#rag

Come clonare il proprio cervello con Notebook LM e Cloud Code

Riassunto

L’articolo spiega come superare l’“amnesia” dei modelli di linguaggio (come Cloud) creando un “cervello digitale” permanente grazie all’integrazione con Notebook LM.

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.

Most DevOps teams are drowning in fragmented data, Terraform files in one place, CLI outputs in another, Jira tasks piling up manually, and debugging loops that eat hours.

Here's Teleglobal International Case Study shows how a production RAG platform on Amazon Bedrock changed that.

This post breaks down the real architecture, model selection decision, AWS cost breakdown, and go-live results of a deployed AI-powered DevOps intelligence platform.

What's inside: → Why RAG + Bedrock beat fine-tuning and direct LLM querying → How Qwen3-Coder-480B was selected over Claude 3.5 Sonnet and Nova Pro → 12 S3 buckets powering one unified DevOps intelligence layer → Full Jira, Git, and pipeline automation, zero manual triggers → $2,748/month total infra cost, on-demand only

If your team is still triggering DevOps tasks manually, this is worth a read.