feat: promptfooのllm as a judge

[azu]

https://www.promptfoo.dev/ を使いtextlintルールのエラーメッセージをLLMで評価し、そのエラーメッセージが妥当かを判断したい

エラーメッセージの評価基準

1. 明確性 (clarity)

• ユーザーが何が問題なのかを理解できるか
• 専門用語が適切に説明されているか
• メッセージの構造が分かりやすいか

2. 正確性 (accuracy)

• 技術的に正しい指摘か
• 指摘された問題が実際に存在するか
• 誤検知ではないか

3. 修正可能性 (fixability)

• 具体的な修正方法が示されているか
• ユーザーが次のアクションを取れるか
• 修正例や代替案が提供されているか

4. 文脈適合性 (contextual_fit)

• テキストの文脈を考慮した適切な指摘か
• 日本語の自然な表現を考慮しているか
• 過度に厳格すぎないか

5. 修正品質 (fix_quality)

• 指摘された問題が解消されているか
• 元の意味が保たれているか
• 自然で読みやすい日本語になっているか

TODO

• CIでの実行できるモデルがない。無料で動かせるようなものがない