16,893 次会话之后，我们终于看清 Claude Code、Codex、Cursor 是怎么"挑工具"的

16,893 次会话之后，我们终于看清 Claude Code、Codex、Cursor 是怎么"挑工具"的

2025 年 4 月，Vercel 公开了一个被当时多数人忽略的数字：超过 30% 的部署已经由 coding agent 发起，相比半年前涨了 1000%¹。这一年里，这个数字被反复引用，也被多次复述。开发者工具的"被 Agent 选中"，已经不再是边缘话题——但谁也没说清楚，Agent 到底是怎么选的。

9 月 3 日，工程增长公司 Armature 公开了它们历时数月的一次实验结果：用 75 个真实风格的代码仓库、1,163 条提示变体、4 类工程师角色，让 Claude Code、Codex、Cursor 三个主流编程 Agent 实际动手实现——不是只给建议，而是真的把第三方依赖装进代码库并跑起来。整个实验跑了 16,893 次会话，剔除无效数据后保留了 5,292 次有效会话²。所有 trace、prompt、思考链、最终 code diff 都已公开，谁都可以复现。

这是一个有商业利益方的研究——Armature 自己做"帮 dev tools 被 Agent 选中"的增长服务³——但恰好因为全部 trace 公开，第三方可以独立验证，反而比很多"中立研究"更可信。下面这五个发现，是从 16,893 次会话里能直接读出来的结论。

一、三个 Agent 的"信息收集方式"根本不一样

把同一个"帮我选个数据库"的需求分别丢给 Claude Code、Codex、Cursor，三个 Agent 实际打开网页搜索的比例差异巨大⁴：

• Cursor 在约 2/3 的会话里依赖网络搜索，搜索是它的常规动作。
• Codex 在 94% 的会话里都用了 web search，但其中 9/10 的查询会用 site: 操作符限定到特定域名（比如 site:neon.tech）——它在用最精确的工具做最精确的搜索。
• Claude Code 只在 30% 的会话里搜 web，但搜一次平均浏览的页面数是 Codex 的 3 倍；遇到它先验较弱的新兴品类（比如 sandbox 类工具），搜索频率会被抬到约 80%。

这是一个反直觉的细节：很多人以为 Claude Code 最"博学"、Cursor 最"依赖外部"，但实测正好反过来。Claude Code 倾向于用自己的先验知识给出判断；Cursor 才会先把整个 web 当作证据池过一遍。这意味着同一个问题，三个 Agent 看到的"证据池"是不一样的——这就解释了为什么同样一句"邮件服务该选哪个"，三个人给出的答案可以是三家完全不同的产品。

二、一致率只有 42%，剩下的不是噪声

5,292 个有效会话里，三个 Agent 在同一个格子里选同一个工具的概率只有 42%⁵。换句话说，超过一半的格子，三个 Agent 给出了不同的答案。

差异特别大的例子是 voice agent（语音 Agent）类别：Claude Code 选 Twilio，Codex 选 OpenAI Realtime API，Cursor 选 Vapi——三家完全不同⁵。还有一个隐性差异：Claude Code 自建比例约 19%，是 Codex/Cursor（约 10%）的近两倍——也就是说，Claude Code 更容易告诉用户"我帮你写一个"而不是"我帮你装一个"。