📖 AI 总结

该实验由Armature公司开展，规模涉及16893次会话、1163个prompt变体、75个代码仓库及10种语言，对比Claude Code、Codex和Cursor三款主流编程代理的实际实现能力。在筛选出的5292个有效会话中，覆盖51个代码库和18个行业，任务要求直接产出代码而非建议。研究核心发现不同工具在特定场景下的表现差异显著，但具体选型结果未在摘要中展开。实验意义在于为开发者工具选择提供大规模实证数据，同时Armature自认存在一定偏向性，提示结果需结合具体使用场景解读。该研究为理解AI编程助手的实际效能提供了重要参考。