Pengelolaan dokumen akademik secara manual pada repositori konvensional seringkali menimbulkan inefisiensi, seperti keterbatasan pencarian yang hanya bertumpu pada metadata, lamanya proses verifikasi watermark, serta kesulitan mahasiswa dalam memahami intisari dokumen panjang secara cepat. Penelitian ini bertujuan untuk merancang dan membangun sistem Smart Repository berbasis web yang mengintegrasikan kecerdasan buatan guna mengotomatisasi peringkasan abstraktif, pencarian teks penuh (full-text search), dan verifikasi watermark. Pengembangan perangkat lunak menggunakan metode Waterfall dengan kerangka kerja Next.js pada sisi antarmuka dan FastAPI pada sisi peladen, sementara pemodelan datanya mengadopsi standar CRISP-DM. Fungsionalitas peringkasan teks diimplementasikan dengan melakukan fine-tuning pada model turunan Transformer, yaitu IndoT5, menggunakan 246 pasangan dataset dokumen orisinal skripsi dan laporan magang mahasiswa Jurusan TIK PNJ. Fitur interaksi tanya-jawab (chatbot) ditenagai oleh arsitektur Retrieval-Augmented Generation (RAG) yang mengombinasikan basis data vektor Qdrant dan Elasticsearch. Hasil eksperimen pemodelan menunjukkan bahwa varian IndoT5-Base dengan optimasi hyperparameter progresif memberikan performa paling optimal, mencatatkan skor ROUGE-L sebesar 0,2365, BERTScore F1 sebesar 0,7196, dan Akurasi Semantik mencapai 72,60%. Pengujian fungsionalitas antarmuka menggunakan Black Box Testing memvalidasi tingkat keberhasilan eksekusi sebesar 100%. Pada tahap evaluasi akhir, sistem meraih skor System Usability Scale (SUS) sebesar 86,75 dengan predikat Excellent, serta Net Promoter Score (NPS) sebesar +70. Dapat disimpulkan bahwa implementasi Smart Repository terbukti andal dalam mentransformasi efisiensi administrasi dan memberikan pengalaman interaksi pencarian literatur yang sangat memuaskan bagi pengguna.