ایجنتهای کدنویسی چی نصب میکنن؟
هوش مصنوعیخلاصهٔ کاملتر
تو این تحقیق اومده که آرمیچر خواسته بفهمه وقتی به یه ایجنت کدنویسی میگی «این قابلیت رو اضافه کن»، آخرش کدوم سرویس جانبی رو نصب میکنه. برای همین ۷۵ مخزن ساختگی تو ۱۰ زبان ساختن، با اسم شرکت و تاریخچه git جعلی ولی lockfile واقعی، و ۱۱۶۳ تسک واقعی روشون اجرا کردن. از ۱۶۸۹۳ اجرا، ۵۲۹۲ نشست معتبر موند که نتایجش منتشر شده.
نکتهای که نویسندهها روش تاکید دارن اینه که سه ایجنت اصلی رفتار جدا دارن. Cursor تو دوسوم نشستها تصمیمشو از وب میگیره، Codex تو ۹۴٪ نشستها سرچ میکنه ولی ۹ بار از ۱۰ با اپراتور site: سراغ دامنههای مشخص میره، و Claude Code فقط تو حدود ۳۰٪ مواقع سرچ میکنه و بیشتر به دانستههای قبلی خودش تکیه داره. نتیجهش اینه که هر سه فقط تو ۴۲٪ موارد به یه ابزار واحد میرسن.
چیزی که به گفتهٔ نویسنده بیشتر از خود ایجنت اثر داره، خود مخزنه. یه درخواست کاملا یکسان روی چهار مخزن با چهار زبان مختلف، چهار برند ایمیل مختلف داد: Resend روی تایپاسکریپت، Sendgrid روی پایتون، Postmark روی Go و Azure ACS روی جاوا. Vercel هم روی مخزنهای تایپاسکریپت میبره ولی روی پایتون اصلا پیشنهاد نشد و جاش Render انتخاب شد.
یه یافتهٔ جالب دیگه اینه که اسمبردن با انتخابشدن فرق داره. PayPal تو ۱۳۹ نشست اسمش اومده و حتی یه بار هم انتخاب نشده، LangChain با ۱۹۴ ذکر فقط ۴ بار برنده شده و Supabase با ۲۴۲ ذکر بازم به Neon باخته. نویسنده میگه حتی جزئیات صفحهٔ قیمتگذاری هم تصمیم رو برمیگردونه: Mailgun وقتی ایجنت «نگهداری ۱ روزه» رو تو پلن رایگانش میدید، به Postmark میباخت.
نکات کلیدی:
- ۱۶۸۹۳ اجرا روی ۷۵ مخزن ساختگی تو ۱۰ زبان؛ ۵۲۹۲ نشست معتبر منتشر شده
- هر سه ایجنت فقط تو ۴۲٪ موارد یه ابزار رو انتخاب میکنن
- Claude Code نزدیک دو برابر بقیه ترجیح میده خودش پیادهسازی کنه (۱۹٪ در برابر ۱۰٪)
- Stripe تو ۹ مورد از ۱۰ برندهست و فقط تو موارد خاص مقررات اروپا به Paddle و Mollie میبازه
- Neon با ۶۶٪ تو دیتابیس و Amazon S3 با ۴۵٪ تو فایل استوریج جلوترن
