有人做了一件很变态的事：给 Claude Code 扔了 2430 个真实项目的开放式问题，不提任何工具名，就看它自己选什么。

结果？Claude Code 的技术品味，比大多数 tech lead 都固执。

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，而不是推荐现成工具。

你说「加个 feature flag」，它不会推荐 LaunchDarkly。它会给你写一套基于环境变量和百分比灰度的配置系统。你说「加个认证」，Python 项目里它直接手搓 JWT + bcrypt，不用任何第三方库。

252 次选择了 Custom/DIY，比任何单个工具都多。

这让我想到一个问题：当你的 AI 编程助手比你还喜欢造轮子，到底是好事还是坏事？

Claude Code 的「默认技术栈」

当它确实选择工具的时候，选得非常果断：

• CI/CD: GitHub Actions，93.8% 的选择率
• 支付: Stripe，91.4%
• UI 组件: shadcn/ui，90.1%
• 状态管理: Zustand，64.8%（Redux？0 次被首选）
• 监控: Sentry，63.1%
• 部署: 前端 Vercel（100%），后端 Railway（82%）

注意最后一条。AWS、GCP、Azure 在 112 次部署相关的回答中，首选次数为零。 零。

不是说它不知道这些云厂商——它会在「替代方案」里提到。但当你问「我该部署到哪」，它永远不会第一个推荐三大云。

对于一个正在影响数百万开发者技术选型的工具来说，这个偏好的影响力是巨大的。

新模型 = 新品味

研究还发现了一个有趣的「时间梯度」：越新的模型，越倾向于选择越新的工具。

最明显的例子是 ORM 选择：

• Sonnet 4.5（较早）: Prisma 79%
• Opus 4.6（最新）: Prisma 0%，Drizzle 100%

从 79% 到 0%，不是渐变，是断崖。

同样的事情发生在缓存领域：Redis 从 Sonnet 4.5 的 93% 暴跌到 Opus 4.6 的 29%，被自定义内存缓存方案取代。Python 的任务队列也是：Celery 从 100% 直接归零，被 FastAPI BackgroundTasks 替代。

这意味着什么？你用的模型版本，直接决定了你项目的技术栈走向。 今天用 Sonnet 写的项目是 Prisma + Redis，明天换 Opus 可能就变成 Drizzle + 自定义缓存了。

被冷落的「大牌」

一些市场份额很大的工具，在 Claude Code 这里几乎不存在：

• Redux: 状态管理霸主，0 次首选。Zustand 被选了 57 次
• Express.js: API 层完全缺席，框架自带路由优先
• Jest: 只有 4% 首选率，Vitest 碾压
• npm: 1 次首选，pnpm 拿了 51 次替代推荐

这不是说这些工具不好。但 Claude Code 的训练数据和偏好，正在形成一种新的「正统」——如果你是新手跟着 AI 写代码，你可能永远不会接触到 Redux 或 Express。

这事儿为什么重要

以前，技术选型靠 tech lead 的经验、团队的习惯、社区的口碑。现在，越来越多的选型决策是 AI 编程助手在背后默默做的。

当 Claude Code 在 100% 的前端部署中推荐 Vercel，这不只是一个偏好——这是在重塑整个部署生态的流量分配。当它在 Python 认证中 100% 选择手写方案，这是在告诉新一代开发者「你不需要 Auth0」。

问题不在于这些选择对不对（说实话，大部分选得还挺合理的）。问题在于：我们是否意识到，技术生态的演化方向，正在被几个模型的训练数据和 RLHF 偏好悄悄决定？

研究原文来自 Amplifying AI，数据量扎实，值得细看。

你在用 AI 写代码的时候，有没有注意过它的「选择偏好」？评论区聊聊。