AI/LLM-инженер: поднять точность RAG-системы, контракт на этап

Ищу инженера с реальным опытом RAG на контрактный проект. Не разовый скрипт,
работа на этап 3 недели с продолжением при хорошем результате.

Что за система:
Q&A по технической документации (инженерные стандарты, большие PDF
с таблицами и перекрёстными ссылками). Python, Supabase, OpenAI API,
корпус 3000+ документов. Пайплайн собран и работает, точность около 60%.
Ретрив поднимает правильные чанки, точность теряется на этапе отбора
и генерации: модель игнорирует нужные куски и отвечает not resolved.

Что нужно сделать на первом этапе:
1. Замерочный стенд: прогон эталонных вопросов, автоматическая оценка,
   базовая линия точности
2. Разбор, почему модель не использует правильные чанки
3. Улучшения: отбор evidence, промпт, подбор модели
4. Снижение себестоимости ответа, сейчас она неадекватно высокая

Дальше при успехе: метаданные чанков, structured tables, граф ссылок
между документами. Работы на месяцы.

Формат:
Удалёнка, part-time. Оплата понедельно по факту принятой работы,
без задержек. Проектом руковожу я: постановка, приёмка и общение
с заказчиком на мне, на вас инженерная часть.

Кого ищу:
- живой опыт RAG в проде, не туториалы и не курсы
- Python, pgvector / Supabase или аналоги
- привычка мерить качество цифрами, а не крутить промпт на глаз
- умение разбираться в чужом коде, систему писал другой человек

ВАЖНО, отклики без этого не рассматриваю:
1. Одним абзацем: самый сложный RAG-проект, который вы делали,
   и что в нём было узким местом.
2. Ответ на вопрос: ретрив поднял правильные чанки, но модель пишет
   not resolved. Назовите три возможные причины и как проверите каждую.

Шаблонные отклики и отклики без ответов на два пункта пропускаю.