documente/README.md

# DocuMente & NotebookLM Agent

[![Python 3.10+](https://img.shields.io/badge/python-3.10+-blue.svg)](https://www.python.org/downloads/)
[![FastAPI](https://img.shields.io/badge/FastAPI-0.100+-009688.svg)](https://fastapi.tiangolo.com/)
[![Code style: ruff](https://img.shields.io/badge/code%20style-ruff-000000.svg)](https://github.com/astral-sh/ruff)
[![Tests](https://img.shields.io/badge/tests-pytest-blue.svg)](https://docs.pytest.org/)

> **Due Sistemi AI - Usali Separatamente o Insieme**

Questo repository contiene **due sistemi AI indipendenti** che puoi usare separatamente o insieme:

---

## 🤖 NotebookLM Agent

API REST per gestire **Google NotebookLM** programmaticamente.

### Cosa fa
- Crea e gestisci notebook NotebookLM
- Aggiungi fonti (URL, PDF, YouTube, Drive)
- Chat con le fonti
- Genera contenuti (podcast, video, quiz, flashcard)
- Ricevi notifiche via webhook

### Requisiti
- Python 3.10+
- Account Google NotebookLM

### Installazione
```bash
# Clona e installa
git clone <repository-url>
cd documente
uv venv --python 3.10
source .venv/bin/activate
uv sync

# Autenticazione NotebookLM (prima volta)
notebooklm login
```

### Avvio
```bash
uv run fastapi dev src/notebooklm_agent/api/main.py
```

API disponibile su: http://localhost:8000

### Esempio
```bash
# Crea notebook
curl -X POST http://localhost:8000/api/v1/notebooks \
  -H "Content-Type: application/json" \
  -d '{"title": "Ricerca AI"}'

# Aggiungi fonte
curl -X POST http://localhost:8000/api/v1/notebooks/{id}/sources \
  -d '{"type": "url", "url": "https://example.com"}'
```

📚 **Documentazione**: [SKILL.md](./SKILL.md)

---

## 🧠 DocuMente (RAG con NotebookLM)

Sistema **RAG** (Retrieval-Augmented Generation) che permette di:
- Caricare documenti (PDF, DOCX, TXT, MD)
- Sincronizzare notebook da NotebookLM
- Fare ricerche semantiche su entrambi
- Chat con LLM multi-provider

### Cosa fa
- **Ricerca su documenti**: Carica file e fai domande
- **Ricerca su notebook**: Sincronizza notebook NotebookLM e interrogali
- **Ricerca combinata**: Cerca sia nei documenti che nei notebook

### Requisiti
- Python 3.10+
- **Qdrant** (vector database)
- Node.js 18+ (per frontend opzionale)

### Installazione
```bash
# Dipendenze già installate con uv sync sopra

# Avvia Qdrant (richiesto)
docker run -p 6333:6333 qdrant/qdrant
```

### Avvio
```bash
# Backend
uv run fastapi dev src/agentic_rag/api/main.py

# Frontend (opzionale)
cd frontend && npm install && npm run dev
```

Servizi:
- API: http://localhost:8000/api
- Web UI: http://localhost:3000

### Esempi
```bash
# Carica documento
curl -X POST http://localhost:8000/api/v1/documents \
  -F "file=@documento.pdf"

# Sincronizza notebook da NotebookLM
curl -X POST http://localhost:8000/api/v1/notebooklm/sync/{notebook_id}

# Fai una domanda (cerca in documenti + notebook)
curl -X POST http://localhost:8000/api/v1/query \
  -H "Content-Type: application/json" \
  -d '{
    "question": "Trova informazioni su...",
    "notebook_ids": ["uuid-notebook"],
    "include_documents": true
  }'
```

📚 **Documentazione Integrazione**: [docs/integration.md](./docs/integration.md)

---

## 🔧 Configurazione

Crea un file `.env` nella root:

```env
# Per NotebookLM Agent
NOTEBOOKLM_HOME=~/.notebooklm

# Per DocuMente (almeno un provider LLM)
OPENAI_API_KEY=sk-...           # o altro provider

# Per ricerche su notebook (opzionale)
OLLAMA_BASE_URL=http://localhost:11434  # se usi Ollama
LMSTUDIO_BASE_URL=http://localhost:1234 # se usi LM Studio

# Qdrant (solo per DocuMente)
QDRANT_HOST=localhost
QDRANT_PORT=6333
```

---

## 📁 Struttura Progetto

```
documente/
├── src/
│   ├── notebooklm_agent/    # 🤖 Solo NotebookLM
│   │   ├── api/
│   │   └── services/
│   │
│   └── agentic_rag/         # 🧠 RAG + NotebookLM
│       ├── api/
│       ├── services/
│       └── ...
│
├── frontend/                # 🎨 Web UI (solo per RAG)
├── docs/
│   └── integration.md       # Guida integrazione
│
└── tests/
```

---

## 📚 Documentazione

| File | Descrizione |
|------|-------------|
| **[SKILL.md](./SKILL.md)** | Guida completa NotebookLM Agent |
| **[docs/integration.md](./docs/integration.md)** | Come integrare NotebookLM con RAG |
| **[CONTRIBUTING.md](./CONTRIBUTING.md)** | Come contribuire |

---

## ❓ FAQ

**Q: Devo usare entrambi i sistemi?**  
A: No! Puoi usare solo NotebookLM Agent, solo DocuMente, o entrambi.

**Q: NotebookLM Agent richiede Qdrant?**  
A: No, funziona standalone senza database.

**Q: Posso cercare solo nei notebook senza caricare documenti?**  
A: Sì, usa DocuMente e sincronizza solo i notebook.

**Q: Quali provider LLM supporta DocuMente?**  
A: OpenAI, Anthropic, Google, Mistral, Azure, Ollama (locale), LM Studio (locale).

---

## Licenza

Proprietà di Luca Sacchi Ricciardi. Tutti i diritti riservati.

**Contatto**: luca@lucasacchi.net