Как гуманитарий за 2 месяца с нуля RAG систему построил, или Парсинг PDF по-хардкору

Моя задача похожа, но контент технический. Текст эпизодически перемежается с таблицами, формулами схемам/рисункам. Простые фильтры по координатам, скорее всего, отрежет часть инфы.

Какие пути решения можно рассмотреть для сохранения информации?