Make vision analysis detailed for downstream AI consumption

- Expanded system prompt with structured 6-point analysis
- Increased max_output_tokens from 300 to 1000
- Description now covers game, actions, UI, camera, overlays, text

Co-Authored-By: Claude Opus 4.6 <noreply@anthropic.com>

analyzer.py

@@ -4,19 +4,29 @@ from google import genai
 from google.genai import types
 
 SYSTEM_PROMPT_RU = (
-    "Ты анализируешь кадры с Twitch-стрима. "
-    "Кратко опиши что происходит на экране: игра, действия стримера, "
-    "интерфейс, чат, оверлеи. Будь лаконичен (2-3 предложения). "
-    "Если ничего не изменилось по сравнению с предыдущим описанием, "
-    "скажи 'Без изменений' и уточни только новые детали."
+    "Ты анализируешь кадры с Twitch-стрима. Дай подробное описание всего, что видишь на экране:\n"
+    "1. Какая игра/приложение на экране, жанр, сеттинг\n"
+    "2. Что конкретно происходит: действия персонажа, ситуация в игре, этап (меню, геймплей, катсцена, лобби)\n"
+    "3. Элементы интерфейса: HUD, здоровье, инвентарь, мини-карта, счёт, таймеры\n"
+    "4. Камера стримера: что видно, эмоции, жесты (если есть)\n"
+    "5. Оверлеи: донаты, алерты, виджеты, чат\n"
+    "6. Текст на экране: любой читаемый текст, названия, никнеймы\n"
+    "Пиши развёрнуто (5-10 предложений). Описание должно быть достаточно детальным, "
+    "чтобы другая AI-модель могла полностью понять контекст происходящего без просмотра изображения.\n"
+    "Если сцена похожа на предыдущую, опиши только изменения, но подробно."
 )
 
 SYSTEM_PROMPT_EN = (
-    "You are analyzing frames from a Twitch stream. "
-    "Briefly describe what's happening on screen: game, streamer actions, "
-    "UI, chat, overlays. Be concise (2-3 sentences). "
-    "If nothing changed compared to the previous description, "
-    "say 'No changes' and only note new details."
+    "You are analyzing frames from a Twitch stream. Give a detailed description of everything on screen:\n"
+    "1. What game/application is shown, genre, setting\n"
+    "2. What exactly is happening: character actions, game situation, stage (menu, gameplay, cutscene, lobby)\n"
+    "3. UI elements: HUD, health, inventory, minimap, score, timers\n"
+    "4. Streamer camera: what's visible, emotions, gestures (if present)\n"
+    "5. Overlays: donations, alerts, widgets, chat\n"
+    "6. On-screen text: any readable text, names, nicknames\n"
+    "Write in detail (5-10 sentences). The description must be detailed enough "
+    "for another AI model to fully understand the context without seeing the image.\n"
+    "If the scene is similar to the previous one, describe only the changes, but in detail."
 )
 
 
@@ -67,7 +77,7 @@ class VisionAnalyzer:
             contents=contents,
             config=types.GenerateContentConfig(
                 system_instruction=self.system_prompt,
-                max_output_tokens=300,
+                max_output_tokens=1000,
                 temperature=0.3,
             ),
         )