2 Объяснение механизма почему этот пример работает.

Проблема: LLM не читает длинный текст как человек — она обрабатывает весь контекст разом, и важные детали тонут в море фоновой информации. Если в 10 страницах статьи спрятаны три конкретных факта (цена, время работы, контакт) — модель запросто их усредняет, обобщает или вовсе теряет. SARA решает это так: разделяй контекст на два слоя — критические факты подай дословно, всё остальное сожми в короткое резюме. Модель получает не стену текста, а структурированный брифинг. Итог — ответы становятся точнее и конкретнее, потому что модель знает, где искать главное.