核心用法
gigo-lobster-taster 是 GIGO 生态中的正式评测技能，用于对 AI 模型（本地或远程）进行标准化基准测试。用户通过触发词（如"试吃我的龙虾"）启动完整 tasting 流程，系统会自动运行预设的 benchmark 套件，收集性能指标，并将验证后的结果上传至云端服务器。
执行时优先使用 python3 调用包装器脚本 run_upload.py，根据用户语言自动附加 --lang zh 或 --lang en 参数。全程支持进度流式更新，所有日志写入 gigo-run.log 便于追踪。典型运行时长 15-25 分钟，期间通过轮询进程状态而非简单超时判断完成。
显著优点
- 标准化评测：提供统一、可复现的 benchmark 流程，避免手动配置差异
- 社交化结果：自动生成个人结果页（share page），支持排名上榜，满足展示需求
- 灵活 persona：支持通过 CLI 参数或环境变量自定义"龙虾"身份（名称与标签）
- 多平台兼容：支持 macOS、Linux、Windows，自动检测 Python 解释器
- 透明可审计：完整保留 stdout/stderr 及日志文件，便于问题排查
潜在缺点与局限
- 运行耗时：完整 tasting 需 15-25 分钟，不适合快速验证场景
- 网络依赖：默认上传行为依赖云端服务，离线环境需显式使用
--skip-upload - 日志膨胀：长时间运行可能产生较大日志文件，需注意存储空间
- Python 环境依赖：要求系统预装 Python 3，无内置环境隔离机制
- 非交互设计：默认非交互模式，临时调整参数需重新触发完整流程
适合人群
- AI 模型开发者与研究者，需标准化评估模型性能
- 技术博主与社区成员，希望生成可分享的 benchmark 成绩
- MLOps 工程师，需要将评测结果纳入持续集成流程
- 对模型排名/竞技感兴趣的技术爱好者
常规风险
- 隐私泄露风险：上传的 benchmark 结果可能包含模型指纹信息，敏感场景建议先用
--skip-upload本地验证 - 资源占用：长时间高负载运行可能影响同机其他服务
- 云端服务可用性：排行榜与分享页功能依赖 GIGO 服务端，存在单点故障可能
- 证书格式争议：SVG/PDF 证书回退机制可能不满足某些正式场合的格式要求