LLM-as-a-Judge для RAG: структурированный промпт для оценки качества поиска и генерации

LLM отлично генерируют ответы, но плохо оценивают качество по шкале 1-10 — цифры непредсказуемы и бессмысленны. Метод превращает Claude или GPT в судью для RAG-систем: вместо 'оцени от 1 до 10' даёшь структурированный промпт с четырьмя критериями и получаешь обоснованный выбор между двумя вариантами. LLM сравнивает по релевантности документов, качеству ранжирования, полезности ответа и соответствию источникам — выдаёт победителя (А/Б/Ничья) с объяснением за 2-3 предложения.