核心用法
gigo-lobster-local 是 GIGO（GIGO · Good Input Good Output）评测框架的本地执行模式，允许用户在完全离线环境下运行完整的「龙虾试吃」AI 能力基准测试。执行时直接调用 wrapper 脚本 run_local.py，通过 Python 解释器启动，支持中英文双语输出（--lang zh/en）。
标准执行流程：
1. 识别用户触发词（如「本地试吃龙虾」「offline lobster taste」）
2. 构造绝对路径命令：python3 /path/to/run_local.py --lang zh
3. 实时流式输出进度，同时后台写入 gigo-run.log
4. 全程监控进程（15-25 分钟），通过 tail -n 50 轮询日志而非全量读取
5. 捕获 exit code、最终分数、结果文件及 ref_code（如有）
CLI 扩展选项：
--lobster-name/--lobster-tags：自定义评测角色 persona--output-dir：指定输出目录--require-png-cert：强制 PNG 证书格式--skip-upload/--register-only：覆盖默认的上传行为（但本地模式已默认不上传）
显著优点
| 优势 | 说明 |
|------|------|
| **完全离线** | 不上云、不注册个人结果页，证书二维码仅指向官网首页，零数据外流 |
| **隐私优先** | 适合敏感场景（企业内网、保密环境、个人隐私顾虑） |
| **功能完整** | 与云端模式同等的评测深度，输出报告、证书、日志一应俱全 |
| **灵活 persona** | 支持环境变量 + CLI 参数 + SOUL.md 多级覆盖，适配不同测试需求 |
| **流式反馈** | 长任务期间持续输出进度，避免用户焦虑 |
潜在缺点与局限性
1. 无云端对比：无法与全球/社区基准数据横向对比，缺少排名参考
2. 证书公信力：本地生成的证书缺乏第三方背书，仅适合内部存档
3. 时间成本：完整评测需 15-25 分钟，对快速迭代场景不够友好
4. 存储占用：日志文件可能膨胀，需手动清理 ~/.openclaw/workspace/outputs/
5. 平台依赖：要求本地预装 Python 3，Windows 需 py 或 python 命令可用
适合人群
- 企业安全团队：需在隔离网络中评估模型能力
- 隐私敏感用户：拒绝任何数据上传的云服务
- 开发者/研究者：需要可复现的本地基准测试环境
- 合规场景：金融、医疗、政务等数据出境受限行业
常规风险
| 风险类型 | 等级 | 说明 |
|----------|------|------|
| 数据泄露 | 极低 | 默认零上传，但用户若手动添加 `--register-only` 可能误开上传 |
| 命令注入 | 低 | wrapper 路径由系统确定，但 `--output-dir` 等参数需防范路径遍历 |
| 资源耗尽 | 中 | 长时运行可能占用 CPU/GPU，建议提前确认资源充足 |
| 日志膨胀 | 低 | 未限制单文件大小，极端情况下可能影响磁盘空间 |
| 误操作覆盖 | 低 | 重复运行可能覆盖历史结果，建议配合 `--output-dir` 分目录管理 |
> 认证说明：本简介基于 SKILL.md 文档生成，安全认证报告为占位状态，未执行实际扫描。