あなたは製品レビュー分析の専門家です。以下のレビューテキストから、感情、評価点、主要な特徴をJSON形式で抽出してください。

出力形式:
{
  "sentiment": "ポジティブ|ネガティブ|ニュートラル",
  "rating": 1-5の整数,
  "key_features": ["特徴1", "特徴2", "特徴3" (最大3つ)]
}

レビューテキスト:
{{REVIEW_TEXT}}

あなたは製品レビュー分析の専門家です。以下のレビューテキストから、感情、評価点、主要な特徴をJSON形式で抽出してください。出力は提供された例に従ってください。

---
例1:
レビューテキスト: このカメラは画質が非常に良く、旅行に持っていくのに最適でした。バッテリーの持ちも素晴らしいです。
出力:
{
  "sentiment": "ポジティブ",
  "rating": 5,
  "key_features": ["画質", "バッテリー持ち", "携帯性"]
}

例2:
レビューテキスト: デザインは良かったのですが、動作が遅く、フリーズすることがよくありました。期待外れです。
出力:
{
  "sentiment": "ネガティブ",
  "rating": 2,
  "key_features": ["動作速度", "フリーズ"]
}
---

レビューテキスト:
{{REVIEW_TEXT}}

あなたは製品レビュー分析の専門家です。以下のレビューテキストから、感情、評価点、主要な特徴をJSON形式で抽出してください。抽出プロセスを段階的に思考し、その上で最終結果を出力してください。

思考プロセス:

1. まずレビュー全体のトーンを読み取り、感情を判断する。

2. 次に、具体的な評価や満足度を表す記述から評価点を判断する。

3. 最後に、製品の具体的な言及部分から最大3つの主要な特徴を特定する。各特徴は10文字以内とする。

出力形式:
{
  "sentiment": "ポジティブ|ネガティブ|ニュートラル",
  "rating": 1-5の整数,
  "key_features": ["特徴1", "特徴2", "特徴3" (最大3つ)]
}

レビューテキスト:
{{REVIEW_TEXT}}

import re
import json

def evaluate_llm_output(llm_output: str, expected_output: dict) -> dict:
    """
    LLMの出力と期待される出力に基づき、自動評価を行う関数。
    :param llm_output: LLMから返されたJSON文字列
    :param expected_output: 期待される出力の辞書（参照用）
    :return: 評価結果を示す辞書
    """
    score = 0
    feedback = []

    try:

        # 1. JSON形式の検証

        parsed_output = json.loads(llm_output)
        score += 10 # JSON形式が正しい
    except json.JSONDecodeError:
        feedback.append("JSON形式エラー: 出力が有効なJSONではありません。")
        return {"score": score, "feedback": feedback, "details": {}}

    details = {}

    # 2. 必須キーの検証

    required_keys = ["sentiment", "rating", "key_features"]
    if all(key in parsed_output for key in required_keys):
        score += 10
    else:
        feedback.append(f"必須キー不足: {', '.join([k for k in required_keys if k not in parsed_output])}")

    # 3. sentimentの検証 (値の制約)

    sentiment_options = ["ポジティブ", "ネガティブ", "ニュートラル"]
    if "sentiment" in parsed_output and parsed_output["sentiment"] in sentiment_options:
        score += 10
        details["sentiment_valid"] = True
    else:
        feedback.append(f"sentimentの値が不正: {parsed_output.get('sentiment', 'なし')}")
        details["sentiment_valid"] = False

    # 4. ratingの検証 (整数かつ範囲内)

    if "rating" in parsed_output:
        if isinstance(parsed_output["rating"], int) and 1 <= parsed_output["rating"] <= 5:
            score += 10
            details["rating_valid"] = True
        else:
            feedback.append(f"ratingの値が不正: {parsed_output.get('rating', 'なし')}")
            details["rating_valid"] = False
    else:
        details["rating_valid"] = False

    # 5. key_featuresの検証 (配列、要素数、文字数)

    if "key_features" in parsed_output:
        if isinstance(parsed_output["key_features"], list):
            if len(parsed_output["key_features"]) <= 3:
                score += 10
                all_features_valid = True
                for feature in parsed_output["key_features"]:
                    if not isinstance(feature, str) or len(feature) > 10:
                        all_features_valid = False
                        feedback.append(f"key_featuresの要素が不正（型または文字数）: {feature}")
                        break
                if all_features_valid:
                    score += 10 # 各要素も有効
                    details["key_features_valid"] = True
                else:
                    details["key_features_valid"] = False
            else:
                feedback.append(f"key_featuresの要素数が多すぎます: {len(parsed_output['key_features'])}")
                details["key_features_valid"] = False
        else:
            feedback.append("key_featuresがリスト形式ではありません。")
            details["key_features_valid"] = False
    else:
        details["key_features_valid"] = False

    # 6. コンテンツの正確性評価（簡易版: 期待値とのキーワードマッチング）


    # この部分は、実際のタスクに合わせてセマンティック類似度やLLMによる評価を組み合わせる


    # ここでは、期待される特徴がどの程度含まれているかで加点

    if expected_output.get("key_features") and parsed_output.get("key_features"):
        matched_features = set(expected_output["key_features"]) & set(parsed_output["key_features"])
        score += len(matched_features) * 5 # マッチした特徴ごとに加点 (最大3*5=15点)
        details["matched_features"] = list(matched_features)

    # 総スコアは最大 (10+10+10+10+10+10+15) = 75点

    return {"score": score, "feedback": feedback, "details": details}

# --- 使用例 ---


# review_text = "このヘッドホンは音質は素晴らしいが、長時間つけると耳が痛くなる。バッテリーは長持ちする。3点。"


# llm_output_example = """


# {


#   "sentiment": "ニュートラル",


#   "rating": 3,


#   "key_features": ["音質", "装着感", "バッテリー持ち"]


# }


# """


# expected_output_for_evaluation = {


#     "sentiment": "ニュートラル",


#     "rating": 3,


#     "key_features": ["音質", "装着感", "バッテリー持ち"]


# }


# result = evaluate_llm_output(llm_output_example, expected_output_for_evaluation)


# print(result)