Sekolah Vokasi Universitas Sebelas Maret memiliki berbagai dokumen digital yang menjadi sumber informasi bagi pengguna. Namun, proses pencarian informasi pada dokumen tersebut masih dilakukan secara manual sehingga memerlukan waktu yang cukup lama, terutama pada dokumen dengan jumlah halaman yang besar. Untuk mengatasi permasalahan tersebut, penelitian ini mengembangkan DokuVi, yaitu chatbot dokumen berbasis Retrieval-Augmented Generation (RAG) yang mampu menghasilkan jawaban berdasarkan konteks dokumen yang diunggah pengguna. Sistem DokuVi dikembangkan menggunakan Next.js sebagai frontend, FastAPI sebagai backend, MySQL sebagai basis data, model Multilingual E5 untuk pembentukan embedding, FAISS untuk proses semantic search, serta Groq API sebagai penyedia Large Language Model (LLM). Dokumen PDF yang diunggah diproses melalui tahapan ekstraksi teks, chunking, pembentukan embedding, dan pembuatan indeks FAISS. Selanjutnya, ketika pengguna mengajukan pertanyaan, sistem melakukan proses retrieval terhadap potongan dokumen yang relevan untuk menghasilkan jawaban yang kontekstual. Hasil pengujian menggunakan metode Black Box Testing menunjukkan bahwa seluruh fitur utama sistem telah berjalan sesuai dengan kebutuhan fungsional yang ditetapkan. Selain itu, hasil evaluasi menunjukkan bahwa implementasi metode Retrieval-Augmented Generation (RAG) pada DokuVi mampu membantu pengguna memperoleh informasi dari dokumen secara lebih cepat, relevan, dan interaktif, sehingga meningkatkan efisiensi proses pencarian informasi pada dokumen digital di Sekolah Vokasi Universitas Sebelas Maret.