Claude Code 实际会选什么工具？

实验设置

• 在 4 个 greenfield 仓库 上运行 Claude Code CLI 代理模式。
• 100 条开放式提示，不在 prompt 中写任何工具名。
• 覆盖 20 个工具类别，如数据库、部署、鉴权、观测等。
• 模型：Sonnet 4.5、Opus 4.5、Opus 4.6；每组合 3 次独立运行。

可靠性控制

• 每次任务前执行 clean reset，避免上下文污染。
• 使用子代理抽取“主推荐工具”，并进行抽样人工校验。
• 报告强调：这是显性偏好研究，不是工具质量排名。
• 核心目标是看“代理会让什么真正落地”，而不是“它知道什么”。

Build > Buy

• 在 20 个类别中有 12 类，更常出现 Custom/DIY。
• Custom/DIY 主选总计 252 次，是单一标签最高值。
• 占全部可解析主选约 12%（252 / 2,073）。

典型高比例场景

• Feature Flags：69%
• Authentication（Python）：100%
• Authentication（总体）：48%
• Observability：22%

含义：代理往往优先拼装框架原生能力，而不是先引入 SaaS/第三方依赖。

Sonnet 4.5（更传统）

• Redis（Python 缓存）93%
• Prisma（JS ORM）79%
• Celery（Python Jobs）100%
• 倾向成熟、已验证的老牌技术。

Opus 4.5（更均衡）

• 提取成功率最高：86.7%
• 在备选之间分布更平均，偏“保守折中”。

Opus 4.6（更前沿）

• Drizzle（JS ORM）100%，JS 内 Prisma 0 主选
• Inngest（JS Jobs）50%
• Custom/DIY 占比最高：11.4%

措辞稳定性

• 同类问题 5 种说法，平均稳定度 76%。
• 高稳定：API Layer、鉴权、CI/CD、数据库、部署。
• 低稳定：后台任务、缓存、ORM、实时能力。

跨仓库差异

• Deployment：Next.js 常推 Vercel，Python 常推 Railway。
• Universal picks：GitHub Actions、Sentry、pnpm 等。
• 结论：代理不是“随机说”，而是“按项目语境调参”。

给开发团队

• 把“AI 默认栈”纳入架构评审，不要无感接受自动选择。
• 在 CI 中加入 tool choice guardrail（许可清单/替代策略）。
• 对高风险类别（鉴权、支付、观测）建立审查模板。
• 定期做 A/B 提示实验，量化模型偏好漂移。

给工具厂商

• 优化“被代理采纳”的文档路径，而不只是人类营销页。
• 提供最短可运行样例，覆盖主流框架模板仓库。
• 争取先成为“高频备选”，再转化为主选默认。
• 持续观测新模型发布后的推荐曲线变化。