あなたはプレスリリースから情報を抽出するAIアシスタントです。
以下のプレスリリースから、製品名、発表日（YYYY-MM-DD形式）、主要な変更点（箇条書き）、影響範囲（"全顧客", "一部顧客", "社内のみ"のいずれか）を抽出し、JSON形式で出力してください。

プレスリリース:
{{PRESS_RELEASE_TEXT}}

あなたはプレスリリースから情報を抽出し、JSON形式で出力するAIアシスタントです。
以下に例を示します。

---
入力:
株式会社ABCは、2023年10月15日に「次世代クラウドサービスα」を発表しました。このサービスは既存のクラウドサービスの性能を20%向上させ、セキュリティ機能も強化します。対象は全顧客です。
出力:
{"product_name": "次世代クラウドサービスα", "release_date": "2023-10-15", "key_changes": "- 性能20%向上\n- セキュリティ機能強化", "impact_scope": "全顧客"}
---
入力:
XYZ社は、2024年1月10日に「開発ツールPro」のアップデートをリリースしました。主な変更点は新しいUIデザインとバグ修正です。この変更は一部顧客のみに影響します。
出力:
{"product_name": "開発ツールPro", "release_date": "2024-01-10", "key_changes": "- 新しいUIデザイン\n- バグ修正", "impact_scope": "一部顧客"}
---

上記例を参考に、以下のプレスリリースから情報を抽出し、JSON形式で出力してください。

プレスリリース:
{{PRESS_RELEASE_TEXT}}

System:
あなたはプレスリリースから情報を抽出し、JSON形式で出力するAIアシスタントです。
以下の手順を厳守し、出力形式に厳格に従ってください。
1. まず、プレスリリースから「製品名」を正確に特定します。
2. 次に、「発表日」を特定し、必ず「YYYY-MM-DD」形式に変換します。
3. 続けて、「主要な変更点」を特定し、簡潔な箇条書き（各項目をハイフンで始める）として整理します。
4. 最後に、「影響範囲」を特定し、厳密に「全顧客」「一部顧客」「社内のみ」のいずれかを選択します。
5. これらの情報を集約し、指定されたJSONスキーマに沿って出力します。元の情報にない内容を推測したり、余計な説明を追加したりしないでください。

User:
以下のプレスリリースから情報を抽出し、JSON形式で出力してください。

プレスリリース:
{{PRESS_RELEASE_TEXT}}

import json
import re

def evaluate_llm_output(llm_output: str, expected_product_name: str = None) -> dict:
    score = 0
    feedback = []

    # 1. JSONパースチェック (10点)
    try:
        data = json.loads(llm_output)
        score += 10
        feedback.append("JSON形式は正しいです。")
    except json.JSONDecodeError:
        feedback.append("エラー: JSON形式が不正です。")
        # 失敗時の挙動チェック
        if '"error_code": "EXTRACTION_FAILURE"' in llm_output:
            score += 5 # エラー報告が正しい形式なら加点
            feedback.append("エラーコードの報告形式は正しいです。")
        return {"score": score, "feedback": feedback, "parsed_output": None}

    # 2. 必須キーの存在チェック (各5点)
    required_keys = ["product_name", "release_date", "key_changes", "impact_scope"]
    missing_keys = [key for key in required_keys if key not in data]
    if not missing_keys:
        score += 20
        feedback.append("全ての必須キーが存在します。")
    else:
        feedback.append(f"エラー: 以下の必須キーが不足しています: {', '.join(missing_keys)}")

    # 3. release_dateフォーマットチェック (10点)
    release_date_pattern = r"^\d{4}-\d{2}-\d{2}$"
    if "release_date" in data and re.match(release_date_pattern, data["release_date"]):
        score += 10
        feedback.append("release_dateのフォーマットは正しいです。")
    else:
        feedback.append("エラー: release_dateのフォーマットが不正です。")

    # 4. impact_scope値チェック (10点)
    valid_impact_scopes = ["全顧客", "一部顧客", "社内のみ"]
    if "impact_scope" in data and data["impact_scope"] in valid_impact_scopes:
        score += 10
        feedback.append("impact_scopeの値は正しいです。")
    else:
        feedback.append(f"エラー: impact_scopeの値が不正です。許容値: {valid_impact_scopes}")

    # 5. key_changes形式チェック (5点, 簡易)
    if "key_changes" in data and isinstance(data["key_changes"], str) and data["key_changes"].startswith("-"):
        score += 5
        feedback.append("key_changesは箇条書き形式のようです。")
    elif "key_changes" in data and not isinstance(data["key_changes"], str):
        feedback.append("エラー: key_changesは文字列ではありません。")
    else:
        feedback.append("注意: key_changesが期待される箇条書き形式ではない可能性があります。")

    # 6. 正確性チェック（簡易、期待値がある場合） (30点)
    if expected_product_name and "product_name" in data and data["product_name"] == expected_product_name:
        score += 30
        feedback.append("product_nameは期待値と一致します。")
    elif expected_product_name:
        feedback.append(f"エラー: product_nameが期待値と異なります。期待: '{expected_product_name}', 実際: '{data.get('product_name')}'")
    else:
        feedback.append("注意: product_nameの正確性チェックはスキップされました（期待値未指定）。")

    return {"score": score, "feedback": feedback, "parsed_output": data}

# 採点ルーブリック例:
# 1. JSONパース: 10点 (エラーコード報告で+5点)
# 2. 必須キー: 20点 (各5点)
# 3. release_dateフォーマット: 10点
# 4. impact_scope値: 10点
# 5. key_changes形式: 5点 (簡易)
# 6. product_name正確性: 30点 (期待値との比較)
# 合計: 85点 (+5点で最大90点、さらに他のキーの正確性も加味すれば100点に調整可能)