Rubber Duck: la segunda opinión de un modelo que no comparte los puntos ciegos del tuyo

¿Qué es rubber-duck? ¶

rubber-duck le pide una segunda opinión sobre tu trabajo —un plan, un diseño, un diff, una suite de tests— a un modelo de IA de una familia distinta a la que está ejecutando tu sesión. Si trabajas con Claude, te critica un GPT o un Gemini; si trabajas con GPT, un Claude. Busca puntos ciegos, defectos de diseño y problemas de fondo. Nada de estilo, naming ni formateo.

Y un detalle que importa: el crítico nunca toca tus archivos ni ejecuta comandos que muten nada. Revisa, encuentra problemas y recomienda arreglos. La decisión de qué aplicar sigue siendo tuya.

Por qué el crítico tiene que ser de otra familia ¶

Pedirle a un modelo que revise su propio trabajo produce sobre todo… acuerdo. Un modelo es el menos indicado para cazar sus propios puntos ciegos: comparte los sesgos que generaron el fallo. El valor de esta skill está en cruzar familias, y para llegar a ese modelo distinto conoce las dos puertas:

• Tu propio agente cambia de modelo. Vía subproceso (claude -p, codex exec, opencode run…) o el comando /model de la sesión.
• Otro CLI que ya tengas instalado. Aunque estés en Claude Code, igual tienes opencode, codex, copilot o amp en tu máquina. Ese segundo CLI es la puerta a otra familia y, al ser un proceso separado, la opinión es de verdad independiente.

Si no hay forma de contrastar, te lo dice claro y etiqueta la revisión como autocrítica, en vez de venderte una self-review como segunda opinión.

Un crítico con memoria (y con red de seguridad) ¶

• Escanea tu máquina una vez y lo recuerda. Detecta el agente anfitrión y cada CLI de IA instalado, y lo guarda todo en un agents.json: la siguiente invocación es instantánea.
• Tú eliges al crítico. La skill rankea candidatos y recomienda —rotando para no repetir siempre el mismo—, pero la decisión es tuya, modelo concreto incluido. Y si le dices «no uses tal agente de crítico», lo bloquea hasta que digas lo contrario.
• Smoke test antes de gastar. Antes de la crítica real manda un mensaje trivial por el mismo comando: si la auth falla o el modelo no existe, lo descubres con una línea, no después de componer un prompt de miles de tokens.
• Informe por severidad. Los hallazgos llegan agrupados: bloqueantes, no bloqueantes y sugerencias. Si no hay nada sustancial, te lo dice y punto.

Cómo instalar rubber-duck ¶

Funciona con cualquier agente compatible con el estándar abierto de Agent Skills (Claude Code, Cursor, Codex, OpenCode, Gemini CLI…). Pega esto en tu terminal y listo:

npx skills add webreactiva/skills --skill rubber-duck

¿La quieres disponible en todos tus proyectos? Añade -g para instalarla global en la carpeta de skills de tu agente (~/.agents/skills, o ~/.claude/skills si usas Claude Code):

npx skills add webreactiva/skills --skill rubber-duck -g

Es open source. Puedes ver el código fuente en GitHub antes de instalarla.

Preguntas frecuentes ¶

¿Necesito tener otro agente de IA instalado? ¶

Ayuda, pero no es obligatorio. Si tienes un segundo CLI (opencode, codex, copilot, amp…), la skill lo usa como crítico independiente. Si no, intenta que tu propio agente cambie de modelo; y si tampoco puede contrastar, hace una autocrítica etiquetada como tal — nunca te la vende como opinión independiente.

¿Puede romperme algo? ¶

No. El crítico solo lee y opina: nunca edita archivos ni ejecuta comandos que muten nada. Tú decides qué hallazgos aplicar y cuáles ignorar.

¿Cuándo compensa lanzarla? ¶

Donde un defecto saldría caro: después de planificar un cambio no trivial (corregir ahí es baratísimo), a mitad de un trabajo complejo, tras escribir tests, o cuando llevas varios intentos fallidos con el mismo problema. Para cambios pequeños y bien entendidos, ahórratela: cada crítica consume latencia y uso del modelo crítico.

¿Tiene coste? ¶

La skill es open source y gratis; el código está en GitHub. La crítica en sí consume uso del agente que elijas como crítico (el de tu otro CLI o el de tu propia sesión).