Rubber Duck in GitHub Copilot CLI: Code-Review durch ein zweites KI-Modell
GitHub Copilot CLI hat eine experimentelle Funktion namens Rubber Duck erhalten. Das Tool verbindet ein zweites KI-Modell, um Plan und Code zu analysieren und Fehler des primären Modells zu minimieren. Wenn der Hauptagent Claude Sonnet verwendet, übernimmt ein Modell auf GPT-5.4-Niveau die Überprüfung. So lassen sich architektonische Mängel, logische Fehler und Konflikte zwischen Dateien vor der Ausführung erkennen.
In Tests hat die Kombination Claude Sonnet + Rubber Duck den Effizienzunterschied zu Claude Opus bei komplexen Aufgaben um 74,7 % verringert. Bei Mehrdateien-Projekten mit langen Aktionenketten verbesserte sich die Genauigkeit um 3,8–4,8 %. Rubber Duck aktiviert sich automatisch an Schlüsselpunkten: nach der Planung, bei komplexer Implementierung oder vor Tests. Manuelle Aktivierung ist per Befehl möglich.
Wann und wie Rubber Duck funktioniert
Das Tool überprüft nicht jeden Schritt, sondern konzentriert sich auf kritische Entwicklungsstadien:
- Planung: Überprüfung der Architektur und Abfolgen von Aktionen.
- Implementierung: Analyse von Logik, Schleifen und potenziellen Datenüberschreibungen.
- Vor-Test-Validierung: Erkennung versteckter Fehler, wie vorzeitige Beendigung des Schedulers.
Beispiel für einen von Rubber Duck erkannten Fehler: Code in einer Schleife überschreibt Daten stillschweigend und verletzt die Integrität. Die Funktion ist über /experimental in Copilot CLI verfügbar, das im September als öffentliches Preview gestartet ist.
Entwickler bemerken, dass diese Dual-Modell-Architektur besonders für Mittelbau- und Senior-Spezialisten nützlich ist, die mit Agenten im Terminal arbeiten. Copilot CLI unterstützt bereits MCP-Setup, Repository-Speicher und Planungsmodus aus dem Februar-Update.
Benchmarks und reale Szenarien
Tests wurden an Mehrdateien-Aufgaben mit komplexen Abhängigkeiten durchgeführt. Ergebnisse:
| Aufgabe | Basis-Modell (Claude Sonnet) | Mit Rubber Duck | Verbesserung |
|------------------------|------------------------------|----------------------|---------------------------|
| Komplexe Ketten | ~25,3 % Erfolg | 74,7 % des Abstands zu Opus | +3,8–4,8 % Genauigkeit |
| Mehrdateien-Projekte | Durchschnittliche Effizienz | Deutliches Wachstum | 74,7 % Abstandsverengung |
Rubber Duck fängt typische Probleme agentischer Entwicklung ein: Zustandskonflikte, implizite Race Conditions und architektonische Fehlanpassungen. Für Senior-Entwickler ist es ein Tool für schnelle Audits ohne manuelle Reviews.
Die Integration in Copilot CLI vereinfacht Workflows: Terminal-Befehle starten Agenten, und Rubber Duck fügt eine Verifikationsschicht hinzu. In Zukunft könnten solche Audits Standard für KI-unterstützte Entwicklung werden.
Wichtige Punkte
- Rubber Duck verwendet ein zweites Modell (z. B. GPT-5.4), um Claude Sonnet zu prüfen und verringert den Abstand zu Top-Modellen um 74,7 %.
- Aktiviert sich an Schlüsselpunkten: Planung, Implementierung, Tests; manueller Modus per Befehl.
- Erkennt architektonische Fehler, logische Bugs und Konflikte zwischen Dateien.
- Experimentell verfügbar über
/experimentalin Copilot CLI. - Geeignet für Agenten-Aufgaben, Repository-Speicher und MCP-Setup.
— Editorial Team
Noch keine Kommentare.