二段 LLM で安く抽出して高く推論する

検索結果（大量・ノイズ込み）を Claude にそのまま流さず、ローカルの安い LLM で先に圧縮してから 高い LLM に渡す型（gemini-rag の app.py）。

• 段1：ローカル Ollama で物理抽出。プロンプトは「コードブロック・設定値・コマンド・エラー・URL を 一言一句変えず物理抽出せよ／事実のみ、前置き・後書き・要約を一切含めるな」。要約させない＝ 幻覚と情報欠落を避ける。num_ctx を大きめに。
• 段2：Claude で推論。抽出済みログ（時系列）＋意図を整形したプロンプトを Claude にストリーミング。
• 効く理由：検索 TOP_K=40 を生で Claude に入れるとコンテキスト浪費・コスト増・ノイズで精度低下。 ローカルで事実だけに圧縮 → Claude は推論に集中。コスト/コンテキストはローカルで節約、知能は API で買う。

出典：gemini-rag（app.py の extract_with_ollama / build_situation_prompt / stream_claude）。 ローカルLLM接続は コンテナからホストのローカルサーバーを叩く