Armature, một studio chuyên cung cấp dịch vụ tăng trưởng cho các công cụ lập trình, vừa công bố một nghiên cứu quy mô nhằm giải mã cách các coding agent lựa chọn công cụ. Họ đã theo dõi 16.893 phiên làm việc của ba agent phổ biến nhất hiện nay: Claude Code, Codex và Cursor.
Thử nghiệm được triển khai trên 75 repository tự dựng thuộc 10 ngôn ngữ lập trình, đi kèm 1.163 biến thể prompt đại diện cho 4 nhóm người dùng (từ người mới bắt đầu đến kỹ sư doanh nghiệp phụ trách tuân thủ và mua sắm). Sau quá trình sàng lọc, 5.292 phiên làm việc đạt chuẩn đã được phân tích, trải rộng trên 51 codebase và 18 lĩnh vực khác nhau.
Phương pháp nghiên cứu
Các repository được thiết lập với tên công ty và lịch sử git giả lập nhưng giữ nguyên lockfile thực tế. Môi trường sandbox được xoay vòng liên tục giữa 3 nhà cung cấp, tích hợp thêm yếu tố “con người mô phỏng” trong vòng lặp để tăng tính tự nhiên cho kịch bản. Đáng chú ý, cả vai trò điều phối lẫn trọng tài đánh giá các phiên làm việc đều do Gemini 3.7 Flash đảm nhận.
Một số phát hiện chính từ báo cáo:
- Sự bất đồng giữa các agent: Chỉ 42% trường hợp cả ba công cụ đưa ra cùng một lựa chọn dịch vụ cho một nhu cầu. Điển hình ở nhóm voice API: Claude Code ưu tiên Twilio, Codex chọn OpenAI Realtime API, trong khi Cursor gọi tên Vapi. Sự khác biệt này xuất phát từ chiến lược thu thập dữ liệu: Codex tìm kiếm web ở 94% số phiên (với 90% truy vấn dùng toán tử site để giới hạn nguồn tin cậy). Claude Code chủ yếu dựa vào tri thức huấn luyện sẵn (chỉ tìm web khoảng 30% thời lượng, trừ các mảng mới như sandbox khi tỉ lệ này vọt lên 80%), còn Cursor tra cứu web trong khoảng 2 phần 3 tổng số phiên.
- Ngữ cảnh repository áp đảo thương hiệu: Với cùng một tác vụ gửi email, 4 repo trên 4 ngôn ngữ khác nhau dẫn đến 4 kết quả riêng biệt: Resend (TypeScript), SendGrid (Python), Postmark (Go) và Azure ACS (Java). Vercel áp đảo hoàn toàn trên repo NextJS nhưng lại vắng mặt trên repo Python – nơi Render chiếm ưu thế.
- Được nhắc đến không đồng nghĩa với được chọn: Trong mảng thanh toán, PayPal xuất hiện 139 lần nhưng nhận 0 lựa chọn, nhường chỗ cho Stripe thắng 124 phiên. LangChain được nhắc nhiều nhất nhóm framework (194 lần) nhưng chỉ được cài đặt 4 lần. Netlify được đề cập 152 lần nhưng chỉ được chọn 6 lần. Ở mảng cơ sở dữ liệu, Supabase dẫn đầu về tần suất nhắc tới (242 lần) nhưng Neon mới là bên chiếm đa số kết quả. Đôi khi quyết định bị ảnh hưởng bởi chi tiết rất nhỏ, như việc Mailgun bị Postmark vượt mặt chỉ vì trang giá quy định gói miễn phí chỉ lưu trữ dữ liệu trong 1 ngày.
Báo cáo mở ra một kênh phân phối hoàn toàn mới. Vercel từng ghi nhận hơn 30% lượt deploy trên hệ thống của họ đến từ các coding agent, tăng trưởng 1.000% chỉ trong nửa năm. Khi agent chủ động đọc tài liệu, phân tích bảng giá và quyết định tích hợp, nội dung trên website không còn đơn thuần phục vụ marketing cho người dùng cuối, mà trở thành dữ liệu để AI sàng lọc. Khái niệm “Agentic SEO” - tối ưu hóa để sản phẩm được AI agent ưu tiên lựa chọn - đang trở thành một xu hướng tất yếu.
Bài học thực tiễn
-
Dành cho người dùng agent: Nên đặt câu hỏi phản biện về căn nguyên của các kiến nghị và đòi hỏi các lựa chọn thay thế để so sánh, đặc biệt đối với các giải pháp công nghệ mang tính dài hạn và khó thay đổi.
-
Dành cho bên phát triển sản phẩm: Hệ thống tài liệu kỹ thuật cùng chính sách giá chính là đội ngũ bán hàng tiếp thị tới một tệp khách hàng hoàn toàn mới – làm việc liên tục không nghỉ, không bị chi phối bởi uy tín thương hiệu hay đối tác, đồng thời soi xét cực kỳ cẩn trọng mọi thông tin chi tiết.
Điểm cốt lõi đáng chú ý nhất đúc kết từ 5.292 phiên thử nghiệm hợp lệ chính là: Con người hầu như không còn giữ vai trò đưa ra quyết định sau cùng trong phần lớn các kịch bản.