Revert to working prompt, remove broken fallback

app/domains/cars/prompts.py

@@ -34,7 +34,8 @@ Na podstawie poniższych danych, utwórz krótki, atrakcyjny opis marketingowy t
 def create_infill_prompt(text_with_gaps: str, options: InfillOptions) -> list[dict]:
     """
     Creates the chat prompt for gap-filling in car ads.
-    Uses function-call format to force structured JSON output.
+    
+    The LLM must return strict JSON with filled text and per-gap choices.
     
     Args:
         text_with_gaps: Ad text with [GAP:n] markers
@@ -46,27 +47,31 @@ def create_infill_prompt(text_with_gaps: str, options: InfillOptions) -> list[di
     lang_instruction = "po polsku" if options.language == "pl" else "in English"
     
     system_content = f"""Jesteś ekspertem od uzupełniania tekstów ogłoszeń samochodowych.
-Zawsze odpowiadasz TYLKO prawidłowym JSON-em, bez żadnych innych tekstów."""
-
-    # More direct instruction with explicit filling examples
-    user_content = f"""ZADANIE: Uzupełnij luki w ogłoszeniu samochodowym {lang_instruction}.
 
-TEKST:
-{text_with_gaps}
+ZADANIE:
+Uzupełnij luki oznaczone jako [GAP:n] naturalnymi i gramatycznie poprawnymi słowami {lang_instruction}.
+Każda luka to jedno słowo lub krótka fraza (1-4 słowa).
 
-INSTRUKCJE:
-1. Zastąp KAŻDY [GAP:n] rzeczywistym słowem/frazą (nie zostawiaj [GAP:n] w tekście!)
-2. Pamiętaj o polskiej gramatyce (deklinacja)
-3. Dla każdej luki podaj {options.top_n_per_gap} alternatywne słowa
+WAŻNE:
+1. Rzeczywiście uzupełnij luki - nie zwracaj tekstu z [GAP:n]!
+2. Stosuj polskie przypadki gramatyczne (deklinacja)
+3. Zwracaj TYLKO JSON bez żadnych komentarzy
+4. Dla każdej luki podaj {options.top_n_per_gap} alternatywnych słów
 
-ODPOWIEDŹ - TYLKO JSON:
+FORMAT JSON:
 {{
-    "filled_text": "tekst z uzupełnionymi lukami (BEZ [GAP:n])",
+    "filled_text": "kompletny tekst bez żadnych [GAP:n]",
     "gaps": [
-        {{"index": 1, "choice": "słowo1", "alternatives": ["alt1", "alt2"]}}
+        {{"index": 1, "choice": "słowo_1", "alternatives": ["alternatywa1", "alternatywa2"]}}
     ]
 }}"""
 
+    user_content = f"""Uzupełnij luki w tym ogłoszeniu samochodowym:
+
+{text_with_gaps}
+
+Odpowiedź - tylko JSON!"""
+
     return [
         {"role": "system", "content": system_content},
         {"role": "user", "content": user_content}

app/main.py

@@ -422,36 +422,7 @@ async def process_infill_item(
         parsed = parse_infill_json(raw_output)
         
         if not parsed:
-            # JSON parsing failed - try to extract fills from the raw output
-            # Model might have filled the text without JSON wrapper
-            print(f"[INFILL] JSON parsing failed, attempting fallback extraction")
-            print(f"[INFILL] Raw output: {raw_output[:300]}")
-            
-            # If raw output contains the text with gaps filled (no [GAP:n]), 
-            # it might be a valid response without JSON
-            if "[GAP:" not in raw_output:
-                # Model filled the gaps! Extract by comparing with original
-                filled_text = raw_output.strip()
-                
-                # Try to build gaps list from what we know
-                gap_fills = []
-                for i, gap in enumerate(gaps, 1):
-                    gap_fills.append(GapFill(
-                        index=i,
-                        marker=gap.marker,
-                        choice="(model filled)",
-                        alternatives=[]
-                    ))
-                
-                return InfillResult(
-                    id=item.id,
-                    status="ok",
-                    filled_text=filled_text,
-                    gaps=gap_fills,
-                    error=None
-                )
-            
-            # Otherwise it's a real error
+            # JSON parsing failed
             return InfillResult(
                 id=item.id,
                 status="error",