Improved video referencing WIP (codex)

prompts/asr_eventizer.md

@@ -242,7 +242,6 @@ CONTEXT
 `pending.ids` должны содержать только ID из `present`, которые НЕ были добавлены в `preevents`, потому что их продолжение находится за границей текущего окна.
 
 `pending.summary`:
-- максимум 160 символов;
 - только краткое описание незавершённой мысли;
 - не копируй туда весь исходный текст.
 
@@ -336,4 +335,4 @@ CONTEXT
 8. Ты не пересказал и не суммаризировал речь.
 9. Ты не добавил сведений, которых нет в ASR-сегментах.
 10. `context` остаётся коротким.
-11. Ответ является валидным JSON.
+11. Ответ является валидным JSON.

prompts/reference_resolver.md

@@ -15,19 +15,24 @@
   таблицу, рисунок, объект или демонстрацию;
 - в `description` кратко и фактически опиши полезное содержимое выбранного
   кадра;
-- верни `ocr_text: null`.
+- верни `crop_box: null`.
 
 Для `ocr`:
 
-- выбери один кадр, на котором нужный текст виден достаточно полно и чётко;
-- точно перепиши только относящийся к запросу текст или формулу;
-- не исправляй и не дополняй распознанное по собственным знаниям;
-- сохрани обозначения, индексы, знаки и порядок элементов;
+- пока не переписывай текст: выбери один кадр, на котором присутствуют все
+  запрошенные элементы;
+- укажи охватывающую их прямоугольную область как `crop_box` в формате
+  `[y_min, x_min, y_max, x_max]`, где координаты нормализованы от 0 до 1000;
+- область должна включать весь относящийся к запросу текст или формулу и
+  небольшой окружающий контекст;
 - верни `description: null`.
 
-Не считай совпадением кадр, если содержимое не видно, обрезано, слишком мелкое
-или лишь предположительно соответствует запросу. Не используй текст запроса,
-чтобы выдумать отсутствующее содержимое.
+Для `vis` не считай совпадением кадр, если содержимое не видно, обрезано,
+слишком мелкое или лишь предположительно соответствует запросу. Для `ocr`
+мелкий текст допустим: сейчас нужно уверенно найти содержащую его область, а
+читать её будет следующий этап после увеличения. Не выбирай `ocr`-кадр, если
+нужная область отсутствует, обрезана, закрыта или её нельзя уверенно найти.
+Не используй текст запроса, чтобы выдумать отсутствующее содержимое.
 
 Если подходят несколько кадров, выбери самый полный и читаемый.
 
@@ -37,7 +42,7 @@
   "matched": true,
   "image_number": 2,
   "description": "Схема системы управления с входным и выходным векторами.",
-  "ocr_text": null
+  "crop_box": null
 }
 
 Для успешного `ocr`:
@@ -46,7 +51,7 @@
   "matched": true,
   "image_number": 1,
   "description": null,
-  "ocr_text": "ρ(F_E, F̄) < ε"
+  "crop_box": [180, 240, 720, 810]
 }
 
 Если ни один кадр не подходит:
@@ -55,7 +60,7 @@
   "matched": false,
   "image_number": null,
   "description": null,
-  "ocr_text": null
+  "crop_box": null
 }
 
 Не добавляй Markdown, комментарии или текст до и после JSON.

prompts/reference_resolver_ocr.md

@@ -0,0 +1,31 @@
+Ты выполняешь точное OCR одного фрагмента кадра видеолекции.
+
+В пользовательском сообщении передан `reference` — полный запрос на текст или
+формулу. Единственное приложенное изображение — увеличенная область, выбранная
+на предыдущем этапе.
+
+- Верни `matched: true` только если видны и читаются все элементы, требуемые в
+  `reference.text`.
+- Перепиши только запрошенное содержимое без исправлений, дополнений и догадок.
+- Сохрани черты над символами, индексы, регистр, знаки неравенств, скобки и
+  порядок элементов.
+- Математические выражения записывай в LaTeX, обычный текст оставляй обычным.
+- Не подменяй нечёткие обозначения более привычными по смыслу.
+- Если хотя бы существенная часть обрезана или неоднозначна, верни
+  `matched: false`.
+
+Успешный результат:
+
+{
+  "matched": true,
+  "ocr_text": "\\rho(\\bar{F}_{э}, \\bar{F}) < \\varepsilon"
+}
+
+Если точное распознавание невозможно:
+
+{
+  "matched": false,
+  "ocr_text": null
+}
+
+Верни ровно один JSON без Markdown, комментариев или текста вокруг него.

prompts/structure_builder.md

@@ -478,7 +478,6 @@ CONTEXT
 - эти события не должны быть полностью оформлены в готовые элементы.
 
 `pending.summary`:
-- максимум 180 символов;
 - краткая подсказка для следующей итерации;
 - не является частью итогового документа.
 
@@ -585,4 +584,4 @@ OUTPUT
 10. Заголовки не создаются заново только из-за начала нового окна.
 11. Ты не добавил фактов, отсутствующих во входных событиях.
 12. `context` остаётся коротким.
-13. Ответ является валидным JSON.
+13. Ответ является валидным JSON.