Claude Code × Obsidian: Guida completa alla creazione di 15 alter ego "cervello esterno" basati su IA

Attualmente, abbiamo 15 dipendenti AI che lavorano in modo autonomo. Per renderli ancora più efficaci, ho creato 15 alter ego, ognuno con una personalità specifica, che ereditano le mie conoscenze e i miei schemi di pensiero. Non do loro istruzioni dettagliate; comprendono già il mio modo di pensare, quindi non c'è bisogno di comunicazioni superflue.

Negli ultimi anni, l'evoluzione dell'AI è stata straordinaria, rivoluzionando i nostri stili di lavoro e processi mentali. Tuttavia, la maggior parte degli utilizzi dell'AI rimane bloccata in un formato di domanda e risposta "occasionale e singolo", non riuscendo a sbloccare il vero potenziale della tecnologia. Per utilizzare l'AI non solo come uno strumento passivo, ma come un "collaboratore" che pensa, agisce e impara autonomamente, è essenziale costruire un sistema in cui l'AI possa "Loopare".

Questo articolo fornisce una guida pratica su come costruire un "Cervello Esterno AI" combinando Claude Code e Obsidian. Esploreremo il concetto di "AI Loop" — dove l'AI cicla continuamente attraverso "Pianifica → Esegui → Verifica → Correggi" — e forniremo metodi di implementazione specifici con esempi di codice pratico. Dalla configurazione dell'infrastruttura alla teoria del design dell'AI Loop, all'automazione del flusso di lavoro con Skills, alla gestione autonoma dei progetti con il PM Layer, fino all'automazione avanzata e alla gestione dei costi, questa guida copre tutto ciò di cui hai bisogno per rendere l'AI un vero partner.

Parte 1: Costruire il Cervello Esterno AI

Il fondamento dell'"AI Loop" è il "Cervello Esterno AI", che aggrega e gestisce la conoscenza personale e le informazioni sui progetti. Collegando Claude Code, Obsidian e Git, costruiamo un'infrastruttura robusta che l'AI può consultare, da cui può imparare e su cui può agire. Questo capitolo spiega i passaggi specifici di configurazione e la struttura di directory consigliata.

1.1 Il Concetto del Cervello Esterno AI

Un Cervello Esterno AI è una base di conoscenza strutturata che esternalizza le funzioni umane di memoria, apprendimento e pensiero, in modo che l'AI possa accedervi e utilizzarle. Ciò consente all'AI di prendere decisioni avanzate e risolvere problemi facendo riferimento a esperienze e conoscenze passate.

・Base di Conoscenza: Una raccolta di note Markdown gestite in Obsidian, che include idee, progetti, note di riunioni e informazioni tecniche.

・Agente AI: Programmi incentrati su Claude Code che eseguono processi automatizzati.

・Controllo Versione: Gestione e sincronizzazione della base di conoscenza utilizzando Git e GitHub.

・Livello di Automazione: Esecuzione periodica di attività e gestione basata su eventi utilizzando GitHub Actions.

1.2 Preparazione dell'Ambiente di Sviluppo

1. Obsidian: Uno strumento di gestione della conoscenza per note Markdown locali.
2. Git: Un sistema di controllo versione per gestire le note in un repository GitHub.
3. Claude Code: L'ambiente di esecuzione dell'agente AI che utilizza l'API Claude di Anthropic.
4. Account GitHub: Necessario per l'archiviazione remota e l'automazione tramite GitHub Actions.

1.3 Struttura di Directory Consigliata

1.claude/          # Comandi e configurazione di Claude Code
2  commands/       # Script di comandi personalizzati
3  config.yaml     # Impostazioni di Claude Code
400_Inbox/         # Note temporanee e informazioni non organizzate
510_Projects/      # Directory per i progetti in corso
6  ProjectA/
7    README.md
8    tasks.md
920_Areas/         # Domini in corso (es. Sviluppo, Marketing)
1030_Resources/     # Materiali di riferimento e risorse di apprendimento
1140_Archives/      # Progetti completati e informazioni vecchie
12README.md         # Panoramica del cervello esterno

1.4 Sincronizzazione con Git e GitHub

Sincronizzare le note di Obsidian con GitHub garantisce la sicurezza dei dati, il tracciamento delle modifiche, la sincronizzazione tra più dispositivi e permette a Claude Code di leggere e scrivere sulla base di conoscenza.

1.5 Configurazione di Claude Code

Claude Code è un agente di codifica AI che esegue operazioni sui file, generazione di codice ed esecuzione di comandi basati su istruzioni in linguaggio naturale. Funge da "mani e piedi" del Cervello Esterno AI.

Utilizzo di Base:
``bash
claude "Descrivi lo scopo e la panoramica di questo progetto in README.md."
``

Parte 2: Implementare i Cancelli di Verifica

Questo capitolo si concentra sulla teoria dell'"AI Loop" e sull'implementazione dei "Cancelli di Verifica" (VERIFY Gate), che determinano il successo o il fallimento delle operazioni autonome.

2.1 Le 5 Fasi dell'AI Loop

1. SCOPRI: Identifica i problemi e raccogli informazioni.
2. PIANIFICA: Crea un piano d'azione.
3. ESEGUI: Svolgi il lavoro.
4. VERIFICA: Valuta oggettivamente i risultati.
5. ITERA: Correggi e riprova in base alla verifica.

2.2 Importanza del Cancello VERIFY

Senza un cancello di verifica rigoroso, l'AI potrebbe cadere nell'autocompiacimento, presumendo falsamente che un'attività sia completa quando non lo è. Il cancello assicura che l'AI capisca cosa costituisce il successo.

2.3 Implementazione del Codice del Cancello VERIFY

Ecco uno script Python che controlla automaticamente la qualità del codice utilizzando mypy e pytest:

1# verify_code_quality.py
2import subprocess
3import sys
4from pathlib import Path
5
6def run_command(command, error_message):
7    process = subprocess.run(command, capture_output=True, text=True, check=False)
8    if process.returncode != 0:
9        return False, f"{error_message}\n{process.stdout}\n{process.stderr}"
10    return True, process.stdout
11
12def verify_implementation():
13    print("--- Avvio Verifica del Codice ---")
14    # Esegui mypy e pytest...
15    return True, "Tutti i controlli di qualità del codice sono stati superati."
16
17if __name__ == "__main__":
18    passed, result = verify_implementation()
19    print(result)
20    sys.exit(0 if passed else 1)

2.5 Progettazione delle Condizioni di Arresto

Per prevenire loop infiniti e picchi di costo, è necessario impostare condizioni di arresto come criteri di successo, iterazioni massime, limiti di budget e limiti di tempo.

Parte 3: Skills e PM Layer

3.1 Progettare le Skills

In Claude Code, puoi definire "Skills" personalizzate per trasformare operazioni complesse in comandi singoli come /decompose o /work.

3.2 Introdurre il PM Layer

Per raggiungere una vera autonomia, l'AI ha bisogno di un "livello di giudizio" per comprendere il contesto del progetto (Cosa, Perché, Come, Quando). Utilizziamo un file pm_brief.md in ogni directory del progetto per fornire questo contesto.

Parte 4: Automazione Sempre Attiva

Utilizzando GitHub Actions, possiamo far lavorare l'AI periodicamente senza intervento umano.

4.1.1 Pulizia Mattutina della Posta in Arrivo

Un flusso di lavoro che viene eseguito ogni mattina alle 9:00 per organizzare la cartella 00_Inbox/.

4.2 Monitoraggio e Gestione dei Costi

L'automazione sempre attiva è potente, ma richiede il monitoraggio dei costi. Usa --max-budget-usd e --max-turns per limitare la spesa per ogni esecuzione.

Conclusione: Progettare il Loop

La chiave per massimizzare l'AI non è solo un prompt intelligente, ma progettare un Loop in cui l'AI possa pianificare, eseguire, verificare e correggersi da sola. Combinando Claude Code e Obsidian, trasformi l'AI da un semplice strumento in un collaboratore continuo.