Rubber Duck en Copilot CLI: Revisión de código con IA

# Rubber Duck en GitHub Copilot CLI: Revisión de código por un segundo modelo de IA

GitHub Copilot CLI ha incorporado una función experimental llamada Rubber Duck. La herramienta conecta un segundo modelo de IA para analizar el plan y el código, minimizando errores del modelo principal. Si el agente principal usa Claude Sonnet, la revisión la realiza un modelo de nivel GPT-5.4. Esto ayuda a detectar fallos arquitectónicos, errores lógicos y conflictos entre archivos antes de la ejecución.

En pruebas, la combinación Claude Sonnet + Rubber Duck redujo la brecha de eficiencia con Claude Opus en un 74,7 % en tareas complejas. En proyectos multifichero con cadenas de acciones largas, la precisión mejoró entre un 3,8 y un 4,8 %. Rubber Duck se activa automáticamente en puntos clave: después de la planificación, en implementaciones complejas o antes de las pruebas. También se puede activar manualmente mediante un comando.

Cuándo y cómo funciona Rubber Duck

La herramienta no escanea cada paso, sino que se centra en etapas críticas del desarrollo:

• Planificación: verifica la arquitectura y las secuencias de acciones.
• Implementación: analiza la lógica, bucles y posibles sobrescrituras de datos.
• Validación pre-pruebas: detecta errores ocultos, como la terminación prematura de un programador.

Ejemplo de un error detectado por Rubber Duck: código en un bucle que sobrescribe datos de forma silenciosa, rompiendo la integridad. La función está disponible mediante /experimental en Copilot CLI, que se lanzó en septiembre como vista previa pública.

Los desarrolladores destacan que esta arquitectura de doble modelo es especialmente útil para especialistas de nivel intermedio y senior que trabajan con agentes en la terminal. Copilot CLI ya soporta configuración MCP, memoria de repositorio y modo de planificación desde la actualización de febrero.

Benchmarks y escenarios del mundo real

Las pruebas se realizaron en tareas multifichero con dependencias complejas. Resultados:

| Tarea | Modelo base (Claude Sonnet) | Con Rubber Duck | Mejora |

|------------------------|-----------------------------|-----------------------|------------------------|

| Cadenas complejas | ~25,3 % de éxito | 74,7 % de brecha a Opus | +3,8–4,8 % precisión |

| Proyectos multifichero | Eficiencia media | Crecimiento significativo | Reducción de brecha del 74,7 % |

Rubber Duck detecta problemas típicos del desarrollo agentivo: conflictos de estado, condiciones de carrera implícitas y desajustes arquitectónicos. Para desarrolladores senior, es una herramienta para auditorías rápidas sin revisiones manuales.

La integración con Copilot CLI agiliza los flujos de trabajo: comandos de terminal lanzan agentes y Rubber Duck añade una capa de verificación. En el futuro, este tipo de auditorías podría convertirse en estándar para el desarrollo asistido por IA.

Puntos clave

• Rubber Duck usa un segundo modelo (p. ej., GPT-5.4) para revisar Claude Sonnet, reduciendo la brecha con los modelos top en un 74,7 %.
• Se activa en puntos clave: planificación, implementación, pruebas; modo manual vía comando.
• Detecta errores arquitectónicos, bugs lógicos y conflictos entre archivos.
• Disponible de forma experimental mediante /experimental en Copilot CLI.
• Ideal para tareas con agentes, memoria de repositorio y configuración MCP.

— Editorial Team