fix(eval): remove erroneous await on synchronous answer_question

fix(eval): endurece el harness del juez (5 findings del code-review #17)

feat(eval): persiste respuesta completa y agrega modo --rejudge

feat(eval): timeout de judge configurable y override JUDGE_PROVIDER=gemini

feat(eval): --ids para correr batches disjuntos y armar un eval limpio por partes

feat(eval): --limit para correr subset estratificado y no agotar la cuota LLM

feat(eval): agrega eval harness LLM-as-judge para RAG