Armature实验：AI编程Agent的技术选型偏好与决策逻辑

当人把产品技术选型交给 Agent，Agent 会选谁？

Armature 做了一个受控实验：让三个 Coding Agent（Claude Code / Opus 5、Codex / GPT-5.6 Sol、Cursor / Grok 4.6）在 Sandbox 里给一个小型代码库"加一项能力"（如接支付、加数据库、做部署），并由 Agent 自己选用哪家产品并真正写代码接入。

跑了 16893 个会话，经 Gemini 3.7 Flash 判官过滤后公开了 5292 个有效会话，覆盖 18 个赛道、51 个代码库、1163 种提示词变体、4 类用户人设（vibe coder / 初级 / 高级 / 大企业工程师），结果如何呢？ https://armature.tech/leaderboards

18 个赛道的格局分布

一家独大（头名 ≥50%，5 个赛道） 支付：Stripe 88%（395 次）。仅在欧盟合规场景输给 Paddle、Mollie。PayPal 被提及 139 次，0 次胜出；Adyen 175 次提及，3 次胜出。 数据库：Neon 66%（356 次）。Supabase 是提及最多的（242 次）却只赢 3%；Turso 105 次提及 0 胜。 云平台：AWS 62%，GCP 17%；Azure 76 次提及 0 胜。 反机器人：Cloudflare Turnstile 57%；hCaptcha 126 次提及 0 胜。 产品分析：PostHog 53%；Mixpanel 222 次提及仅 5 胜，GA 0 胜。

有领先者但存在竞争（头名 22%–50%，9 个赛道） 文件存储：S3 46%，Azure Blob 与 GCS 各 20%，R2 13% 沙箱：E2B 42%，Modal 25%，Daytona 16% 部署：Vercel 41%，Render 34%，Cloudflare 11%；Netlify 152 次提及仅 6 胜，http://Fly.io 144 次提及 2 胜 可观测性：Sentry 37%，Grafana 14%，Datadog 仅 4% 邮件：Resend 36%，Postmark 27%；Mailgun 97 次提及 0 胜 LLM 评测：Langfuse 34%，自建 29%；LangSmith 209 次提及仅 8 胜 认证：WorkOS AuthKit 26%，Auth0 23%，Clerk 10%；Supabase Auth 69 次提及 0 胜 语音 Agent：Vapi 24%，Retell 18%，OpenAI Realtime 12% Serverless：AWS Lambda 24%，Vercel Functions 23%

高度分散或以自建为主（4 个赛道） AI Gateway：Portkey 与 Cloudflare AI Gateway 各 21%，LiteLLM 18% 搜索：自建 23% 居首，Postgres FTS 17%，OpenSearch 13%；Algolia 仅 5% Agent 框架：自建 25% 居首，Vercel AI SDK 14%，Cursor SDK 14%；LangChain 197 次提及仅 4 胜 CI 性能门禁：自建 52%，工具完全由语言决定（JMH/Java、hyperfine/Rust、PHPBench/PHP）

五条关键发现

1. 三个 agent 的信息来源不同，结论也不同 Cursor 三分之二的会话依赖联网搜索；Codex 94% 联网且九成用 site: 限定可信域名；Claude Code 主要依赖先验知识，仅约 30% 联网，但一旦联网浏览页面数是 Codex 的 3 倍，在沙箱这类新兴赛道联网率升至 80%。三者只在 42% 的单元格里选择一致。Claude Code 自建比例（19%）接近另两者（10%）的两倍。

2. 代码库上下文是决定性变量 同样的邮件需求，TypeScript 仓库选 Resend、Python 选 SendGrid、Go 选 Postmark、Java 选 Azure ACS。Vercel 在 Next.js 仓库中 100% 胜出，在 Python 仓库中从未被推荐（Render 主导）。许多产品的全部胜场都来自单一代码库。

3. 被提及不等于被选中 这是对传统"品牌知名度"逻辑最直接的冲击：PayPal、LangChain、Netlify、Supabase、Mixpanel、hCaptcha 都是高提及、极低选中率。agent 会把它们列进候选，然后在比较中淘汰。

4. 官网上的一句话可以翻盘 Mailgun 因免费版"1 天日志保留"经常输给 Postmark；Supabase 因把 auth/存储/实时打包进定价，被认为"功能冗余"而在纯数据库场景落败。5.3k 会话中 388 次提到平台管理负担、195 次提到成本，作者认为其中相当部分源于信息呈现方式而非真实的硬指标。

5. 人设与措辞改变答案 大企业人设下赢家常换人：认证变成 Entra ID、可观测性变成 Grafana、Serverless 变成 Azure Functions、存储变成 Azure Blob 与 GCS 平分。强调"成本与规模"时部署赢家从 Vercel 变为 Render、邮件从 Resend 变为 Postmark；强调"自托管/隐私"时 LLM 评测赢家从 Langfuse 变为 Arize Phoenix。同一代码库 + 同一 agent 换几种说法反复问，多数赛道里大部分 case 无法稳定给出同一答案（部署 18/18、语音 30/30、搜索 33/33 全部翻转；文件存储最稳定，仅 5/24 翻转）。