Transformasi dokumen laporan Proyek Akhir (PA) yang komprehensif dan tebal menjadi artikel ilmiah publikasi ringkas merupakan tantangan kognitif yang memakan waktu bagi mahasiswa Politeknik Elektronika Negeri Surabaya (PENS). Hambatan manual ini memperlambat diseminasi riset berkualitas tinggi dan menurunkan produktivitas publikasi ilmiah sebagai syarat wajib kelulusan akibat tingginya beban sintesis teks serta risiko kesalahan manusia dalam mengelola data laporan yang padat. Penelitian ini mengembangkan purwarupa SAGE (Smart Academic Generation Engine) Core, sebuah sistem generator otomatis berbasis web menggunakan arsitektur Retrieval-Augmented Generation (RAG) hibrida dan Large Language Model (LLM) Qwen 2.5-14B secara lokal (self-hosted). Sistem ini mengintegrasikan komponen Heuristic/Conditional Router untuk mengeksekusi Extraction Bypass berbasis ekspresi reguler (Regular Expression) secara deterministik pada bagian administratif, serta Variable-based Sequential Slicing untuk pemrosesan iteratif dokumen padat teknik. Pelokalan sistem menggunakan platform Ollama dan pangkalan data vektor ChromaDB (algoritma HNSW) diterapkan guna mengunci privasi inferensi (Inference Privacy) dan kedaulatan data naskah sensitif mahasiswa. Antarmuka dikembangkan menggunakan React dan FastAPI asinkronus, dilengkapi panel kontrol berbasis kotak centang (checkbox) dan jendela interaktif verifikasi sumber (Source Verification) untuk transparansi data rujukan. Hasil pengujian fungsional Black-Box menunjukkan seluruh modul utama berhasil beroperasi secara valid, dengan latensi extract-bypass instan sebesar 0,00 detik pada komponen bahasa Indonesia. Pengujian stabilitas 10-fold repetition mengonfirmasi tingkat kepatuhan struktur format kaku (IMRaD) mencapai 100% konstan. Pengujian kualitas expert judgment menorehkan skor Faithfulness sangat unggul sebesar 4,36 dan skor Coherence sebesar 4,28 dari skala 5, yang membuktikan sistem andal menekan halusinasi teks secara signifikan meskipun memiliki limitasi Fluency and Style sebesar 2,74 akibat bias peniruan kontekstual dokumen sumber.