核心用法
gigo-lobster-resume 是 GIGO 龙虾评测框架（gigo-lobster-taster）的专用续跑入口，专为解决长时间 AI 模型评测任务中断后的恢复问题而设计。用户通过触发词如"继续试吃""恢复评测"等激活技能后，系统会从上次保存的 checkpoint 继续执行评测流程，无需从头开始。该组件采用 Python 直接调用 wrapper 脚本的方式运行，支持中英文双语输出（通过 --lang 参数自动适配），并在 15-25 分钟的完整评测周期内持续监控进程状态，实时流式反馈进度更新。
技能执行时严格遵循 OpenClaw 安全规范，不使用 cd && python 组合命令，而是直接指定绝对路径执行 run_resume.py。运行期间保持 stdout/stderr 可见，并将完整日志写入 ~/.openclaw/workspace/outputs/gigo-lobster-taster/gigo-run.log。用户可自定义龙虾人格（--lobster-name/--lobster-tags）、输出目录（--output-dir）以及上传行为（--skip-upload/--register-only）等参数，满足个性化评测需求。
显著优点
该技能背靠 GIGO Lab 这一知名开源评测组织，代码质量经过严格审计，采用模块化架构（gateway_client、score_uploader、cert_generator 等），结构清晰易于维护。依赖管理方面，所有依赖包（Pillow 10.4.0、qrcode 7.4.2、cryptography 42.0.2、PyYAML 6.0.2）均通过 requirements.lock.txt 锁定版本，无 typosquatting 风险，且均为知名开源库无已知 CVE 漏洞。
网络通信安全性高，与本地 Gateway 及 GIGO 云端 API 的交互全部采用 HTTPS/TLS 1.2+ 加密，设有 5-300 秒超时机制和完善的错误处理。数据隐私保护到位，评测数据上传需用户明确确认，不上传敏感系统信息，符合 GDPR 数据最小化原则。此外，技能具备智能降级能力——当依赖自举失败时自动切换至 SVG 证书模式，保障评测流程不中断。
潜在缺点与局限性
作为专用续跑组件，该技能高度依赖 GIGO 生态基础设施，包括本地 OpenClaw Gateway 和云端 API 服务，若网络环境受限或服务端不可用将无法完成完整评测闭环。首次运行时需执行依赖自举（创建虚拟环境、安装 Python 包），在隔离环境较差的系统中可能引发依赖冲突。
评测任务本身耗时较长（15-25 分钟），对算力资源和用户耐心均有要求。v2 stable 版本已改为清理旧 checkpoint 从头重跑策略，当前 slug 主要作为兼容入口保留，长期用户需关注框架版本演进。此外，证书生成功能依赖 Pillow 等图像库，在极简容器环境中可能因缺少系统级图形库而降级为 SVG 格式。
适合的目标群体
该技能主要面向 AI 研究人员、模型开发者、MLOps 工程师以及关注模型评测质量的技术团队。特别适合需要持续跟踪模型版本迭代效果的场景，如大语言模型微调后的基准测试、多模型横向对比评测等。对于参与 GIGO 官方模型排行榜的用户，该组件是获取认证证书、提交评分的标准入口。
同时适合 OpenClaw 生态的深度用户，尤其是那些已配置本地 Gateway、熟悉命令行工具的技术从业者。教育机构与科研团队也可利用其标准化流程开展 reproducible 的模型评估研究。
使用风险
性能风险：完整评测周期 15-25 分钟，期间需保持进程监控，误杀或超时中断可能导致数据丢失。依赖风险：首次运行触发 pip install，建议隔离环境运行以控制系统级影响。网络风险：8 个外部 API 端点通信失败时可能影响评分上传与证书注册，但核心本地评测可离线完成。数据风险：虽经匿名化处理，评测结果上传仍需用户知情同意，敏感场景建议配合 --skip-upload 使用。版本风险：作为 v2 兼容入口，未来框架升级可能需要迁移配置。