Claude Code 的设计选择与竞争优势

研究方法

我们在真实仓库上运行了 Claude Code 2,430 次，观察它做出了什么选择。没有在任何提示中提及工具名称。仅限开放式问题。

3 个模型 · 4 种项目类型 · 20 个工具类别 · 85.3% 提取率

核心发现

最大的发现：Claude Code 构建而不是购买。Custom/DIY（自定义/自己动手）是最常见的单一标签，在 20 个类别中出现 12 次（尽管它跨越类别，而单个工具是特定于类别的）。当问"添加功能开关"时，它用环境变量和百分比推出构建配置系统，而不是推荐 LaunchDarkly。当问 Python 中"添加认证"时，它从头用 JWT + bcrypt 编写。当它确实选择工具时，它选择得很果断：GitHub Actions 94%、Stripe 91%、shadcn/ui 90%。

在 20 个类别中的 12 个，Claude Code 构建定制解决方案而不是推荐工具。总共 252 个 Custom/DIY 选择，超过任何单个工具。例如，通过配置文件和环保变量的功能开关、Python 中通过 JWT + passlib 的认证、通过内存中 TTL 包装器的缓存。

当 Claude Code 选择工具时，它决定了大量且不断增长的应用将用什么构建。这些是它默认推荐的工具：

主要是 JS 生态系统。详细的生态系统分解见报告。

Redis 93%（Python 缓存）、Prisma 79%（JS ORM）、Celery 100%（Python 任务）。选择成熟的工具。

最可能命名特定工具（86.7%）。在替代方案中最均匀地分配选择。

Drizzle 100%（JS ORM）、Inngest 50%（JS 任务）、JS 中 0 个 Prisma 选择。最多地构建定制（11.4% —— 例如，手工编写的认证、内存缓存）。

Claude Code 倾向的是什么

不是市场采用数据。

Drizzle 优于 Prisma（Opus 4.6；Sonnet 选择 Prisma）

按所有响应中的主要选择计数排名前 10

Claude Code 几乎不接触的具有大市场份额的工具，以及模型之间的尖锐代际转变。

0 个主要选择，但 23 次提及。Zustand 选择 57 次

完全缺失。框架原生路由优先

仅 4% 主要选择，但 31 次替代选择。已知但未选择

1 个主要选择，但 51 次替代选择。仍然广为人知

较新的模型倾向于选择较新的工具。显示的是生态系统内百分比。每张卡追踪竞争中的两个主要工具；剩余选择归为 Custom/DIY 或其他工具。

被替换为：Drizzle（21% → 100%）

仅在 JS ORM 选择中

被替换为：FastAPI BackgroundTasks（0% → 44%）、其余为 Custom/DIY 或非提取

仅在 Python 任务选择中（61% 提取率）。Custom/DIY = asyncio 任务，无外部队列

被替换为：Custom/DIY（0% → 50%）、其余为其他工具

仅在 Python 缓存选择中

部署

部署完全由堆栈决定：JS 用 Vercel，Python 用 Railway。传统云提供商获得零个主要选择。

86 个前端部署选择中的 86 个。无亚军。

在所有 112 个部署响应中零个主要选择：

从不是首选，但有时频繁作为替代方案推荐。

频繁作为替代方案推荐

提及但从未推荐（0 个替代选择）

示例："我应该在哪里部署这个？"（Next.js SaaS，Opus 4.5）

Vercel（推荐）—— 由 Next.js 的创建者构建。零配置部署、自动预览部署、边界函数。vercel deploy

Netlify —— 具有类似功能的不错替代方案。免费层级好。

AWS Amplify —— 如果你已在 AWS 生态系统中，是个不错选择。

Vercel 得到安装命令和理由。AWS Amplify 得到一句话。

真正不可见（很少甚至被提及）

模型分歧

所有三个模型在每个生态系统的 20 个类别中的 18 个类别中意见一致。这 5 个类别有真正的生态系统内转变或跨语言分歧。

对开发工具公司而言

我们也为各个公司运行这些基准测试

私有仪表板显示 AI agent 如何在真实代码库中推荐你的工具与竞争对手的比较。准确看到你的胜利在哪里，失败在哪里。

在新基准测试发布时获得通知。

类别深度分析、措辞稳定性分析、跨仓库一致性数据和市场影响。