研究了什么
文章的切入点很务实:当你不做特别指定时，Claude Code 会默认选用哪些技术栈、库、设计模式和代码风格？通过系统观察它的产出，作者试图描绘出这个工具的「默认口味」。这背后是训练数据分布的体现,模型见得最多的写法，就成了它不假思索时的首选。知道这些倾向，开发者就能预判产出、提前纠偏，而不是事后惊讶于「它怎么又用了这个库」。
默认值的隐形影响
这类分析的价值超出技术细节。当大量开发者用同一个 AI 工具，它的默认偏好就有了塑造整个生态的隐形权力,某些库因为「AI 爱用」而获得超额采用，某些写法因为「AI 默认这么写」而成为事实标准。这是一种新型的、少有人注意的技术影响力,模型的训练数据偏好，正在反过来影响真实世界的技术选型，形成自我强化的循环。对开发者，实际建议有两条:一是了解你的工具默认偏向什么，需要时显式覆盖；二是对「因为 AI 推荐所以流行」的技术保持一分清醒,流行不等于适合你的场景。
via: Hacker News