DocuMente & NotebookLM Agent

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

# 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

uv run fastapi dev src/notebooklm_agent/api/main.py

API disponibile su: http://localhost:8000

Esempio

# 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

---

🧠 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

# Dipendenze già installate con uv sync sopra

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

Avvio

# 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

# 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

---

🔧 Configurazione

Crea un file .env nella root:

# 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	Guida completa NotebookLM Agent
docs/integration.md	Come integrare NotebookLM con RAG
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