1. Problema – Cloud dimentica le informazioni tra una chat e l’altra, costringendo a ricaricare file e consumando token.
2. Soluzione RAG – Si utilizza un’architettura Retrieval‑Augmented Generation: i documenti vengono archiviati in Notebook LM; quando si pone una domanda, solo il frammento rilevante viene inviato a Cloud, riducendo drasticamente i costi e i token.
3. Configurazione pratica –
* Si installa la libreria open‑source *Notebook Lmpy* (da GitHub) tramite l’ambiente desktop *Cloud Code*.
* Si estraggono i token di sessione dall’account Google per creare una skill autonoma che gestisce l’interazione con Notebook LM.
4. Uso in Cloud Cowork – La skill esportata (file *.skill* o *.md*) viene caricata in Cloud Cowork, permettendo l’accesso continuo ai notebook senza dover ri‑autenticare ogni volta.
5. Automazioni – Con il collegamento è possibile:
* Ricerca avanzata su decine di fonti a “zero token”.
* Generazione automatica di notebook tematici, podcast, video e infografiche.
* Creazione di un diario di bordo che salva, data per data, le conversazioni e le decisioni, trasformando il sistema in un vero “secondo cervello” aziendale.
In sintesi, collegando Cloud a Notebook LM con la libreria *Notebook Lmpy* si ottiene una memoria a lungo termine, costi ridotti e automazioni che rendono l’AI un asset permanente, senza più dover ricaricare i file in ogni nuova sessione.