evaluation: evaluate answer quality by scoring

[sykp241095]

讲问题分类标准如下：

1. 📘 Level-1 基础知识: 查询 TiDB 的简单事实或常识，如配置参数、组件设计等。
2. 🛠️ Level-2 操作指南：想执行某项操作但不知如何下手，寻求操作手册。
3. ⚠️ Level-3 问题排查：遇到错误消息或意外结果，想找到原因并解决问题。
4. 🗂️ Level-4 复杂任务计划: 设定一个需要多步骤的复杂目标，寻求完整的计划或指导。
5. 💬 Level-5 其他话题：提出与 TiDB 或数据库无关的问题，或想讨论一般性话题。

We need to:

• [ ] Prepare 50 questions for evaluation( 10 for each level) from asktug.com, which is a real questions source.
• [x] Create a tool or solution(or implement it in pingcap/tidb.ai and embedded in /admin page) to run it manually.