RAG-система для поиска ответов в больших массивах разнородной технической документации. Вместо ручного перебора файлов пользователь задаёт вопрос на естественном языке и получает точный ответ со ссылкой на документ и страницу. Исходники - разные форматы: нативные PDF, отсканированные документы и чертежи, DOCX, на нескольких языках. Под это построен конвейер: docling для извлечения текста и структуры, распознавания таблиц и чанкования (с обогащением контекстом). Дальше — гибридный retrieval: dense-эмбеддинги (bge-m3) для смыслового поиска + sparse BM25 для точного совпадения артикулов и серийных номеров, слияние через RRF в Qdrant. Поверх — cross-encoder reranking для отсечения ложных совпадений. Сервис выведен в прод как OpenAI-совместимый API со средней скоростью ответа в 17 сек и точностью порядка 93%. Заказчик - производитель премиальной рыбной продукции.