微软 GitHub 于 4 月 6 日发布了一个激动人心的消息，为其 Copilot CLI 推出了一项名为 Rubber Duck 的实验性功能。这项新功能引入了一种跨模型的 “第二意见” 审查机制，旨在帮助开发者提升代码的准确性和效率，最终使 AI 的性能提升近 75%。

在软件开发过程中，早期的决策错误往往会积累成更大的问题，而传统的自我审查方法容易受到模型本身训练偏差的影响。Rubber Duck 的推出，正是为了引入不同的模型作为独立审查者，从而提供多元化的视角，及时发现潜在的错误。这项功能支持用户选择 Claude 系列模型作为主控，接着使用 GPT-5.4 进行代码审查，确保代码的准确性和完整性。

通过 SWE-Bench Pro 基准测试，研究显示 Claude Sonnet 4.6 和 Opus 4.6 的单独运行存在显著性能差距，而 Sonnet 4.6 结合 Rubber Duck 后，成功弥补了 74.7% 的性能差距。在处理复杂任务时，该功能的表现更为突出，得分比基线高出 3.8%。具体案例表明，它能有效识别架构逻辑漏洞、循环覆盖错误以及跨文件的冲突问题。

Rubber Duck 的使用方式灵活多样，支持主动、被动和用户触发的三种审查模式。系统会在制定计划、复杂实现和测试编写后的关键节点自动寻求审查，也可以在开发者陷入问题时被动触发。同时，用户还可以随时主动请求审查，系统会展示反馈内容和修改依据。

目前，Rubber Duck 功能已在实验模式下上线，用户只需安装 GitHub Copilot CLI 并运行 /experimental 命令，即可启用这一新功能，享受 Claude 模型与 GPT-5.4 的协同工作体验。

划重点：