用途：保持评估数据集新鲜，并对智能体（agent）回复质量进行路由评估与质量检查。
主要能力：从 Front 拉取数据构建评估数据集（支持按时间、应用、是否含历史、是否仅已标注筛选），转换为 evalite 格式，运行路由评估并支持自定义阈值与 JSON 输出，以及列出/导出按评分筛选的回复。
使用方式：进入 CLI 目录后执行 bun 命令。构建数据集：bun src/index.ts dataset build --since 2025-01-01 --limit 200 --output data/eval-dataset.json；转换格式：bun src/index.ts dataset to-evalite -i data/eval-dataset.json -o data/evalite-format.json；路由评估：bun src/index.ts eval routing data/eval-dataset.json，可加 --min-precision、--min-recall、--max-fp-rate、--max-fn-rate、--json；回复分析：bun src/index.ts responses list --rating bad、responses get <actionId> --context、responses export --rating bad -o bad-responses.json。
数据集字段包括 id、app、conversationId、customerEmail、triggerMessage、agentResponse、label、labeledBy 及可选的 conversationHistory。
限制：需在 .env.local 配置 FRONT_API_TOKEN 与 DATABASE_URL；Front API 有速率限制，构建慢时用 --limit 控制批量；标签来自人工审核（HITL）的批准/拒绝，新回复默认无标签。