法国 Wavestone 四位研究员读完 11 个顶级 AI 编程工具约 400 万行源码，给出一个让从业者意外的判断：火了三年的 LangChain 类框架和向量检索（按相似度搜索的技术），在生产级工具里一个都没出现。论文 83 页，在 X 上拿下 1,329 个赞、10.7 万次浏览。

这是什么

研究覆盖 Claude Code、Codex CLI、Gemini CLI、Mistral Vibe 四个大厂官方工具，外加 OpenHands、Aider 等 7 个开源项目，Python、TypeScript、Rust 三种语言写的代码共约 400 万行。结论：所有 AI 编程工具（让大模型自己写代码、跑命令的完整系统，学界叫 coding agent）都由同样的 7 个模块组成——循环、工具调用、上下文管理、安全控制、人机界面、会话存储、扩展接口。差别只在规模。小到 Mini-SWE-Agent 用 100 行就实现全部 7 个模块，大到 Codex 用了 112 万行 Rust，但 SWE-bench 任务完成率几乎打平。

行业怎么看

最引发讨论的是两个「缺席」。第一，没有 1 个系统用 LangChain、AutoGen、CrewAI 等主流 agent 框架，连 Google 自家 Gemini CLI 都没用 Genkit。所有循环都手写（Python asyncio、TypeScript Promise、Rust Tokio），工具注册都基于 Pydantic 或 Zod 自建。第二，没有 1 个用向量检索找代码——它们读代码用的是 ripgrep（高速文本搜索工具）、tree-sitter（解析代码语法）、AGENTS.md 项目说明。论文解释是代码有路径、语法树等确定性结构，语义相似度替代不了，且代码每分钟都在变，embedding 很快过时。

但有反对声音。一种观点是编程 agent 不能直接推广到客服、知识库等场景；论文分析的 Claude Code 源码是 3 月旧快照，可能漏掉后来功能。更深层的隐忧是 Codex 已经开始原样照搬 Claude Code 的 hook 事件名——行业加速趋同，留给后来者的差异化空间在被压缩。

对普通人的影响

  • 对企业 IT：供应商推销 RAG/Agent 中台时，可以追问一句「你们代码里有没有真用 LangChain」。
  • 对个人职场：会用 AI 写代码的工具会越来越普及，但护城河在别处——能拆解任务、写清楚 AGENTS.md 这类「让 AI 读懂项目」的能力。
  • 对消费市场：开源 coding agent 会更趋同，差异化最终落在用户界面和企业级安全合规上，底层技术反而同质化。