Rewrite extraction prompt and system prompt

Extraction: system+user split with explicit SAVE/DON'T SAVE rules,
few-shot examples, stricter JSON-only format. Min fact length 15 chars.

System prompt: model now knows about its 3-level memory, how to use
recalled facts, and that user can control memory via chat commands.

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

main.py

@@ -101,11 +101,20 @@ async def build_context(request: ChatRequest) -> list[dict]:
     summary_block = f"## Earlier conversation summary\n{summary}" if summary else ""
 
     # 4. Assemble system prompt
-    base_system = (
-        "You are an expert coding assistant with deep knowledge of the project architecture. "
-        "Use the provided memory and code context to give precise, informed answers. "
-        "Always reason about the full architecture, not just isolated snippets."
-    )
+    base_system = """Ты — AI-ассистент по программированию с постоянной памятью.
+
+У тебя есть три уровня памяти:
+1. Долгосрочная память — факты о пользователе и проектах (показаны ниже в "Relevant memories")
+2. История диалога — последние 20 сообщений текущей сессии
+3. Контекст кода — граф архитектуры проекта (если проиндексирован)
+
+Используй память чтобы давать точные ответы с учётом контекста пользователя. \
+Если в памяти есть релевантный факт — опирайся на него, не переспрашивай то что уже известно.
+
+Пользователь может управлять твоей памятью прямо в чате:
+- "запомни что X" — ты сохранишь X с высоким приоритетом
+- "забудь про X" — ты удалишь похожие воспоминания
+- "что ты помнишь?" — покажи список активных воспоминаний через GET /v1/memories"""
     context_parts = [p for p in [base_system, summary_block, mem_block, code_block] if p]
     system_content = "\n\n".join(context_parts)