Con cosa lavoro
Il centro è Claude Code: l'AI con cui ragiono e a cui faccio produrre. Gira da riga di comando sul Mac e, quando serve, dentro l'editor. Da sola però sarebbe un assistente generico. Sono tre cose attorno a renderla un collaboratore vero — e una quarta che mi tiene onesto: il controllo.
Claude Code
L'AI che ragiona e produce. Da terminale o dentro l'editor, sempre dentro il contesto del progetto.
MCP
Protocolli che collegano l'AI a strumenti esterni — il browser, i dati, i servizi — così agisce oltre i file.
Plugin & skill
Comandi su misura — come /daily e /daily-sync — che insegnano all'AI rituali e capacità mie.
Verifica & Sentry
Anteprima nel browser per vedere subito il risultato, e Sentry per intercettare gli errori in produzione prima che lo faccia un utente. Nessun lavoro esce senza un controllo.
Niente istruzioni di installazione: questa è una vetrina del metodo, non una guida. Conta il perché di ogni pezzo, non i comandi (che invecchiano).
Tre stadi: capire, dare forma, realizzare
Ogni lavoro — un'app, un'analisi, un documento — attraversa lo stesso percorso. Cambio strumento a seconda di cosa mi serve in quel momento: prima la testa, poi la forma, poi la sostanza.
Capire
claude.ai · chatEsploro il problema, lo metto in discussione, decido cosa serve davvero e perché. Qui penso, non eseguo.
Dare forma
Claude · artifactsDo struttura alle idee: un'interfaccia, l'impianto di un'analisi, l'indice di un documento. Da vedere e correggere subito.
Realizzare
Claude CodeProduco l'output vero — codice, ma anche un dossier o un deliverable — con la disciplina che vedi più sotto.
I tre stadi non sono rigidi: spesso si torna indietro. Ma sapere "in quale stadio sono" tiene ogni sessione a fuoco.
Una sessione, un obiettivo
Non lavoro in una conversazione infinita che accumula tutto. Apro una sessione per un obiettivo preciso, la porto a termine e la chiudo salvandola con /daily. Sembra una banale buona abitudine: in realtà è la scelta che rende il lavoro con l'AI sostenibile nel tempo.
Meno contesto trascinato significa meno token a ogni richiesta e risposte più centrate, perché l'AI non si disperde su mille cose insieme. E sessioni brevi e nette si incastrano bene dentro le finestre di utilizzo di Claude, invece di bruciarle in una maratona unica. /daily chiude il cerchio: salva il lavoro prima di staccare, così la sessione dopo riparte da zero come contesto ma piena di memoria.
Insegnare all'AI come lavoro e chi sono
Prima ancora di iniziare, l'AI deve sapere con chi ha a che fare. Due file, caricati a ogni sessione, fanno da sistema operativo del collaboratore.
Il file delle regole raccoglie il come: lingua e tono, modo di lavorare (sempre un piano prima di agire, opzioni con pro e contro, contraddirmi quando vede un problema), le conferme obbligatorie prima di azioni delicate, gli standard di pulizia, i principi di sicurezza e compliance. È la differenza fra un assistente che esegue e un collaboratore che ragiona.
Il file su di me raccoglie il chi: ruolo, background, come penso, cosa sto imparando, il mio livello reale. Serve all'AI per calibrare proposte e spiegazioni sulla persona, non su un utente generico.
Questo è il livello "globale": vale per ogni progetto. Poi ogni progetto aggiunge il proprio contesto specifico.
Dove vive cosa
La regola è una sola: ogni informazione ha un posto solo, e quel posto è prevedibile. La memoria è divisa per natura dell'informazione, non per progetto — così l'AI, e io, sappiamo sempre dove cercare e dove scrivere.
La distinzione che tiene insieme tutto: il lavoro sta nei progetti, la conoscenza sta nel vault. Niente si mescola.
Per ogni progetto convivono due luoghi complementari. Il file di contesto nel progetto dice "come si lavora qui dentro" — viaggia col progetto. La nota-hub nel vault dice "a che punto sono" — vive solo nella memoria personale. Decisioni e convenzioni da una parte; stato vivo e pensieri dall'altra.
Comandi che tengono allineata la memoria
Una memoria che non si aggiorna invecchia in fretta. Due comandi personalizzati fanno la manutenzione, ognuno con la sua cadenza. Entrambi propongono le modifiche e aspettano il mio ok: nessuna scrittura automatica, nessuna sorpresa.
Fine sessione
Riassume cosa ho fatto e lo scrive come blocco nella nota del giorno, senza mai toccare i blocchi precedenti.
- Cosa fatto, decisioni e perché
- TODO aperti, dubbi e blocchi
- Collega i progetti citati
- Propone i diff alle note toccate
Periodico
Legge le ultime sessioni e riallinea l'intera knowledge base, una proposta alla volta.
- Aggiorna le note di setup
- Consolida decisioni e gotcha
- Aggiorna stato e prossima azione
- Rigenera la dashboard dei progetti
Il primo cattura il presente a caldo; il secondo consolida nel tempo. Il diario cronologico non si riscrive mai: è la fonte da cui tutto il resto deriva.
Lo stesso metodo senza una riga di software
Il software è l'esempio più facile da raccontare, ma è solo un caso. Gran parte del mio lavoro è consulenza: arrivano materiali dal cliente — brief, bilanci, documenti, dati, registrazioni — e da lì nasce un'analisi, una strategia, un deliverable. L'impianto regge identico.
Un progetto di consulenza, gestito come un repository di conoscenza
Una cartella-progetto con il suo file di contesto (chi è il cliente, obiettivi, vincoli, scadenze), i materiali ricevuti come fonte, e le note-hub che tracciano analisi, ipotesi e stato. L'AI lavora dentro un contesto che ricorda il cliente e le decisioni prese, invece di ricominciare a ogni sessione. E /daily registra ogni avanzamento.
→ privacy: i dati del cliente restano fuori dalla knowledge base condivisa, trattati con minimizzazioneCambia il deliverable, non il metodo: capire, dare forma, realizzare; una sessione per obiettivo; una memoria che cresce ordinata. Un collaboratore che, riaprendolo a distanza di settimane, sa già tutto del dossier.
Regole sul fare, non solo sul ricordare
La memoria serve a poco se l'esecuzione è disordinata. Ogni progetto porta il proprio contesto, e ogni modifica segue lo stesso flusso, sempre — che si tratti di codice o di un documento.
Il principio guida è chirurgia, non rifattorizzazione: ogni modifica deve tracciare a ciò che ho chiesto. Niente lavoro toccato "tanto che ci sono", niente aggiunte non richieste. Se l'AI vede un problema fuori scope, lo segnala a fine task e decido io — non lo aggiusta di iniziativa.
Quando si costruisce software
Quando il deliverable è un prodotto digitale, dietro c'è un ecosistema stabile di strumenti, scelto per andare veloce senza rinunciare a sicurezza e compliance.
Lo stack di ogni progetto si decide sui requisiti: questa è la base di partenza, non una regola fissa.
Backup, sync e privacy by design
Tutta la conoscenza è testo semplice in Markdown: leggibile, versionabile, a prova di futuro. È replicata su più dispositivi, ne viene fatto backup, e resta pulita per scelta — non per caso.
Markdown puro
Tutto è testo. Nessun formato proprietario, nessun servizio indispensabile, zero lock-in.
Versionato e replicato
La storia è tracciata e il vault sincronizzato: niente vive in un solo posto, niente punto unico di rottura.
Mai segreti né dati di terzi
Chiavi, password e dati dei clienti restano fuori dalla knowledge base condivisa. Minimizzazione come default.
Ogni scrittura di memoria passa da una proposta esplicita: l'AI non modifica nulla di rilevante senza il mio ok.
Non solo per chi scrive codice
Questo è il modo in cui lavoro io, ma l'impianto è generale. Un professionista, un reparto, un'intera azienda si muovono ogni giorno dentro la propria conoscenza: procedure, decisioni, clienti, progetti, lezioni imparate. Oggi quella conoscenza vive sparsa — in teste, chat, mail, file dimenticati.
Un second brain strutturato la trasforma in un asset: memoria condivisa, leggibile, versionata, su cui l'AI può lavorare con continuità invece di ripartire ogni volta. La conoscenza interna smette di essere caos e diventa fondamenta.
Vuoi un sistema di lavoro così?
Un'impostazione come questa — su misura per te, il tuo team o la tua azienda — si può progettare. Se ti interessa lavorare con l'AI in modo strutturato, parliamone.