有趣的报告：Claude Code宁愿造轮子，也不用熟悉的那些工具，越强模型越是这样

采集助手AI 前沿2026-09-160 阅读

当你让 Claude Code 帮你搭建项目时，它到底在想什么，选现成工具还是选择造轮子？

最近看到一个有意思的研究报告，AI总结如下。

完整报告：https://amplifying.ai/research/claude-code-picks

有人让 Claude Code 面对真实代码库 2,430 次，问题都很开放，比如”加个功能开关”、“加个认证系统”。

没有任何工具名称的暗示，就看它会选什么。

结果挺出乎意料的。

最大的发现：它更喜欢自己造轮子

在 20 个技术类别里，有 12 个类别 Claude Code 选择了自己写代码，而不是推荐现成工具。

252 次自定义方案，比任何单个工具都多。

举几个例子：

  • 你问它”加个功能开关”，它不推荐 LaunchDarkly，而是给你写一套基于环境变量和百分比的配置系统
  • Python 项目里问”加个认证”，它直接用 JWT + bcrypt 从零写
  • 缓存功能？给你手写一个带 TTL 的内存缓存包装器

这让我想起一个问题：什么时候该用轮子，什么时候该造轮子？

传统开发者的判断标准可能是：

复杂度、维护成本、团队能力。

但 AI 的判断逻辑似乎不太一样。它在评估”这个需求是否需要引入外部依赖”时，门槛比我们想象的高。

当它确实推荐工具时，选择很坚定

虽然经常自己动手，但 Claude Code 推荐工具时毫不犹豫：

  • GitHub Actions 94%（CI/CD）
  • Stripe 91%（支付）
  • shadcn/ui 90%（UI 组件）
  • Vercel 100%（JS 项目部署）

图片

这些数字背后是什么？

我觉得是生态位的清晰度。

支付、部署这类需求，边界明确，外部工具的价值显而易见。

但认证、缓存这些，可能 AI 觉得”这事儿我能搞定，为什么要多一层依赖？”

图片

三个模型，三种性格

更有意思的是不同模型的偏好：

Sonnet 4.5：保守派

  • Redis 93%（Python 缓存）
  • Prisma 79%（JS ORM）
  • Celery 100%（Python 任务队列）

选的都是成熟工具，稳。

Opus 4.5：平衡派

  • 86.7% 的情况会推荐具体工具（最高）
  • 在备选方案之间分布最均匀

Opus 4.6：激进派

  • Drizzle 100%（JS ORM，Prisma 直接归零）
  • Inngest 50%（JS 任务队列）
  • 自定义方案占比 11.4%（最高）

你看，模型越新，越倾向于新工具和自己造轮子。

Opus 4.6 的训练数据里可能包含了更多对 Prisma 性能问题的讨论，对 Drizzle 类型安全的赞美。

它在学习”什么是更好的选择”时，吸收了社区最新的共识。

几个反常识的发现

Redux 消失了

0 次主要推荐，但被提及 23 次。Claude Code 知道它，但就是不选。转而推荐 Zustand 57 次。

Express 不见了

完全缺席。框架原生路由成了首选。

Jest 被冷落

只有 4% 的主要推荐，但有 31 次备选提及。

它还活着，只是不再是默认选项。Vitest 拿走了 59.1% 的份额。

这些工具曾经是生态的支柱。但在 AI 的推荐逻辑里，市场份额不等于推荐权重。

部署的世界观

图片

部署这件事，Claude Code 的选择完全由技术栈决定：

JS 项目？100% Vercel

86 次前端部署推荐，全是 Vercel。没有第二名。

Python 项目？82% Railway

你可能以为是 AWS、GCP、Azure。但实际上：

  • Railway 82%
  • Docker 8%
  • Fly.io 5%
  • Render 5%

AWS、GCP、Azure 的主要推荐次数？零。

它们经常被提及（AWS Amplify 24 次，Firebase Hosting 7 次），但从不是第一选择。

为什么？

我猜是因为认知负荷。

Vercel 和 Railway 是”零配置”的代表，部署流程简单到可以一句话说清楚。而传统云服务商需要你理解 VPC、安全组、负载均衡器。

AI 在优化的不只是技术方案，还有开发者的决策成本。

这对开发工具公司意味着什么

如果你在做开发工具，这个研究值得仔细看。

AI 正在成为新的分发渠道。

以前是搜索引擎、技术博客、开发者社区。现在多了一个：AI 的默认推荐。

而这个渠道的规则不太一样：

  • 市场份额不是护城河（Redux、Jest）
  • 复杂度是负分项（AWS vs Railway）
  • 生态位清晰度很重要（Stripe、Vercel）
  • 社区讨论的最新共识会快速反映到新模型里（Prisma → Drizzle）

如果 AI 不推荐你的工具，不是因为它不知道，而是它觉得有更好的选择。

最后想说的

这个研究让我重新思考一个问题：AI 在塑造什么样的技术生态？

它不只是在回答问题，它在定义默认选项。

当越来越多的项目由 AI 辅助搭建，它的偏好会变成事实上的标准。

Vercel、Stripe、shadcn/ui 的高推荐率，不只是反映现状，也在创造未来。

而那些被 AI 冷落的工具，即使市场份额还在，也可能慢慢失去新项目的入口。

这不是好坏的问题，是趋势的问题。

AI 的选择，正在成为行业的选择。

原文信息

作者：向阳乔木（@vista8） 原文地址：https://x.com/vista8/status/2029134301149945992

阅读原文

原文链接：https://www.jxxy.net/ai/articles/vista8-2029134301149945992/

← 返回文章列表