feat(dispatcher): LLM 自动化评测落地（规则 + LLM-as-judge）+ 单测

Evaluator 此前是空桩（Score 恒返 0）且未接线。落地为真实自动化评测并接入：

- 规则评测（always-on，纯函数）：空输出/过短/疑似拒答/重复啰嗦各扣分 → 0–1 分 + 标签。
- LLM-as-judge（模型就绪时）：让模型对(输入,输出)按相关性/准确性/完整性 1–5 打分给理由，
  归一化后与规则分加权（0.4 规则 + 0.6 LLM）；解析失败/无模型则回退纯规则分。
- 经注入 ready/chat 解耦 LLM 后端，便于单测（无需真实模型）。
- 接线：orchestrator 在答复产出后 `go o.evaluate(...)` 异步评分并记日志（off 热路径，
  不影响响应与流式）；main.go 用 pool.Ready/pool.Chat 构造 Evaluator。

测试：规则各情形（正常/空/过短/拒答/重复）、纯规则模式、LLM-judge（带围栏 JSON 解析 +
归一化 + 加权）、坏 JSON 回退 —— 全过。

至此 Harness 三件：熔断降级 ✅ · 输入护栏 ✅ · LLM 自动化评测 ✅（输出护栏待 emit 层）。

Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>

sundynix-dispatcher/internal/harness/eval.go

@@ -1,15 +1,135 @@
-// Package harness 提供 LLM 自动化评测与熔断降级能力。
 package harness
 
-import "context"
+import (
+	"context"
+	"encoding/json"
+	"fmt"
+	"strings"
+)
 
-// Evaluator 实现 LLM 自动化评测（质量打分 / 回归对比）。
-type Evaluator struct{}
-
-func NewEvaluator() *Evaluator { return &Evaluator{} }
-
-// Score 对一次推理输出打分。
-func (e *Evaluator) Score(ctx context.Context, input, output string) (float64, error) {
-	// TODO: LLM-as-judge / 规则评测
-	return 0, nil
+// Result 是一次输出评测的结果。Overall ∈ [0,1]。
+type Result struct {
+	Overall float64  // 综合分（有 LLM 评审则 0.4*规则 + 0.6*LLM，否则=规则分）
+	Rule    float64  // 规则分
+	LLM     float64  // LLM-as-judge 分（0 表示未评/失败）
+	Flags   []string // 命中的规则问题
+	Reason  string   // LLM 评语
+}
+
+// Evaluator 实现 LLM 自动化评测：规则检查（快、always-on）+ LLM-as-judge（模型就绪时）。
+// 通过注入 ready/chat 解耦具体 LLM 后端，便于单测。
+type Evaluator struct {
+	ready func() bool
+	chat  func(ctx context.Context, sys, user string) (string, error)
+}
+
+// NewEvaluator 注入"模型是否就绪"与"对话"两个能力；二者为 nil 时仅做规则评测。
+func NewEvaluator(ready func() bool, chat func(ctx context.Context, sys, user string) (string, error)) *Evaluator {
+	return &Evaluator{ready: ready, chat: chat}
+}
+
+// Score 对一次推理输出综合打分。
+func (e *Evaluator) Score(ctx context.Context, input, output string) Result {
+	rule, flags := ruleScore(output)
+	res := Result{Rule: rule, Flags: flags, Overall: rule}
+	if e.ready != nil && e.chat != nil && e.ready() {
+		if s, reason, ok := e.llmJudge(ctx, input, output); ok {
+			res.LLM = s
+			res.Reason = reason
+			res.Overall = 0.4*rule + 0.6*s
+		}
+	}
+	return res
+}
+
+// refusalMarkers 是疑似拒答/出错的特征串（小写匹配）。
+var refusalMarkers = []string{"抱歉，我无法", "我无法回答", "无法完成", "撰写失败", "本章撰写失败", "i cannot", "i'm unable", "error:"}
+
+// ruleScore 纯规则评测：空输出 / 过短 / 疑似拒答 / 重复啰嗦各扣分。返回分与命中标签。
+func ruleScore(output string) (float64, []string) {
+	out := strings.TrimSpace(output)
+	if out == "" {
+		return 0, []string{"空输出"}
+	}
+	score := 1.0
+	var flags []string
+	if len([]rune(out)) < 10 {
+		score -= 0.4
+		flags = append(flags, "输出过短")
+	}
+	low := strings.ToLower(out)
+	for _, m := range refusalMarkers {
+		if strings.Contains(low, strings.ToLower(m)) {
+			score -= 0.3
+			flags = append(flags, "疑似拒答/错误")
+			break
+		}
+	}
+	if hasHeavyRepeat(out) {
+		score -= 0.3
+		flags = append(flags, "重复啰嗦")
+	}
+	if score < 0 {
+		score = 0
+	}
+	return score, flags
+}
+
+// hasHeavyRepeat 判断是否有非空行重复 ≥3 次（粗略的啰嗦/复读检测）。
+func hasHeavyRepeat(s string) bool {
+	counts := map[string]int{}
+	for _, line := range strings.Split(s, "\n") {
+		line = strings.TrimSpace(line)
+		if len([]rune(line)) < 4 {
+			continue
+		}
+		counts[line]++
+		if counts[line] >= 3 {
+			return true
+		}
+	}
+	return false
+}
+
+// llmJudge 让模型对输出 1–5 打分并给理由，归一化到 [0.2,1]。失败返回 ok=false。
+func (e *Evaluator) llmJudge(ctx context.Context, input, output string) (float64, string, bool) {
+	sys := "你是严格的回答质量评审，从相关性、准确性、完整性综合判断。"
+	user := fmt.Sprintf("用户输入：%s\n模型输出：%s\n请打分。只输出 JSON：{\"score\":1到5的整数,\"reason\":\"一句话理由\"}，不要任何多余文字。",
+		evalTruncate(input, 500), evalTruncate(output, 1500))
+	txt, err := e.chat(ctx, sys, user)
+	if err != nil {
+		return 0, "", false
+	}
+	var j struct {
+		Score  float64 `json:"score"`
+		Reason string  `json:"reason"`
+	}
+	if json.Unmarshal([]byte(evalStripFence(txt)), &j) != nil || j.Score <= 0 {
+		return 0, "", false
+	}
+	s := j.Score / 5.0
+	if s > 1 {
+		s = 1
+	}
+	return s, j.Reason, true
+}
+
+func evalTruncate(s string, n int) string {
+	r := []rune(s)
+	if len(r) <= n {
+		return s
+	}
+	return string(r[:n]) + "…"
+}
+
+// evalStripFence 去掉模型可能包裹的 ```json … ``` 围栏。
+func evalStripFence(s string) string {
+	s = strings.TrimSpace(s)
+	if strings.HasPrefix(s, "```") {
+		if i := strings.IndexByte(s, '\n'); i >= 0 {
+			s = s[i+1:]
+		}
+		s = strings.TrimSuffix(strings.TrimSpace(s), "```")
+	}
+	return strings.TrimSpace(s)
 }