用途：对两个 LLMO 实验做一次性对比分析，回答“候选实验相比基线更好还是更差、原因是什么”。输入仅需两个实验 ID：基线实验与候选实验，其余信息（模型、任务、指标、数据集、维度等）均通过检查实验本身推断。
主要能力：通过 llm-obs-mcp 的 MCP 工具检索与分析 LLM Observability 数据，包括搜索 span、获取 trace 结构、查看 span 详情与内容、展开子 span、查找错误 span、查看 agent 执行循环，以及获取实验摘要、事件列表、事件详情、指标统计值和维度取值。分析流程分五阶段：定向对比（规模、错误率、可用指标与维度）、比较信号发现并生成 Datadog UI 对比链接、自动深度分析（分段/分类差异、混淆矩阵、错误重叠、置信度与校准、代表性错误抽样等）、最终综合（明确改进、回归、根因假设与优先级建议）、自动保存报告。
使用方式：命令为 /analyze-experiment-comparative <experiment_id_1> <experiment_id_2>。该技能为一次性运行，不向用户请求澄清或确认，内部计划与工具调用不展示，用户只看到最终报告、UI 链接和保存确认。UI 链接基于 https://app.datadoghq.com/llm/experiment-comparison，需带 baselineExperimentId、experimentIds、tableView=all 等参数。
适用场景：需要比较候选与基线实验表现、定位回归或改进、支持上线决策的机器学习/LLM 实验评估。
限制：仅使用两个实验共有的指标与维度；指标或维度不一致时会说明局限；输出需脱敏 PII；不执行重训练或创建标注任务等破坏性操作；可选 UI 参数无法推断时仍生成有效链接并注明限制。具体收费、平台支持范围等资料暂未提供。