用途：生成一个可复现的 LLM Observability 实验工件，在带版本的数据集上评估任务，记录输出与评估指标，并携带配置与溯源信息，尽可能打印结果链接或标识符。该技能与适配器无关，Python 与 Node 各自拥有 references/ 下的语言目录，只加载所选适配器契约。
主要能力：支持 Python（ddtrace）与 Node（dd-trace）两种适配器，格式分别为 py/ipynb 与 mjs；统一实验模型包含项目、数据集、任务、评估器、运行状态与溯源。数据集支持内联记录、本地 JSON/CSV、命名远程数据集及可选版本、经明确批准的 trace/annotation 导出。评估器按用途选择两到三个，覆盖准确率、工具使用、结构化输出、检索、回归与探索等，标签需唯一稳定。
使用方式：调用 /agent-observability-experiment-bootstrap，可带 --purpose、--format、--dataset 或 --dataset-name、--dataset-version、--project-name、--evaluator-style、--jobs、--output、--task-source、--placeholder-task、--app-root、--env-file 等参数；--adapter 默认 python，--site 默认 DD_SITE 或 datadoghq.com。生成前按顺序加载上下文：解析适配器，读取对应适配器参考，Python 任务生成时再读取所选 provider 与 evaluator 参考，不要为求全加载全部参考。生成后本地校验：Python .py 用 python -m py_compile <path>，.ipynb 解析 JSON 并要求含代码/标记单元格，Node .mjs 用 node --check <path>。
适用场景：需要为 LLM 应用建立可复现评估实验、对比数据集版本、记录评估指标与溯源、并保留任务与评估器错误区分的开发与实验流程。
限制：不得混用 Python 与 Node SDK，不使用私有 SDK 模块或臆造符号；不得将凭据写入生成文件；未经明确批准不得发布提示、输出、trace、数据集或评估；不得将生产数据未经标注验证当作真值；非幂等写入不得自动重试。expected_output 可选，不得由观测到的生产输出合成。若本地源码与已安装包不一致，应报告差异并针对所选版本生成。资料未提供具体收费、价格或平台支持范围。