核心用法
gigo-lobster-taster 是一款面向 AI 模型性能的正式基准测试工具，设计用于全面评估模型能力并生成可对比的评分结果。用户通过自然语言触发词（如"试吃我的龙虾"或"lobster taste"）启动完整评测流程，系统会自动检测 Python 环境（优先 python3，其次 python，最后 py），执行包装器脚本 run_upload.py 并传入语言参数（中文 --lang zh，英文 --lang en）。
显著优点
1. 自动化评测流水线：一键启动完整基准测试，无需人工干预，支持流式进度更新
2. 云端排行榜集成：默认自动上传验证结果，生成个人专属分享页面，进入公开排行榜
3. 灵活的个性化配置：支持通过 CLI 参数（--lobster-name、--lobster-tags）或环境变量自定义评测身份标识
4. 多平台兼容：支持 macOS、Linux、Windows 三大主流操作系统
5. 完善的日志监控：评测过程中实时输出进度，完整日志写入 gigo-run.log，便于事后审计
潜在局限与风险
- 运行时间较长：完整评测通常需要 15-25 分钟，需保持进程持续运行
- 网络依赖：默认上传云端，需稳定网络连接；敏感场景需显式使用
--skip-upload - 资源占用：基准测试对计算资源要求较高
- 云端数据：评测结果默认公开上榜，注重隐私的用户需手动调整上传行为
适合人群
AI 模型开发者、研究者、评测机构及希望量化对比模型性能的技术团队，尤其适合需要公开 leaderboard 排名的竞赛场景。
常规风险提示
- 确保工作目录权限正常，避免日志写入失败
- 长任务运行期间勿强制中断进程
- 评测前建议通过
--skip-upload进行本地预跑测试