GitHub 为 Copilot CLI 引入了 Rubber Duck，这是一项实验性功能，利用跨系列 AI 模型提供独立的评审，从而减少复杂编码任务中的错误。
📝 详细摘要
GitHub 已在 Copilot CLI 中以实验模式推出了 Rubber Duck，该功能旨在克服 AI 模型在审查自身工作时固有的偏见。通过将编排模型（如 Claude Sonnet）与来自不同系列的审查模型（如 GPT-5.4）配对，Rubber Duck 在规划、实施和测试等关键阶段提供“第二意见”。在 SWE-Bench Pro 上的评估表明，这种跨系列方法显著提升了性能，在处理困难的多文件任务时，弥补了中端模型与顶级模型之间近 75% 的差距。该系统可以在关键检查点自动触发，也可以由用户手动调用。
💡 主要观点
- 跨系列审查可减轻模型偏见。 使用不同的模型系列进行审查，可以避免模型在评估自身输出时产生的共同训练偏见和盲点，从而提供真正独立的第二意见。
💬 文章金句
- 模型审查自己的工作时，仍然受到自身训练偏见的限制：相同的训练数据和技术，相同的盲点。
- Claude Sonnet + Rubber Duck 弥补了 Sonnet 和 Opus 之间 74.7% 的性能差距，在处理困难的多文件和长周期任务时取得了更好的结果。
- Rubber Duck 增加了第二个视角……来检查智能体的工作，并列出一份简短、重点突出的高价值关注事项清单：即主要智能体可能遗漏的细节。
📊 文章信息
AI 评分：89
来源：The GitHub Blog
作者：Nick McKenna
分类：人工智能
语言：英文
阅读时间：4 分钟
字数：970
标签： GitHub Copilot, AI 编程助手, LLM, Rubber Duck, 跨模型审查