feat(backend): AI 코스 평가 실행기와 후보 스냅샷, 기준선 결과 추가

모델과 effort 를 정하려면 같은 후보로 평가셋 62개를 돌려 목표(설계 §9)와 견줄 도구가 필요했다.
평가가 서버와 다른 길을 돌면 결과를 믿을 수 없어서, 파이프라인의 'AI 초안 → 시간표 → 다시 부르기'를
course-planning.ts 로 떼어 파이프라인 · ai:check · ai:eval 이 같은 함수를 쓰게 했다.

Haiku 5.5 와 Sonnet 5.5 기준선을 재 보니 자동 채점 실패의 3분의 2가 시간표 코드가 식당을
식사 시간대로 밀지 않아서였다. 모델 결정은 그 고치기와 프롬프트 v2 뒤로 미룬다(설계 §9.1).

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>

docker-compose.dev.yml

@@ -64,6 +64,8 @@ services:
       - /app/node_modules
       # base 의 업로드 볼륨을 소스 바인드 마운트 위에 다시 얹는다
       - ${UPLOAD_DATA_DIR:-./data/uploads}:/app/uploads
+      # AI 코스 평가(npm run ai:eval)가 평가셋을 읽고 후보 스냅샷·결과를 쓴다. /app 밖이라 backend/ 에 빈 폴더가 생기지 않는다
+      - ./docs/ai-eval:/eval
     # dev에서는 리버스 프록시 미사용 — base의 networks 목록을 덮어씀
     networks: !override
       - app-network