docs: comprehensive documentation for NotebookLM-RAG integration

Update documentation to reflect new integration features:

README.md:
- Add 'Integrazione NotebookLM + RAG' section after Overview
- Update DocuMente component section with new endpoints
- Add notebooklm_sync.py and notebooklm_indexer.py to architecture
- Add integration API examples
- Add link to docs/integration.md

SKILL.md:
- Add RAG Integration to Capabilities table
- Update Autonomy Rules with new endpoints
- Add RAG Integration section to Quick Reference
- Add Sprint 2 changelog with integration features
- Update Skill Version to 1.2.0

docs/integration.md (NEW):
- Complete integration guide with architecture diagram
- API reference for all sync and query endpoints
- Usage examples and workflows
- Best practices and troubleshooting
- Performance considerations and limitations
- Roadmap for future features

All documentation now accurately reflects the unified
NotebookLM + RAG agent capabilities.

README.md

@@ -31,6 +31,9 @@ Questo repository contiene **due sistemi AI complementari**:
 
 ## Panoramica
 
+### Integrazione
+- [docs/integration.md](./docs/integration.md) - Guida integrazione NotebookLM + RAG
+
 ### NotebookLM Agent
 
 Interfaccia API e webhook per **Google NotebookLM** che permette:
@@ -51,10 +54,45 @@ Sistema **Retrieval-Augmented Generation** standalone con:
 
 **Ideale per:** Knowledge management, Document analysis, Research assistant
 
+---
+
+## Integrazione NotebookLM + RAG
+
+Ora puoi sincronizzare i tuoi notebook di NotebookLM nel sistema RAG di DocuMente, permettendo di:
+
+- **Effettuare ricerche semantiche** sui contenuti dei tuoi notebook
+- **Combinare documenti locali e notebook** nelle stesse query
+- **Usare tutti i provider LLM** disponibili per interrogare i notebook
+- **Filtrare per notebook specifici** durante le ricerche
+
+### Architettura
+
+```
+NotebookLM → NotebookLMIndexerService → Qdrant Vector Store
+                                               ↓
+                                    RAGService (query con filtri)
+                                               ↓
+                                    Multi-Provider LLM Response
+```
+
+### Come funziona
+
+1. **Sincronizzazione**: I contenuti dei notebook vengono estratti, divisi in chunks e indicizzati in Qdrant
+2. **Metadati**: Ogni chunk mantiene informazioni sul notebook e la fonte di origine
+3. **Ricerca**: Le query RAG possono filtrare per notebook_id specifici
+4. **Risposta**: Il LLM riceve contesto dai notebook selezionati
+
+---
+
+
+
 ---
 
 ## Componenti
 
+### Integrazione
+- [docs/integration.md](./docs/integration.md) - Guida integrazione NotebookLM + RAG
+
 ### NotebookLM Agent
 
 ```
@@ -101,16 +139,46 @@ src/agentic_rag/
 │       ├── documents.py  # Upload documenti
 │       ├── query.py      # Query RAG
 │       ├── chat.py       # Chat conversazionale
-│       └── providers.py  # Gestione provider LLM
+│       ├── providers.py  # Gestione provider LLM
+│       └── notebooklm_sync.py  # [NUOVO] Sync NotebookLM
 ├── services/             # Business logic
 │   ├── rag_service.py    # Core RAG logic
 │   ├── vector_store.py   # Qdrant integration
-│   └── document_service.py
+│   ├── document_service.py
+│   └── notebooklm_indexer.py  # [NUOVO] Indexing service
 └── core/                 # Configurazioni
     ├── config.py        # Multi-provider config
     └── llm_factory.py   # LLM factory pattern
 ```
 
+**Endpoint API NotebookLM Integration:**
+- `POST /api/v1/notebooklm/sync/{notebook_id}` - Sincronizza un notebook da NotebookLM
+- `GET /api/v1/notebooklm/indexed` - Lista notebook sincronizzati
+- `DELETE /api/v1/notebooklm/sync/{notebook_id}` - Rimuovi sincronizzazione
+- `GET /api/v1/notebooklm/sync/{notebook_id}/status` - Verifica stato sincronizzazione
+- `POST /api/v1/query/notebooks` - Query solo sui notebook
+
+**Query con filtri notebook:**
+```bash
+# Ricerca in notebook specifici
+POST /api/v1/query
+{
+  "question": "Quali sono i punti chiave?",
+  "notebook_ids": ["uuid-1", "uuid-2"],
+  "include_documents": true  # Include anche documenti locali
+}
+
+# Ricerca solo nei notebook
+POST /api/v1/query/notebooks
+{
+  "question": "Trova informazioni su...",
+  "notebook_ids": ["uuid-1"],
+  "k": 10
+}
+```
+
+---
+
 **Provider LLM Supportati:**
 
 | Provider | Modelli Principali | Stato |
@@ -217,6 +285,9 @@ DEBUG=false
 
 ## Avvio
 
+### Integrazione
+- [docs/integration.md](./docs/integration.md) - Guida integrazione NotebookLM + RAG
+
 ### NotebookLM Agent
 
 ```bash
@@ -292,6 +363,39 @@ curl -X POST http://localhost:8000/api/v1/query \
     "provider": "openai",
     "model": "gpt-4o-mini"
   }'
+
+
+### Integrazione NotebookLM + RAG
+
+**Sincronizzare un notebook:**
+```bash
+# Sincronizza un notebook da NotebookLM al vector store
+curl -X POST http://localhost:8000/api/v1/notebooklm/sync/{notebook_id}
+
+# Lista notebook sincronizzati
+curl http://localhost:8000/api/v1/notebooklm/indexed
+
+# Rimuovi sincronizzazione
+curl -X DELETE http://localhost:8000/api/v1/notebooklm/sync/{notebook_id}
+```
+
+**Query sui notebook:**
+```bash
+# Query solo sui notebook (senza documenti locali)
+curl -X POST http://localhost:8000/api/v1/query/notebooks   -H "Content-Type: application/json"   -d '{
+    "question": "Quali sono le conclusioni principali?",
+    "notebook_ids": ["uuid-del-notebook"],
+    "k": 10,
+    "provider": "openai"
+  }'
+
+# Query mista (documenti + notebook)
+curl -X POST http://localhost:8000/api/v1/query   -H "Content-Type: application/json"   -d '{
+    "question": "Confronta le informazioni tra i documenti e i notebook",
+    "notebook_ids": ["uuid-1", "uuid-2"],
+    "include_documents": true,
+    "provider": "anthropic"
+  }'
 ```
 
 ---
@@ -351,6 +455,9 @@ documente/
 
 ## Documentazione
 
+### Integrazione
+- [docs/integration.md](./docs/integration.md) - Guida integrazione NotebookLM + RAG
+
 ### NotebookLM Agent
 - [SKILL.md](./SKILL.md) - Skill definition per agenti AI
 - [prd.md](./prd.md) - Product Requirements Document