用途：给定生产 LLM 追踪样本，分析输入输出模式与质量维度，提出可直接使用的评估器套件。默认 publish 模式提出在线 LLM-judge 评估器，仅在用户于 Phase 2 检查点确认后，通过 create_or_update_llmobs_evaluator 以禁用草稿（enabled: false）写入 Datadog；技能不会自动发布或启用，启用后才会对匹配的生产 span、trace 或 session 自动评分。
主要能力：四种输出模式——publish（默认，在线评估器）、sdk_code（--sdk-code，生成使用 Datadog Evals SDK 的 Python .py 文件）、data_only（--data-only，框架无关的 JSON 规范）、emit_dataset（--emit-dataset <path>，仅采样生产追踪并写出 DatasetRecordRaw[] JSON，跳过评估器流程）。技能会按判断需求自动将评估器分类为 span、trace 或 session 作用域，session 作用域仅在应用 span 带 session_id 时提出。
使用方式：/eval-bootstrap <ml_app> [--timeframe <window>] [--sdk-code | --data-only | --emit-dataset <path>] [--trace-limit <N>]。ml_app 必填，缺失时需询问；timeframe 默认 now-7d；--trace-limit 默认 20、上限 50。多个模式标志同时提供会报错。后端检测：若参数含 --backend pup 则用 pup 模式；否则检查 MCP 工具 mcp__datadog-llmo-mcp__list_llmobs_evals 是否存在；不存在则运行 pup --version 验证 pup 可用性；两者都不可用时停止并提示连接 MCP 服务器或安装 pup。pup 通过 Bash 调用 pup llm-obs <subcommand> [flags]，输出 JSON，认证错误时提示运行 pup auth login。
限制：create_or_update_llmobs_evaluator 为全量替换语义，更新前须先 get_llmobs_evaluator 取回完整配置以免覆盖字段；source=ootb 的评估器可能无存储配置，not-found 属预期。评估器在离线实验中运行，input_data/output_data 来自用户数据集与任务函数而非 span，数据集结构由用户定义，提示应使用通用占位符。delete_llmobs_evaluator 仅在用户明确要求时使用。其余细节资料未提供。