Rubber Duck功能缩小Claude Sonnet与Opus性能差距74.7%

GitHub Copilot CLI新功能：引入“第二意见”审查，AI编程性能飙升近75%

最近，GitHub Copilot团队放了个大招。4月6日，他们公布了一项名为“Rubber Duck”的实验性功能，直接为其命令行工具Copilot CLI装上了“双大脑”。这项设计的核心，是引入跨越不同模型家族的“第二意见”审查机制。效果如何？官方数据显示，AI的代码处理性能提升幅度，一度接近75%。

这背后直指一个核心痛点：在代码规划和生成的最初阶段，智能体一旦做出错误决策，这个错误很容易像滚雪球一样，在后续步骤中被不断放大。而单一AI模型进行自我审查，又难免困于自身的训练数据和思维定式，有些盲点靠自己真的很难发现。Rubber Duck功能的思路很巧妙——与其让一个模型“闭门思过”，不如请来另一个“出身”不同的模型作为独立审查员，用差异化的视角来挖出那些潜在的问题。

那么，这个“第二大脑”是怎么工作的？它采取的是跨模型家族组合的策略。举个例子，如果你选择Claude系列模型作为主导智能体，那么Rubber Duck就会自动调用GPT-5.4来担任审查者。后者的核心任务，就是对前者的工作计划和输出进行审视，并提交一份高价值的“关注点清单”。这份清单里，通常包含了被遗漏的关键细节、值得推敲的底层假设，以及那些容易出错的边界情况。

光有想法不够，还得看疗效。GitHub团队使用了SWE-Bench Pro这个权威基准进行测试。他们对比了Claude Sonnet 4.6和更强大的Claude Opus 4.6单独运行时的性能差距，结果发现：当为Sonnet 4.6配上Rubber Duck审查后，它竟能追回两者间高达74.7%的性能差距。这个数字，足以说明“第二意见”的价值。

尤其是在那些真正棘手的任务上，比如涉及3个以上文件修改、或者需要超过70步操作的复杂问题时，搭配了Rubber Duck的智能体得分比基线高出3.8%。在实际案例中，这个机制成功揪出了不少深层隐患，包括架构上的逻辑漏洞、循环覆盖错误，以及跨文件间的隐性冲突。

为了适应不同的开发场景，Rubber Duck提供了三种协作模式：主动、被动和用户触发。系统会在几个关键节点自动寻求审查，比如智能体制定完计划后、完成一段复杂实现后，或者编写完测试用例后。当然，如果智能体陷入“思考循环”，系统也会被动触发审查介入。为了确保整个过程透明可信，开发者也可以随时手动请求一次审查，Copilot会清晰地展示审查反馈内容以及相应的修改建议依据。

目前，这项充满潜力的功能已经以实验模式上线。想尝鲜的开发者，只需安装GitHub Copilot CLI，然后运行 /experimental 命令即可启用。启用后，选择Claude作为主模型，并确保拥有GPT-5.4的API访问权限，就能亲身体验“双脑协奏”带来的编程效率飞跃了。