编码智能体挑选第三方工具的 1.7 万次实测揭示技术选型新法则

当软件部署平台 Vercel 披露其超过 30% 的线上部署已由编码智能体（具备自主编写代码、调用终端与浏览器能力的 AI 程序）直接发起且半年内激增 10 倍时，软件生态的权力中心正在发生转移。2026 年 9 月 3 日，Armature 团队公布了一项针对 Claude Code、Codex 和 Cursor 的超大规模实测研究。该研究覆盖 75 个仓库、10 种编程语言以及 4 类开发人设，记录了 16,893 次真实交互与 5,292 次有效决策会话。

实测数据显示，表面上看是 AI 智能体在按照客观技术指标评估软件架构，本质上却是底层模型的检索策略、代码库现存语言生态与厂商文档信息呈现形式的三重博弈。AI 挑选第三方库和云服务的行为模式，已经彻底颠覆了人类技术决策的传统路径。

技术垄断与高频陪跑，被模型提及不代表最终入选

在全部 18 个细分技术领域中，部分老牌基础设施展现出极高的统治力。支付领域成为垄断程度最高的赛道，Stripe 拿下了 88.4% 的最终选中率。在数据库领域，Neon 获得了 66.3% 的选型份额；云基础设施中 AWS 占据 61.9%；机器人防护领域 Cloudflare Turnstile 占据 56.9%；沙箱执行环境 E2B 获得 42.5%；产品分析工具 PostHog 则拿下 52.6% 的选择率。

然而，模型训练数据中的高词频并不等于最终的落地采用率。数据统计呈现出残酷的陪跑现象：PayPal 在会话中被模型提及 139 次，最终采用次数为 0，同期 Stripe 获胜 124 次；Adyen 被提及 175 次仅获选 3 次；Netlify 被提及 152 次仅入选 6 次。


【智能体工具选型实测转化表现】
工具名称      提及次数                  最终选中次数
──────────────────────────────────────────────────
Stripe        ████████████ 124次胜出   (88.4% 绝对垄断)
PayPal        ████ 139次提及           (0次选中)
LangChain     ██████ 194次提及         (仅 4次选中)
Supabase      ████████ 242次提及       (多数输给 Neon)
Netlify       █████ 152次提及          (仅 6次选中)
──────────────────────────────────────────────────

即使在开源生态声量巨大的工具也难逃此劫。作为 AI 编排领域的代表，LangChain 在 194 次被提及的会话中仅被选中 4 次，更多智能体在 25.0% 的情况下倾向于自建内部轻量逻辑；Supabase 是被提及次数最多的数据库服务（共 242 次），但在最终落地时绝大多数输给了专精 Serverless Postgres 的 Neon。

三大智能体决策分流，搜索偏好与自建倾向的底层分野

三大主流编码智能体在面对同一需求时，仅在 42% 的测试网格中达成选型一致。这种分歧源于各家底座模型在信息检索机制与行动策略上的巨大差异。

Codex 展现出对实时网页搜索的极高依赖，94% 的会话会主动调用搜索引擎。在检索过程中，Codex 在 90% 的查询中主动使用 site: 语法限定权威域名，例如构造 “site:auth0.com password reset MFA social connections” 这样的精准查询来验证功能细节。

Cursor 有约三分之二的会话依赖网络搜索做最终决策。Claude Code 则截然不同，它主要依赖预训练阶段沉淀的先验知识，仅在约 30% 的会话中发起搜索。但在沙箱等缺乏先验知识的新兴领域，Claude Code 的搜索调用率会飙升至 80%，且一旦开启搜索，其浏览页面数量达到 Codex 的 3 倍。


【三大编码智能体决策特征】
┌─────────────┐     ┌──────────────────────────────────────────────┐
│ Codex       │ ──► │ 94% 依赖搜索 / 90% 查询采用 site: 聚焦权威源  │
└─────────────┘     └──────────────────────────────────────────────┘
┌─────────────┐     ┌──────────────────────────────────────────────┐
│ Cursor      │ ──► │ 66% 依赖实时搜索 / 偏好轻量集成方案          │
└─────────────┘     └──────────────────────────────────────────────┘
┌─────────────┐     ┌──────────────────────────────────────────────┐
│ Claude Code │ ──► │ 30% 依赖搜索 / 深度浏览 / 自建倾向高达 19%    │
└─────────────┘     └──────────────────────────────────────────────┘

各智能体在面对集成复杂性时的容忍度也截然不同。Claude Code 展现出强烈的自研偏好，其自建基础设施与自写功能的比例达到 19%，是 Codex 与 Cursor（约 10%）的近两倍。在语音代理领域，三者更是完全分化：Claude Code 选择 Twilio，Codex 倾向 OpenAI Realtime API，而 Cursor 则选择 Vapi。

阶段	核心问题	留下的硬伤
信息检索阶段	智能体依赖特定搜索引擎抓取文档片段，过度依赖顶级域名过滤规则	错失未做强 SEO 或域名权重较低的新兴优质工具
方案评估阶段	模型对定价结构与复杂管理面板极度敏感，缺乏长期运营预判	误将一次性配置成本等同于长期维护劣势而盲目自建
代码落地阶段	语言与框架上下文强行绑定选型，忽略跨生态更优解	产生技术栈局部最优但全局冗余的架构碎片

代码库上下文即命运，语言生态深度绑定供应商

实测表明，智能体的技术推荐极少发生跨生态跃迁，当前仓库的编程语言与主框架构成了无法突破的决策结界。在完全相同的邮件发送需求下，不同语言的仓库导向了完全不同的供应商。

在 TypeScript 仓库中，Resend 以 55/89 的悬殊优势获胜；在 Python 仓库中，SendGrid 成为绝对主力（22/24）；Go 语言生态中，Postmark 占据主导（20/24）；而在 Java 仓库里，Azure ACS 赢得了 22/23 的测试。


【相同需求在不同语言仓库中的邮件服务选型】
TypeScript 仓库  ──►  Resend     (55/89 胜出)
Python 仓库      ──►  SendGrid   (22/24 胜出)
Go 仓库          ──►  Postmark   (20/24 胜出)
Java 仓库        ──►  Azure ACS  (22/23 胜出)

部署平台的选型同样受到这一规律的强力支配。在 Next.js 与 TypeScript 代码库中，智能体将 Vercel 作为 100% 的必选项。然而一旦切换至 Python 仓库，智能体从未向用户推荐过 Vercel，Render 以 34.4% 的选用率成为首选。智能体并不具备全局视角的工具中立性，它只是在严格遵循特定语言社区历史形成的路径依赖。

文档与定价细节的致命一击，智能体视角的淘汰红线

在 5,292 次有效会话的推演轨迹中，智能体有 388 次明确提及平台的管理开销过大，195 次直接因成本结构而放弃候选方案。许多优秀的开发者工具被淘汰，并非核心能力不足，而是产品包装形式触发了智能体的避险机制。

Mailgun 在与 Postmark 的竞争中频繁落败，核心原因在于智能体抓取到了其免费套餐中包含“日志仅保留 1 天”的条款，进而判定该服务无法满足可靠性要求。Supabase 的失利则更具代表性，由于将身份认证、对象存储与实时监听打包为一体化后端即服务（BaaS），当智能体只需要单纯的数据库实例时，会判定其包含了大量冗余管理开销与捆绑成本，转而投向架构更纯粹的 Neon。

在双 Gemini 3.7 Flash 实例分别担任人类模拟交互与评测裁判的闭环测试中，这一特征反复出现。工具文档如果存在隐蔽限制、收费层级模糊或强行捆绑周边组件，会在智能体的第一轮信息解析中被迅速降权淘汰。