核心用法
gigo-lobster-local 是 GIGO 评测框架的离线执行模式，通过本地 Python 解释器直接运行 run_local.py 包装脚本，无需 Docker、无需云端账号，即可在 macOS、Linux、Windows 上完成完整的 LLM 能力评测（通常耗时 15–25 分钟）。系统会实时流式输出进度，并将完整日志写入 ~/.openclaw/workspace/outputs/gigo-lobster-local/gigo-run.log 供事后审计。
显著优点
1. 零隐私风险：评测数据、模型响应、中间结果全部保留在本地磁盘，不上传任何服务端，证书二维码仅指向官网首页而非个人结果页。
2. 即开即用：仅需 Python 3 环境，无需注册、无需 API Key、无需网络权限（除可能的模型本地调用外）。
3. 可定制 persona：支持通过 --lobster-name、--lobster-tags 或环境变量注入自定义角色设定，方便团队统一对内汇报口径。
4. 输出格式灵活：默认生成 SVG 证书，可强制 --require-png-cert 满足老旧系统兼容性；输出目录也可自定义。
潜在缺点与局限
- 无历史对比：不上云意味着无法与社区基准线或历史版本自动对比，团队需自行建立归档机制。
- 证书公信力受限：本地生成的证书缺乏第三方时间戳或链上存证，仅适合内部参考，正式对外发布仍需走线上注册流程。
- 资源占用：完整评测需持续运行 15 分钟以上，期间会大量调用本地模型或远程 API，需确保算力与配额充足。
- 监控依赖轮询：助手需通过
process poll+tail -n 50轮询日志，无法像云端任务那样通过 webhook 实时推送状态。
适合人群
- 企业内网或离线环境（如金融、政务、军工场景）的模型选型人员；
- 对数据合规极度敏感、禁止外发任何提示词的隐私优先团队；
- 希望快速摸底模型能力、尚未决定是否接入 GIGO 云服务的尝鲜用户；
- CI/CD 流水线中需本地化集成评测的 DevOps 工程师。
常规风险
| 风险点 | 缓解措施 |
|--------|----------|
| 长时间运行被误杀 | 严格遵循执行规则 7–10，静默期不主动终止进程 |
| 日志过大撑爆输出 | 禁止全量 `read`，强制使用 `tail -n 50` 分段拉取 |
| 路径注入 | 始终使用绝对路径调用 `run_local.py`，拒绝 `cd && python` 模式 |
| 语言识别错误 | 根据用户输入语言自动追加 `--lang zh/en`，避免交互式询问 |
安全等级说明
该 skill 本身仅为本地执行封装，不涉及网络上传，但需调用外部 Python 解释器及可能的本地/远程模型接口，故定级为 A。