Salsomaggiore Terme (Tutorial) -
05/06/2026 - Come clonare il proprio cervello con Notebook LM e Cloud Code
Nel panorama odierno dell’intelligenza artificiale, ottimizzare il flusso di lavoro e superare i limiti strutturali dei modelli di linguaggio è diventato fondamentale. Molti professionisti si scontrano quotidianamente con il problema dell’amnesia dei modelli come Cloud, che costringe a ricaricare i medesimi file a ogni nuova chat, causando un inutile consumo di token e il rapido esaurimento delle risorse.
Questo articolo si propone come una guida definitiva per risolvere tali inefficienze attraverso una metodologia innovativa: collegare l’intelligenza di Cloud alla potenza di archiviazione di Notebook LM. Esploreremo come creare un ecosistema centralizzato in cui la conoscenza vive all’esterno del modello, permettendogli di ricordare ogni dettaglio per sempre e di pensando e agendo in modo autonomo. Vedremo nel dettaglio l’architettura tecnica del sistema RAG, che consente di abbattere i costi di gestione inviando al modello solo i segmenti di testo necessari. Passeremo poi alla parte pratica, configurando l’ambiente desktop di Cloud Code tramite la libreria open-source Notebook Lmpy estratta da GitHub.
Spiegheremo come estrarre in sicurezza i token di sessione dal proprio account Google per impacchettare una skill autonoma da importare nell’interfaccia di Cloud Cowork. Infine, scopriremo come attivare automazioni avanzate, sfruttando la Deep Research nativa per analizzare decine di fonti a zero token, creare output multimediali come un’infografica o un nuovo notebook su Notebook LM, e implementare un diario di bordo automatizzato. Questa strategia trasformerà le vostre sessioni in un secondo cervello digitale, un vero e asset aziendale permanente che non dimentica più nulla.
Nel panorama dell’intelligenza artificiale ci troviamo spesso a combattere con i limiti strutturali dei modelli di linguaggio più avanzati. Quando utilizziamo uno strumento potente come Cloud, l’ostacolo principale è rappresentato dalla sua tendenza a dimenticare le informazioni nel passaggio da una chat all’altra. Questo fenomeno, che possiamo definire come una vera e propria amnesia, costringe gli utenti a ricaricare i medesimi file all’interno di ogni nuova sessione di lavoro. Si tratta di un processo inefficiente che gonfia il contesto, brucia una quantità massiccia di token e porta all’esaurimento rapido delle risorse a disposizione.
Per superare questo vincolo abbiamo sviluppato una metodologia innovativa che permette di clonare il proprio cervello digitale in soli dieci minuti e in modo completamente gratuito. La soluzione consiste nel creare un ponte strategico tra le capacità di calcolo di Cloud e la potenza di archiviazione e analisi di Notebook LM, una delle piattaforme AI più avanzate del settore. Attraverso questo collegamento, la conoscenza non risiede più all’interno della singola sessione temporanea del modello di linguaggio, ma viene preservata esternamente in un ecosistema centralizzato e permanente.
Il vantaggio principale di questo approccio risiede nella creazione di una memoria a lungo termine che non si cancella alla chiusura del browser. Ogni decisione aziendale, ogni documento strategico, i dettagli dei progetti in corso e le trascrizioni delle riunioni rimangono costantemente accessibili. Cloud smette di essere un assistente privo di passato e si trasforma in un collaboratore capace di ricordare ogni dettaglio per sempre, pensando e agendo in modo autonomo proprio come farebbe un professionista in carne e ossa.
L’integrazione di questi due strumenti sblocca funzionalità inedite che un modello di linguaggio isolato non potrebbe mai eseguire autonomamente. Parliamo della capacità di effettuare ricerche approfondite su decine di documenti in contemporanea, della generazione guidata di contenuti strutturati come podcast o video, e della progettazione di infografiche complesse basate su dati testuali grezzi. Questo sistema sposta l’asse dell’operatività quotidiana, consentendo di automatizzare gran parte dei processi di gestione della conoscenza sia a livello personale che aziendale, eliminando i tempi morti dedicati al recupero dei vecchi dati.
Per comprendere l’efficacia di questa architettura è necessario analizzare il meccanismo tecnologico che ne governa l’interazione, noto in ambito ingegneristico come sistema RAG (Retrieval-Augmented Generation). Nella configurazione tradizionale, quando un utente ha bisogno di analizzare un volume consistente di dati, è costretto a inserire centinaia di pagine all’interno della chat. Questo approccio obbliga il modello a rileggere l’intero pacchetto informativo a ogni singola richiesta, generando un consumo di risorse insostenibile nel lungo periodo.
Il sistema RAG modifica radicalmente questo flusso di lavoro introducendo una separazione netta tra la libreria di contenuti e il motore di evasione delle risposte. Immaginiamo Notebook LM come una grande libreria organizzata all’interno della quale sono archiviati tutti i nostri file, i report aziendali, i copioni dei video e i database operativi. Quando poniamo una domanda a Cloud, il modello non analizza l’intera libreria; al contrario, è Notebook LM che si occupa di scansionare i documenti memorizzati, individuare l’esatto frammento informativo utile alla richiesta e passare esclusivamente quel segmento specifico a Cloud.
Questo passaggio mirato genera un abbattimento drastico dei costi di gestione e dei consumi di token. Cloud interviene soltanto nella fase finale del processo, spendendo risorse esclusivamente per la richiesta specifica e per l’elaborazione del risultato finale da restituire all’utente. Tutto il lavoro pesante relativo all’archiviazione e alla ricerca semantica viene delegato a Notebook LM, il quale offre un piano d’uso gratuito che supporta l’inserimento di un massimo di 50 fonti distinte per ogni singolo taccuino digitale. Per chi dispone di un account aziendale o di un workspace pro, questo limite può essere superato, consentendo l’importazione di un numero maggiore di risorse.
Le applicazioni pratiche di una simile struttura sono pressoché illimitate. Possiamo configurare il sistema affinché operi come un CRM personale avanzato, un giornale di bordo per tracciare le decisioni strategiche nel corso dei mesi, un archivio intelligente per le idee di business o una knowledge base aziendale interrogabile da qualsiasi membro del team. Anche i meeting e i verbali delle riunioni possono essere registrati e inseriti nel sistema, trasformando ore di conversazione in un database dinamico e reattivo.
L’attivazione di questo ecosistema richiede il passaggio attraverso l’applicazione desktop ufficiale di Cloud, sfruttando la modalità d’uso denominata Cloud Code. Non utilizzeremo quindi la chat standard basata su browser o gli spazi di lavoro ordinari, ma un ambiente di sviluppo controllato in grado di interagire direttamente con il file system del nostro computer. Il primo passo operativo consiste nell’aprire una nuova conversazione all’interno dell’interfaccia desktop e concedere all’applicazione l’accesso a una cartella di lavoro dedicata o direttamente alla scrivania del sistema operativo.
La connessione tra le due piattaforme viene stabilita utilizzando una libreria open-source disponibile su GitHub, chiamata Notebook Lmpy. Questo progetto, che ha raccolto oltre 15.700 stelline sulla community di sviluppatori, funge da connettore non ufficiale. Poiché non esiste un’integrazione nativa rilasciata dai produttori, la libreria utilizza uno stratagemma tecnico per consentire a Cloud di inviare comandi, creare taccuini e gestire i file presenti su Notebook LM. Per avviare l’installazione è sufficiente copiare l’indirizzo della repository di GitHub e incollarlo all’interno della chat di [URLAMPI=https://www.mrpaloma.com/notizie/2764-opus-nei-flussi-lavoro-aziendali-svolta-cloud-code]Cloud Code[/URLAMP].
Il comando da impartire al modello deve essere diretto: dobbiamo chiedere a Cloud di leggere la repository inserita e di installare in autonomia la skill necessaria a governare l’applicazione esterna. Il sistema analizzerà la documentazione del codice, clonerà i pacchetti necessari sul computer e configurerà le dipendenze richieste in background. Durante questo processo, l’interfaccia potrebbe richiedere alcune conferme operative per autorizzare le modifiche all’interno della cartella selezionata.
L’aspetto cruciale della configurazione riguarda la gestione dei token di sessione e l’autenticazione dell’account. Non trattandosi di un canale ufficiale, l’applicazione avvierà una procedura automatizzata aprendo una scheda del browser. All’utente verrà richiesto di eseguire l’accesso al proprio account Google, precisamente quello in cui sono ospitati i taccuini di Notebook LM. Una volta completato il login, lo script intercetterà i token necessari, trasferendoli all’interno dell’ambiente di Cloud Code. Da questo momento, digitando una richiesta di verifica, l’assistente sarà in grado di interrogare i server e mostrare la lista esatta dei notebook presenti.
Sebbene l’installazione tramite Cloud Code sia indispensabile per configurare i file di sistema e i permessi di accesso iniziali, l’utilizzo continuativo dell’ambiente di sviluppo può risultare scomodo per la gestione delle attività giornaliere. La maggior parte degli utenti preferisce operare all’interno di Cloud Cowork, un’interfaccia più confortevole per l’esecuzione di task complessi. Tuttavia, se provassimo a richiamare direttamente i comandi di Notebook LM all’interno di Cowork senza una configurazione mirata, il sistema restituirebbe un errore poiché l’ambiente non permette il lancio diretto di script Python grezzi.
Per superare questa restrizione dobbiamo chiedere a Cloud Code di impacchettare la funzione appena creata in una skill autonoma e compatibile. Il prompt da utilizzare deve richiedere la creazione di una competenza specifica da esportare, specificando di includere i token di sessione precedentemente catturati direttamente all’interno della skill stessa. Sebbene questa pratica richieda attenzione dal punto di vista della riservatezza, è l’unico espediente tecnico che consente il funzionamento del sistema all’interno di ambienti che non supportano l’esecuzione dinamica di login.
Al termine dell’elaborazione, Cloud Code genererà un file sulla scrivania del computer denominato con estensione .skill o .md. Questo documento contiene l’intera struttura logica e le credenziali per dialogare con l’account Google. Per completare il trasferimento, l’utente deve spostarsi nell’interfaccia di Cloud, accedere alla sezione dedicata alla personalizzazione e alla gestione delle competenze (customize), e selezionare l’opzione per caricare una nuova abilità. Selezionando il file dal proprio computer, la piattaforma importerà le istruzioni e renderà disponibile la competenza.
È di fondamentale importanza ricordare che questa competenza contiene dati sensibili relativi all’accesso del proprio profilo personale; pertanto, non deve mai essere condivisa con nessuno. Qualora il sistema dovesse smettere di rispondere dopo diverso tempo di utilizzo, la causa sarà da ricercare nella naturale scadenza dei cookie di sessione della piattaforma Google. In questo scenario, basterà ripetere la procedura di allineamento rapido all’interno di Cloud Code per rinfrescare il token di accesso e ripristinare la piena operatività sia su Code che su Cowork.
Una volta consolidata la struttura di collegamento tra i due sistemi, le potenzialità operative si manifestano nella gestione automatizzata di flussi di lavoro complessi. Un esempio concreto è rappresentato dalla possibilità di delegare a Cloud la creazione di un intero taccuino tematico focalizzato sulle migliori strategie di crescita per canali YouTube. Impartendo un unico comando, l’assistente si collegherà alla rete, selezionerà le fonti più autorevoli combinando elementi strategici e di studio dell’algoritmo, e avvierà la creazione del nuovo notebook su Notebook LM senza richiedere alcun intervento manuale.
L’interazione non si ferma all’importazione passiva dei testi. Sfruttando i comandi della skill, Cloud può attivare la funzionalità di Deep Research nativa di Notebook LM direttamente in background. Durante questa fase, la piattaforma avvia una ricerca analitica approfondita strutturata in più passaggi sequenziali, rintracciando decine di articoli, blog post e video, per poi importarli automaticamente all’interno del medesimo contenitore. Il vantaggio economico è evidente: durante l’intera operazione di scansione e catalogazione di oltre settanta fonti, Cloud spende zero token, poiché l’elaborazione grava interamente sull’infrastruttura di Notebook LM.
I dati immagazzinati possono essere incrociati con elementi reali per ottenere consulenze personalizzate ad altissimo valore aggiunto. È possibile chiedere a Cloud di accedere al proprio canale, analizzare visivamente i titoli e le miniature degli ultimi video trasmessi e confrontare queste informazioni con le linee guida estratte dal database delle fonti. L’output generato non sarà una lista di consigli banali, ma un report strategico preciso che individua errori specifici, come il sovraccarico visivo di testo nelle copertine, suggerendo modifiche immediate sull’espressività dei volti o sul contrasto cromatico degli sfondi per incrementare il tasso di clic.
Oltre alla sintesi testuale, il sistema sblocca la produzione di output multimediali basati sui documenti d’archivio. Attraverso un semplice prompt formulato in italiano, possiamo ordinare la creazione di un’infografica strutturata che riassuma le migliori tecniche di conversione visiva, anche se la documentazione di partenza è in lingua inglese. Notebook LM elaborerà la struttura del file e Cloud provvederà a scaricare l’infografica finale direttamente all’interno della nostra cartella di output sul computer, restituendo uno schema contenente dati precisi e riquadri logici pronti all’uso.
L’applicazione più rivoluzionaria di questa tecnologia risiede nella risoluzione definitiva del problema dell’amnesia dei modelli di linguaggio attraverso la creazione di un diario di bordo automatizzato delle proprie sessioni di lavoro. Per attuare questa strategia, chiediamo a Cloud di istituire un taccuino speciale all’interno dell’account Google, battezzandolo con un nome identificativo come ’recap sessioni Cloud’. L’obiettivo è trasformare questo spazio nel contenitore storico di tutta l’attività intellettuale svolta in sinergia con l’intelligenza artificiale.
Al termine di una sessione di lavoro o di brainstorming, non dobbiamo fare altro che ordinare al modello di raccogliere l’intera conversazione avvenuta fino a quel momento, sintetizzarla evidenziando i punti cardine e le decisioni prese, e salvare il file risultante all’interno del taccuino dedicato, rinominandolo con la data del giorno corrente. Il sistema eseguirà l’operazione in pochi istanti, inserendo una scheda cronologica che traccia fedelmente l’evoluzione del progetto, i test eseguiti e le scoperte fatte.
Questo approccio modifica radicalmente l’apertura delle successive chat di lavoro. Quando avremo la necessità di riprendere un discorso interrotto giorni o settimane prima, non saremo più costretti a riassumere manualmente i vecchi passaggi o a incollare nuovamente i documenti. Sarà sufficiente aprire una nuova conversazione su Cowork e chiedere a Cloud di accedere al notebook dei riepiloghi, individuare la scheda corrispondente alla data d’interesse e ripescare solo l’esatto contesto utile per proseguire l’attività. L’assistente caricherà in memoria esclusivamente le informazioni necessarie, mantenendo la chat pulita.
Per rendere il processo fluido, è consigliabile istruire Cloud affinché generi una skill di automazione dedicata esclusivamente al salvataggio del diario. In questo modo, basterà richiamare la competenza alla fine di ogni discussione per attivare lo script di archiviazione, eliminando la necessità di digitare comandi articolati. Giorno dopo giorno, si strutturerà un secondo cervello digitale, perfettamente allineato con il nostro modo di pensare e lavorare, capace di eliminare le dispersioni di tempo e di token, e trasformando l’interazione con l’intelligenza artificiale in un asset aziendale permanente.
Questo articolo si propone come una guida definitiva per risolvere tali inefficienze attraverso una metodologia innovativa: collegare l’intelligenza di Cloud alla potenza di archiviazione di Notebook LM. Esploreremo come creare un ecosistema centralizzato in cui la conoscenza vive all’esterno del modello, permettendogli di ricordare ogni dettaglio per sempre e di pensando e agendo in modo autonomo. Vedremo nel dettaglio l’architettura tecnica del sistema RAG, che consente di abbattere i costi di gestione inviando al modello solo i segmenti di testo necessari. Passeremo poi alla parte pratica, configurando l’ambiente desktop di Cloud Code tramite la libreria open-source Notebook Lmpy estratta da GitHub.
Spiegheremo come estrarre in sicurezza i token di sessione dal proprio account Google per impacchettare una skill autonoma da importare nell’interfaccia di Cloud Cowork. Infine, scopriremo come attivare automazioni avanzate, sfruttando la Deep Research nativa per analizzare decine di fonti a zero token, creare output multimediali come un’infografica o un nuovo notebook su Notebook LM, e implementare un diario di bordo automatizzato. Questa strategia trasformerà le vostre sessioni in un secondo cervello digitale, un vero e asset aziendale permanente che non dimentica più nulla.
Indice
- Come clonare il proprio cervello con l’intelligenza artificiale
- Il funzionamento tecnico del sistema RAG e l’abbattimento dei costi
- Configurazione pratica: collegare Cloud Code a Notebook LM
- Come esportare la skill su Cloud Cowork per l’uso quotidiano
- Automazione in azione: ricerca avanzata e creazione di infografiche
- La strategia definitiva per la memoria infinita e il salvataggio delle sessioni
Tutorial video
Come clonare il proprio cervello con l’intelligenza artificiale
Nel panorama dell’intelligenza artificiale ci troviamo spesso a combattere con i limiti strutturali dei modelli di linguaggio più avanzati. Quando utilizziamo uno strumento potente come Cloud, l’ostacolo principale è rappresentato dalla sua tendenza a dimenticare le informazioni nel passaggio da una chat all’altra. Questo fenomeno, che possiamo definire come una vera e propria amnesia, costringe gli utenti a ricaricare i medesimi file all’interno di ogni nuova sessione di lavoro. Si tratta di un processo inefficiente che gonfia il contesto, brucia una quantità massiccia di token e porta all’esaurimento rapido delle risorse a disposizione.
Per superare questo vincolo abbiamo sviluppato una metodologia innovativa che permette di clonare il proprio cervello digitale in soli dieci minuti e in modo completamente gratuito. La soluzione consiste nel creare un ponte strategico tra le capacità di calcolo di Cloud e la potenza di archiviazione e analisi di Notebook LM, una delle piattaforme AI più avanzate del settore. Attraverso questo collegamento, la conoscenza non risiede più all’interno della singola sessione temporanea del modello di linguaggio, ma viene preservata esternamente in un ecosistema centralizzato e permanente.
Il vantaggio principale di questo approccio risiede nella creazione di una memoria a lungo termine che non si cancella alla chiusura del browser. Ogni decisione aziendale, ogni documento strategico, i dettagli dei progetti in corso e le trascrizioni delle riunioni rimangono costantemente accessibili. Cloud smette di essere un assistente privo di passato e si trasforma in un collaboratore capace di ricordare ogni dettaglio per sempre, pensando e agendo in modo autonomo proprio come farebbe un professionista in carne e ossa.
L’integrazione di questi due strumenti sblocca funzionalità inedite che un modello di linguaggio isolato non potrebbe mai eseguire autonomamente. Parliamo della capacità di effettuare ricerche approfondite su decine di documenti in contemporanea, della generazione guidata di contenuti strutturati come podcast o video, e della progettazione di infografiche complesse basate su dati testuali grezzi. Questo sistema sposta l’asse dell’operatività quotidiana, consentendo di automatizzare gran parte dei processi di gestione della conoscenza sia a livello personale che aziendale, eliminando i tempi morti dedicati al recupero dei vecchi dati.
Il funzionamento tecnico del sistema RAG e l’abbattimento dei costi
Per comprendere l’efficacia di questa architettura è necessario analizzare il meccanismo tecnologico che ne governa l’interazione, noto in ambito ingegneristico come sistema RAG (Retrieval-Augmented Generation). Nella configurazione tradizionale, quando un utente ha bisogno di analizzare un volume consistente di dati, è costretto a inserire centinaia di pagine all’interno della chat. Questo approccio obbliga il modello a rileggere l’intero pacchetto informativo a ogni singola richiesta, generando un consumo di risorse insostenibile nel lungo periodo.
Il sistema RAG modifica radicalmente questo flusso di lavoro introducendo una separazione netta tra la libreria di contenuti e il motore di evasione delle risposte. Immaginiamo Notebook LM come una grande libreria organizzata all’interno della quale sono archiviati tutti i nostri file, i report aziendali, i copioni dei video e i database operativi. Quando poniamo una domanda a Cloud, il modello non analizza l’intera libreria; al contrario, è Notebook LM che si occupa di scansionare i documenti memorizzati, individuare l’esatto frammento informativo utile alla richiesta e passare esclusivamente quel segmento specifico a Cloud.
Questo passaggio mirato genera un abbattimento drastico dei costi di gestione e dei consumi di token. Cloud interviene soltanto nella fase finale del processo, spendendo risorse esclusivamente per la richiesta specifica e per l’elaborazione del risultato finale da restituire all’utente. Tutto il lavoro pesante relativo all’archiviazione e alla ricerca semantica viene delegato a Notebook LM, il quale offre un piano d’uso gratuito che supporta l’inserimento di un massimo di 50 fonti distinte per ogni singolo taccuino digitale. Per chi dispone di un account aziendale o di un workspace pro, questo limite può essere superato, consentendo l’importazione di un numero maggiore di risorse.
Le applicazioni pratiche di una simile struttura sono pressoché illimitate. Possiamo configurare il sistema affinché operi come un CRM personale avanzato, un giornale di bordo per tracciare le decisioni strategiche nel corso dei mesi, un archivio intelligente per le idee di business o una knowledge base aziendale interrogabile da qualsiasi membro del team. Anche i meeting e i verbali delle riunioni possono essere registrati e inseriti nel sistema, trasformando ore di conversazione in un database dinamico e reattivo.
Configurazione pratica: collegare Cloud Code a Notebook LM
L’attivazione di questo ecosistema richiede il passaggio attraverso l’applicazione desktop ufficiale di Cloud, sfruttando la modalità d’uso denominata Cloud Code. Non utilizzeremo quindi la chat standard basata su browser o gli spazi di lavoro ordinari, ma un ambiente di sviluppo controllato in grado di interagire direttamente con il file system del nostro computer. Il primo passo operativo consiste nell’aprire una nuova conversazione all’interno dell’interfaccia desktop e concedere all’applicazione l’accesso a una cartella di lavoro dedicata o direttamente alla scrivania del sistema operativo.
La connessione tra le due piattaforme viene stabilita utilizzando una libreria open-source disponibile su GitHub, chiamata Notebook Lmpy. Questo progetto, che ha raccolto oltre 15.700 stelline sulla community di sviluppatori, funge da connettore non ufficiale. Poiché non esiste un’integrazione nativa rilasciata dai produttori, la libreria utilizza uno stratagemma tecnico per consentire a Cloud di inviare comandi, creare taccuini e gestire i file presenti su Notebook LM. Per avviare l’installazione è sufficiente copiare l’indirizzo della repository di GitHub e incollarlo all’interno della chat di [URLAMPI=https://www.mrpaloma.com/notizie/2764-opus-nei-flussi-lavoro-aziendali-svolta-cloud-code]Cloud Code[/URLAMP].
Il comando da impartire al modello deve essere diretto: dobbiamo chiedere a Cloud di leggere la repository inserita e di installare in autonomia la skill necessaria a governare l’applicazione esterna. Il sistema analizzerà la documentazione del codice, clonerà i pacchetti necessari sul computer e configurerà le dipendenze richieste in background. Durante questo processo, l’interfaccia potrebbe richiedere alcune conferme operative per autorizzare le modifiche all’interno della cartella selezionata.
L’aspetto cruciale della configurazione riguarda la gestione dei token di sessione e l’autenticazione dell’account. Non trattandosi di un canale ufficiale, l’applicazione avvierà una procedura automatizzata aprendo una scheda del browser. All’utente verrà richiesto di eseguire l’accesso al proprio account Google, precisamente quello in cui sono ospitati i taccuini di Notebook LM. Una volta completato il login, lo script intercetterà i token necessari, trasferendoli all’interno dell’ambiente di Cloud Code. Da questo momento, digitando una richiesta di verifica, l’assistente sarà in grado di interrogare i server e mostrare la lista esatta dei notebook presenti.
Come esportare la skill su Cloud Cowork per l’uso quotidiano
Sebbene l’installazione tramite Cloud Code sia indispensabile per configurare i file di sistema e i permessi di accesso iniziali, l’utilizzo continuativo dell’ambiente di sviluppo può risultare scomodo per la gestione delle attività giornaliere. La maggior parte degli utenti preferisce operare all’interno di Cloud Cowork, un’interfaccia più confortevole per l’esecuzione di task complessi. Tuttavia, se provassimo a richiamare direttamente i comandi di Notebook LM all’interno di Cowork senza una configurazione mirata, il sistema restituirebbe un errore poiché l’ambiente non permette il lancio diretto di script Python grezzi.
Per superare questa restrizione dobbiamo chiedere a Cloud Code di impacchettare la funzione appena creata in una skill autonoma e compatibile. Il prompt da utilizzare deve richiedere la creazione di una competenza specifica da esportare, specificando di includere i token di sessione precedentemente catturati direttamente all’interno della skill stessa. Sebbene questa pratica richieda attenzione dal punto di vista della riservatezza, è l’unico espediente tecnico che consente il funzionamento del sistema all’interno di ambienti che non supportano l’esecuzione dinamica di login.
Al termine dell’elaborazione, Cloud Code genererà un file sulla scrivania del computer denominato con estensione .skill o .md. Questo documento contiene l’intera struttura logica e le credenziali per dialogare con l’account Google. Per completare il trasferimento, l’utente deve spostarsi nell’interfaccia di Cloud, accedere alla sezione dedicata alla personalizzazione e alla gestione delle competenze (customize), e selezionare l’opzione per caricare una nuova abilità. Selezionando il file dal proprio computer, la piattaforma importerà le istruzioni e renderà disponibile la competenza.
È di fondamentale importanza ricordare che questa competenza contiene dati sensibili relativi all’accesso del proprio profilo personale; pertanto, non deve mai essere condivisa con nessuno. Qualora il sistema dovesse smettere di rispondere dopo diverso tempo di utilizzo, la causa sarà da ricercare nella naturale scadenza dei cookie di sessione della piattaforma Google. In questo scenario, basterà ripetere la procedura di allineamento rapido all’interno di Cloud Code per rinfrescare il token di accesso e ripristinare la piena operatività sia su Code che su Cowork.
Automazione in azione: ricerca avanzata e creazione di infografiche
Una volta consolidata la struttura di collegamento tra i due sistemi, le potenzialità operative si manifestano nella gestione automatizzata di flussi di lavoro complessi. Un esempio concreto è rappresentato dalla possibilità di delegare a Cloud la creazione di un intero taccuino tematico focalizzato sulle migliori strategie di crescita per canali YouTube. Impartendo un unico comando, l’assistente si collegherà alla rete, selezionerà le fonti più autorevoli combinando elementi strategici e di studio dell’algoritmo, e avvierà la creazione del nuovo notebook su Notebook LM senza richiedere alcun intervento manuale.
L’interazione non si ferma all’importazione passiva dei testi. Sfruttando i comandi della skill, Cloud può attivare la funzionalità di Deep Research nativa di Notebook LM direttamente in background. Durante questa fase, la piattaforma avvia una ricerca analitica approfondita strutturata in più passaggi sequenziali, rintracciando decine di articoli, blog post e video, per poi importarli automaticamente all’interno del medesimo contenitore. Il vantaggio economico è evidente: durante l’intera operazione di scansione e catalogazione di oltre settanta fonti, Cloud spende zero token, poiché l’elaborazione grava interamente sull’infrastruttura di Notebook LM.
I dati immagazzinati possono essere incrociati con elementi reali per ottenere consulenze personalizzate ad altissimo valore aggiunto. È possibile chiedere a Cloud di accedere al proprio canale, analizzare visivamente i titoli e le miniature degli ultimi video trasmessi e confrontare queste informazioni con le linee guida estratte dal database delle fonti. L’output generato non sarà una lista di consigli banali, ma un report strategico preciso che individua errori specifici, come il sovraccarico visivo di testo nelle copertine, suggerendo modifiche immediate sull’espressività dei volti o sul contrasto cromatico degli sfondi per incrementare il tasso di clic.
Oltre alla sintesi testuale, il sistema sblocca la produzione di output multimediali basati sui documenti d’archivio. Attraverso un semplice prompt formulato in italiano, possiamo ordinare la creazione di un’infografica strutturata che riassuma le migliori tecniche di conversione visiva, anche se la documentazione di partenza è in lingua inglese. Notebook LM elaborerà la struttura del file e Cloud provvederà a scaricare l’infografica finale direttamente all’interno della nostra cartella di output sul computer, restituendo uno schema contenente dati precisi e riquadri logici pronti all’uso.
La strategia definitiva per la memoria infinita e il salvataggio delle sessioni
L’applicazione più rivoluzionaria di questa tecnologia risiede nella risoluzione definitiva del problema dell’amnesia dei modelli di linguaggio attraverso la creazione di un diario di bordo automatizzato delle proprie sessioni di lavoro. Per attuare questa strategia, chiediamo a Cloud di istituire un taccuino speciale all’interno dell’account Google, battezzandolo con un nome identificativo come ’recap sessioni Cloud’. L’obiettivo è trasformare questo spazio nel contenitore storico di tutta l’attività intellettuale svolta in sinergia con l’intelligenza artificiale.
Al termine di una sessione di lavoro o di brainstorming, non dobbiamo fare altro che ordinare al modello di raccogliere l’intera conversazione avvenuta fino a quel momento, sintetizzarla evidenziando i punti cardine e le decisioni prese, e salvare il file risultante all’interno del taccuino dedicato, rinominandolo con la data del giorno corrente. Il sistema eseguirà l’operazione in pochi istanti, inserendo una scheda cronologica che traccia fedelmente l’evoluzione del progetto, i test eseguiti e le scoperte fatte.
Questo approccio modifica radicalmente l’apertura delle successive chat di lavoro. Quando avremo la necessità di riprendere un discorso interrotto giorni o settimane prima, non saremo più costretti a riassumere manualmente i vecchi passaggi o a incollare nuovamente i documenti. Sarà sufficiente aprire una nuova conversazione su Cowork e chiedere a Cloud di accedere al notebook dei riepiloghi, individuare la scheda corrispondente alla data d’interesse e ripescare solo l’esatto contesto utile per proseguire l’attività. L’assistente caricherà in memoria esclusivamente le informazioni necessarie, mantenendo la chat pulita.
Per rendere il processo fluido, è consigliabile istruire Cloud affinché generi una skill di automazione dedicata esclusivamente al salvataggio del diario. In questo modo, basterà richiamare la competenza alla fine di ogni discussione per attivare lo script di archiviazione, eliminando la necessità di digitare comandi articolati. Giorno dopo giorno, si strutturerà un secondo cervello digitale, perfettamente allineato con il nostro modo di pensare e lavorare, capace di eliminare le dispersioni di tempo e di token, e trasformando l’interazione con l’intelligenza artificiale in un asset aziendale permanente.
Salsomaggiore Terme (Tutorial) -
05/06/2026 - Come clonare il proprio cervello con Notebook LM e Cloud Code -
Written by Mokik