feat: Add gazetteer annotation to user prompt

This commit introduces functionality to annotate the user prompt with
potential proper name corrections from a gazetteer. The LLM will then
use these annotations to improve the accuracy of transcriptions,
especially for medical terms and names.

The `SYSTEM_PROMPT` has also been updated to inform the LLM about these
new annotations and how to handle them.

server/src/analyze/prompt.rs

@@ -2,7 +2,7 @@ use super::AnalysisInput;
 
 /// System prompt for the consolidation LLM. From docs/projektplan.md:365-369.
 /// Temperature 0 is set on the request; the prompt enforces "no interpretation".
-pub const SYSTEM_PROMPT: &str = "Du bist ein medizinischer Assistent. Fasse die folgenden diktierten Abschnitte zu einem zusammenhängenden Text zusammen. Bereinigen und strukturieren, nichts hinzufügen, keine medizinische Interpretation, keine Diagnose, keine Arztbrief-Struktur. Entferne Redundanzen. Spätere Aufnahmen haben Vorrang — Korrekturen, Nachträge und Widersprüche zugunsten der chronologisch letzten Aussage auflösen. Antworte auf Deutsch. Nur der zusammengefasste Text, keine Einleitung, kein Abschlusssatz.\n\nWICHTIG: Das Diktat wurde automatisch transkribiert und enthält typische ASR-Fehler — phonetisch ähnliche Verwechslungen (z.B. \"Corona\" statt \"Koronar\", \"Spolade\" statt \"Schokolade\", \"hochgradig in Faust\" statt \"hochgradig infaust\"), falsch geschriebene Medikamentennamen, zerschnittene Komposita. Korrigiere solche Fehler AKTIV: der Arzt hat das Original-Audio zur Verifikation und kann jede Korrektur gegenprüfen. Bei sicherer Korrektur: schreibe das korrigierte Wort. Bei Unsicherheit, wie die Korrektur lauten müsste: behalte das Original bei.\n\nMarkiere jede korrigierte oder zweifelhafte Stelle mit ==text== — das signalisiert dem Arzt \"bitte prüfen\". Markiere zusätzlich: unvollständige oder unsichere Angaben im Diktat (z.B. \"Dosis weiß ich nicht\", abgebrochene Sätze) sowie Zahlen ohne klaren Kontext oder Einheit. Sei sparsam — geläufige, klar gesprochene Fachbegriffe bleiben unmarkiert.";
+pub const SYSTEM_PROMPT: &str = "Du bist ein medizinischer Assistent. Fasse die folgenden diktierten Abschnitte zu einem zusammenhängenden Text zusammen. Bereinigen und strukturieren, nichts hinzufügen, keine medizinische Interpretation, keine Diagnose, keine Arztbrief-Struktur. Entferne Redundanzen. Spätere Aufnahmen haben Vorrang — Korrekturen, Nachträge und Widersprüche zugunsten der chronologisch letzten Aussage auflösen. Antworte auf Deutsch. Nur der zusammengefasste Text, keine Einleitung, kein Abschlusssatz.\n\nWICHTIG: Das Diktat wurde automatisch transkribiert und enthält typische ASR-Fehler — phonetisch ähnliche Verwechslungen (z.B. \"Corona\" statt \"Koronar\", \"Spolade\" statt \"Schokolade\", \"hochgradig in Faust\" statt \"hochgradig infaust\"), falsch geschriebene Medikamentennamen, zerschnittene Komposita. Korrigiere solche Fehler AKTIV: der Arzt hat das Original-Audio zur Verifikation und kann jede Korrektur gegenprüfen. Bei sicherer Korrektur: schreibe das korrigierte Wort. Bei Unsicherheit, wie die Korrektur lauten müsste: behalte das Original bei.\n\nMarkiere jede korrigierte oder zweifelhafte Stelle mit ==text== — das signalisiert dem Arzt \"bitte prüfen\". Markiere zusätzlich: unvollständige oder unsichere Angaben im Diktat (z.B. \"Dosis weiß ich nicht\", abgebrochene Sätze) sowie Zahlen ohne klaren Kontext oder Einheit. Sei sparsam — geläufige, klar gesprochene Fachbegriffe bleiben unmarkiert.\n\nDer Text kann Hinweise der Form `Wort [?Kandidat]` enthalten — das sind automatische Vorschläge aus einem Fach-Wörterbuch (Medikamente, Anatomie, Wirkstoffe). Prüfe mit dem Satzkontext: passt der Kandidat, verwende ihn und markiere mit ==. Passt er nicht, behalte das Original-Wort unverändert und ohne Markierung. Die eckige-Klammer-Annotation selbst darf niemals im Output erscheinen.";
 
 /// Render the user-content portion of the chat request from the persisted
 /// JSON input. Recordings with blank text are skipped — they carry no signal

server/src/analyze/worker.rs

@@ -13,25 +13,22 @@ use crate::{BusyGuard, WorkerBusy};
 /// Consume analyze jobs sequentially. The external LLM tolerates parallelism,
 /// but sequential processing keeps the architecture simple and shields the
 /// provider from bursts. Trivial to lift later via `tokio::spawn(process(..))`.
-///
-/// `_vocab` is the gazetteer for proper-name correction. Currently unused;
-/// wired into `process()` in a follow-up step.
 pub async fn run(
     mut rx: AnalyzeReceiver,
     config: Arc<Config>,
     client: reqwest::Client,
     worker_busy: WorkerBusy,
-    _vocab: Arc<Gazetteer>,
+    vocab: Arc<Gazetteer>,
 ) {
     info!(
-        vocab_entries = _vocab.len(),
+        vocab_entries = vocab.len(),
         "Analyze worker started"
     );
     let timeout = Duration::from_secs(config.llm_timeout_seconds);
 
     while let Some(job) = rx.recv().await {
         let _guard = BusyGuard::new(worker_busy.clone());
-        process(&job.case_dir, &config, &client, timeout).await;
+        process(&job.case_dir, &config, &client, &vocab, timeout).await;
     }
 
     warn!("Analyze worker stopped (channel closed)");
@@ -41,6 +38,7 @@ async fn process(
     case_dir: &Path,
     config: &Config,
     client: &reqwest::Client,
+    vocab: &Gazetteer,
     timeout: Duration,
 ) {
     let input_path = case_dir.join(ANALYSIS_INPUT_FILE);
@@ -80,7 +78,12 @@ async fn process(
         return;
     }
 
+    // Render the raw transcript bundle, then inject gazetteer hints for
+    // tokens that phonetically resemble known proper names. The LLM sees
+    // annotations of the form `Token [?Candidate]` and decides in context
+    // whether to adopt them.
     let user_content = prompt::render_prompt(&input);
+    let user_content = vocab.annotate(&user_content);
     let total_chars = user_content.chars().count();
     info!(
         case = %case_dir.display(),