ai summary fix + hightlights arrave

Author: EEnota

src/ai/prompts.py

@@ -39,7 +39,8 @@
 8. Не выдумывайте факты, выходящие за рамки того, что указано в заголовках и описаниях статей, которые вам предоставлены. Если чего-то нет во входных данных, не делайте выводов. Анализ основан исключительно на полях заголовка и описания — обратите внимание на это ограничение в data_quality_warnings, если это необходимо.
 9. Текстовые значения (summary, main_conclusions, main_topics, highlight.reason, data_quality_warnings) следует писать на том же языке, что и большинство статей. Если не уверены, используйте русский. Ключи остаются на английском языке независимо от языка.
 
-10. Будьте объективны и основывайтесь на фактах. Выводите ТОЛЬКО объект JSON."""
+10. Будьте объективны и основывайтесь на фактах. Выводите ТОЛЬКО объект JSON.
+11. ВАЖНО: сумма трёх значений ОБЯЗАНА равняться ровно 100. Если sentiment_label="негативный" и sentiment_score=70, то distribution должен отражать это: например {"позитивный": 10, "негативный": 70, "нейтральный": 20}. НЕ возвращай {positive:0, negative:0, neutral:0}."""
 
 USER_PROMPT_TEMPLATE = """Проанализируй этот фрагмент новостных статей..
 

src/ai/report.py

@@ -66,16 +66,16 @@ def _detect_data_quality_warnings(
     missing_source = sum(1 for a in articles if not a.get("source_name"))
 
     if missing_author:
-        warnings.append(f"{missing_author} articles missing author")
+        warnings.append(f"{missing_author} статья без автора")
     if missing_description:
-        warnings.append(f"{missing_description} articles missing description")
+        warnings.append(f"{missing_description} статья без описания")
     if missing_source:
-        warnings.append(f"{missing_source} articles missing source")
+        warnings.append(f"{missing_source} статья без источника")
 
     urls = [a.get("url", "") for a in articles]
     duplicate_count = len(urls) - len(set(urls))
     if duplicate_count > 0:
-        warnings.append(f"Found {duplicate_count} duplicate URLs")
+        warnings.append(f"найдено {duplicate_count} дублированных URL")
 
     if stats:
         rejected = int(stats.get("rejected_articles", 0))
@@ -84,7 +84,7 @@ def _detect_data_quality_warnings(
             top = max(reasons.items(), key=lambda kv: kv[1], default=(None, 0))
             if top[0]:
                 warnings.append(
-                    f"{rejected} articles rejected during transform; top reason: {top[0]}"
+                    f"{rejected} статей отклонено в процессе поиска; топ причина: {top[0]}"
                 )
 
     return warnings