AI Agent都在推荐什么工具？6742次提问测出的真相
先问个扎心的问题：你上一次认真逛”工具导航站”选工具，是什么时候？
我猜很久了。现在的流程基本变成了——打开Claude Code或者Codex，直接问一句”这个项目用什么数据库””测试框架选哪个”，AI啪一下给出答案，你还觉得挺靠谱。
但你想过没有：它凭什么推荐这个，不推荐那个？
这事以前大家只是模糊感觉”AI推荐谁很重要”，没人拿出数据。直到Latent Space干了一件狠事：烧掉几十亿token，做了个叫Frontier AEO Tracker的项目，把这个问题变成了可以审计的数据集。今天带大家把核心结论扒一遍。
一、这是个什么实验
先解释个新词：AEO = Answer Engine Optimization（答案引擎优化）。以前做SEO是争取在谷歌搜索结果里排前面，现在要做AEO——争取在AI Agent回答”该用什么工具”时，被它点名。
实验规模（2026年9月的V5快照）：
| 维度 | 数据 |
|---|---|
| Prompt框架 | 6种问法 |
| 模型-CLI配置 | 7套 |
| 工具品类 | 161类 |
| 计划提问数 | 6,762次 |
| 通过验证的回答 | 6,742次 |
7套配置里有大伙熟悉的面孔：GPT-5.6 Sol和GPT-6 Astra（走Codex）、Claude Opus 5和Fable 5.1（走Claude Code）、Grok 4.6（走Cursor）、Muse Spark 1.3、SWE-1.7（走Devin）。注意：Gemini、GLM、DeepSeek因为报错和限流没能进榜——这是采集约束，不是能力结论，看榜时别被带节奏。
评分规则也透明：首选/并列首选60分，直接替代25分，被提及15分；场景性反推荐扣25分，广泛性反推荐扣60分。每个问答对都公开可查。
二、谁在霸榜：5个100%全票王
最炸裂的发现是这个——有5款工具，被所有7套模型配置一致推荐为首选，净AEO得分100%：
| 工具 | 品类 | 净AEO得分 |
|---|---|---|
| PostgreSQL | 数据库 | 100% |
| Supabase | 集成后端 | 100% |
| Sentry | 可观测性 | 100% |
| Vitest | 测试框架 | 100% |
| Slack | 团队聊天 | 100% |
紧随其后的是一批”接近垄断”的选手：Confluence 96.6%、Zapier和Pipedrive 96.2%、Render 90.5%、PostHog 89.6%、Linear 85.8%、Stripe和Neon 84.7%。这些产品在Agent嘴里几乎没有对手。
其他赛道的座次也很有信息量：
| 赛道 | 第一名 | 第二名 | 第三名 |
|---|---|---|---|
| 编程Agent | Claude Code 56.9% | Codex 43.8% | Cursor 38.4% |
| AI应用搭建 | Lovable 73.7% | Replit 66.5% | Bolt.new 24.3% |
| AI搜索 | Tavily 67.7% | Exa 54.6% | Brave 52.4% |
| AI记忆 | Mem0 71.7% | — | — |
| SEO工具 | Semrush 79.1% | Ahrefs 61.5% | — |
最有节目效果的是最后一行：SEO工具类目里，Semrush压过Ahrefs一头。SEO老兵们，在AEO这个新战场上也要抢座次，多少有点黑色幽默。
三、模型有私心，而且不装
数据里有个藏不住的现象：自荐偏差。Fable和Opus爱推Claude Code，Sol和Astra爱推Codex，Grok爱Cursor，Muse爱自家Muse Code——每家模型都在给自家生态导流，这很难说是巧合。
有意思的是例外：GPT系的模型多次推荐竞品Claude，作者专门表扬这是”值得称赞的无偏见”。你品品——当”不偏心”变成需要专门表扬的稀罕事，这本身就说明了问题。将来AEO咨询行业大概率会分化出一支”反偏差优化”业务，我先把话放这。
还有更值得投了AEO的创业公司注意的：代际翻转。同一个实验室，Sol升级到Astra、Opus升级到Fable之后，产品推荐出现了”非常关键的翻转”。你去年针对老模型做的优化，新模型上来可能直接清零。每次大模型换代，都是一次重新洗牌。
四、最意外的发现：模型越自信，赢家通吃越狠
这是整份数据里我认为最值钱的发现。对比两代模型的搜索行为：
| 模型换代 | 搜索来源中位数 | 变化 |
|---|---|---|
| Sol → Astra | 9个 → 5个 | -44% |
| Opus → Fable | 11个 → 15个 | +36% |
GPT-6 Astra不只搜得少，被轻度改写问题后推荐结果几乎不变——更”高效”，也更”固执”。
这意味着什么？当模型的选择随机性下降，被推荐产品的赢家通吃效应就越强。以前模型多看几个来源，第5名好歹能混个”陪跑”；现在Astra只看5个来源就拍板，没进短名单的产品，连露脸的机会都没有了。
SEO时代谷歌给你十条蓝链接，排第8名还有流量；Agent时代它只报1个首选加2个备选。100%和0%的差距，不是排名差距，是有无之分。
五、161类里只有28个”霸主”，剩下的全是窗口
别被上面的100%吓到，反过来看更有意思：161个品类里，只有28类存在全模型一致的首选。也就是说，剩下130多个品类还处在势均力敌的混战状态——没有谁锁定胜局。
这就是2026版的”SEO黄金时代”窗口。当年在谷歌算法早期卡住位置的站点吃到了十年红利，现在AEO的早期窗口就摆在130多个类目面前。谁先成为这些品类里模型认可的”标准答案”，谁就锁定了下一代的分发入口。
六、给工具站和开发者的3条实操建议
重点来了。文章里有个对我们这种AI工具站性命攸关的判断：模型推荐强依赖可抓取的结构化markdown内容和权威信源。Ora和Vercel实测过的AEO手段（比如markdown content-negotiation）被证实真实有效；反过来，内容抓取失败会让模型直接放弃读你的站点。翻译一下：导航站的传统价值（收录全、更新快）会被”模型直答”截流，但”被Agent引用”是新长出来的位置——Tracker数据里”top cited sources（高频引用来源）”这一层，就是测评站的新座位。
基于此给3条能落地的建议：
官网和测评内容提供干净的markdown版本，部署llms.txt，关键页面别用纯JS渲染挡爬虫。每篇评测给出清晰的对比表格和明确的”首选/替代”结论。抓取失败等于直接出局，这一步做不好后面全白搭。
模型的推荐依赖权威信源，谁的内容结构清晰、评分规则透明、数据可复核，谁就更可能成为Agent回答时的引用来源。与其堆关键词，不如把每一篇测评都做成”模型愿意引用”的格式——标注测试方法、给出评分依据、保持更新日期。
优先在130多个还没有”全票霸主”的品类里建立存在感，这些赛道还没人锁定胜局。同时每次主流模型换代（比如Sol→Astra这种）后重新复查自己的AEO效果——代际翻转是真实存在的，老模型的推荐结果不能当成新模型的保证。
写在最后
这份Tracker本质上是对”模型即分销渠道“的第一次严肃测量。它真正吓人的地方不是PostgreSQL拿了100%，而是它揭示的趋势：AI的回答正在取代传统的”逛和比”，而模型的口味会随着换代越来越稳定、越来越固执。
对做产品的人，这是个残酷的信号——没进短名单，就出局。对做内容的人，这反而是十年一遇的窗口——Agent需要可引用的信源，而绝大多数网站还没开始准备。
窗口就在那130多个品类里。动作快点的，已经开始抢了。
· 完 ·