“完全透明”的工具

研究还发现了一类有趣的现象：有些工具会被AI“知道”，并偶尔在回答中被提及，但几乎从不作为首选甚至备选推荐。

• “万年备胎”型：如Netlify、Cloudflare Pages、GitHub Pages，常出现在“你也可以考虑……”的句子里。
• “透明工具”型：更惨的是像AWS EC2/ECS、Google Cloud、Azure App Service、Heroku这类传统或上一代的云服务平台，在回答中几乎不会被主动提及，仿佛它们不存在于AI的工具认知图谱中。

这对开发者意味着什么？

这项研究揭示了几点关键洞察：

1. AI的技术品味正在固化：AI编程助手并非随机推荐工具，而是基于其训练数据形成了一套有逻辑、有偏好的推荐体系，这套体系紧密跟随最新的技术潮流。
2. 反映技术趋势的“风向标”：如果你想了解当前开发者社群中真正流行什么，观察AI的推荐可能比阅读某些年度报告更直接有效，因为其训练数据直接来源于近期的代码和文档。
3. 传统云服务商面临新挑战：当新一代开发者和AI助手都开始将Vercel、Railway等视为默认选项时，AWS、GCP等巨头可能需要重新思考如何吸引下一个十年的开发者。
4. 工具推荐需结合具体场景：最重要的是，AI的推荐是基于其“通用”视角得出的。你的项目可能有特定的性能、成本、合规或团队技能要求。因此，AI的建议是一个强大的参考，但最终的技术选型决策权，必须掌握在了解项目全貌的开发者手中。

---

常见问题

Q：这个研究的数据来源是什么？
A：研究使用了三个Claude模型，在四种项目仓库中进行了总计2430次测试，其中85.3%的响应可以提取出明确的工具选择。

Q：为什么Claude Code倾向于自己写而不是用现成工具？
A：研究者认为，AI作为一个代码生成工具，其核心能力就是编写代码。对于许多通用功能（如简单的认证、功能开关），自己实现可能比集成、配置一个第三方服务更简单直接，因此成为其本能选择。

Q：Vercel真的有那么好吗？
A：对于Next.js项目而言，Vercel确实提供了无缝的、零配置的部署体验，并深度集成了预览、边缘计算等特性。然而，“最好”是相对的。如果项目有严格的私有化部署要求，那么其他平台可能是更合适的选择。AI的推荐反映了“开箱即用”和“最佳体验”的普遍追求，但具体选择仍需因地制宜。