一项针对Claude Code的大规模测试揭示了其在开发中的工具选择偏好。它更倾向于自建方案而非现成工具，并已形成一套默认技术栈。这为理解AI辅助开发提供了新视角。
智能速览
Claude Code显著偏好自建解决方案，而非直接选用第三方工具。
一套默认技术栈已形成，包括Vercel、PostgreSQL和Stripe等。
在CI/CD等领域，特定工具占据绝对主导地位。
不同模型版本的工具选择高度一致，项目上下文影响更大。
研究发现更新版本的模型更倾向于推荐新工具。
精华内容
通过2430次测试，Claude Code的工具选择逻辑被清晰勾勒，其偏好不仅影响开发效率，更在重塑行业生态。
偏爱自建方案
测试发现，Claude Code最显著的特征是倾向于自己编写解决方案，而非推荐现成的第三方工具。在12个不同工具类别中，自定义/DIY方案累计被选为首选252次，占总选择次数的12%，成为最常见的单一选择。
例如，当需求为“添加功能标记”时，它不会推荐LaunchDarkly，而是基于环境变量和框架基础功能，从零实现一套完整的系统。人工抽查了50个案例，约80%为真实的从零搭建场景，证实了其强烈的自建倾向。
默认技术栈成型
当Claude Code选择第三方工具时，其偏好高度集中，形成了一套默认技术栈。核心工具包括Vercel、PostgreSQL、Stripe、Tailwind CSS、shadcn/ui、pnpm等。
更值得注意的是，部分工具类别已被单一工具“锁定”。在CI/CD领域，GitHub Actions占据93.8%的选择；支付处理领域，Stripe占比91.4%；UI组件库领域，shadcn/ui占比90.1%。这种高度的集中性正在形成新的行业标准。
模型间的细微差异
在20个工具类别中，三款被测模型（Sonnet 4.5, Opus 4.5, Opus 4.6）对其中18个类别的首选工具判定完全一致，一致率高达90%。
差异主要体现在版本迭代上。Sonnet 4.5决策最果断，风格保守；Opus 4.6则最青睐前沿工具和自定义方案。这表明模型版本的更新会带来可量化的行为特征差异，可能源于训练数据构成和微调策略的不同。
上下文决定选择
研究显示，项目上下文对工具选择的影响远大于指令的具体措辞。同一工具在不同项目类型中的推荐结果会发生变化。
例如，在Next.js项目中，Claude Code会推荐Vercel进行部署，而在Python项目中则会选择Railway。即便是同一项目，使用5种不同方式表述指令，工具选择的平均稳定性也能达到76%，证明其决策高度依赖项目本身的技术生态。
这项研究揭示了AI代码助手正悄然塑造开发者的技术选型，形成新的行业共识。未来，工具的成功与否，或将取决于能否进入AI的推荐列表。开发者又该如何平衡AI的建议与自身经验？
