Ciao a tutti ragazzi di MissingTech e bentornati sul blog!
Se c’è un tema che qui abbiamo sviscerato in tutte le salse negli ultimi anni, è proprio l’Intelligenza Artificiale applicata al mondo reale. Siamo partiti parlando di come far girare modelli linguistici in locale a costo zero, abbiamo esplorato l'integrazione di LLM per la domotica e la sicurezza, e ci siamo spinti fino all'analisi visiva degli snapshot delle nostre telecamere per capire chi passa in giardino senza mandare un solo fotogramma sui server di terzi (se vi siete persi le guide passate, date un'occhiata all'archivio AI su MissingTech per rinfrescarvi la memoria!).
C'è però un elefante nella stanza di cui dobbiamo parlare.
Per il 99% delle persone là fuori, l’Intelligenza Artificiale è rimasta ferma a una finestrella di chat nel browser. Un oracolo digitale a cui chiedere il riassunto di un PDF, la formula magica per Excel o, al massimo, la generazione dell'immagine di un gatto vestito da astronauta. Nella domotica il copione è sempre lo stesso: chiediamo a una chat un pezzo di configurazione, la chat ci sputa fuori 80 righe di codice YAML, noi facciamo un timoroso copia-incolla sul server, ricarichiamo la pagina e... errore di indentazione alla riga 42. Panico, debug manuale, imprecazioni in dodici dialetti.
Oggi facciamo il salto generazionale. Smettiamo di trattare l'AI come un generatore di testo passivo e le diamo letteralmente le mani e le gambe per agire sul nostro sistema.
Dai Chatbot agli Agenti Operativi: Benvenuti nell'Era Agentica
Il vero spartiacque tra un assistente giocattolo e uno strumento professionale si chiama Coding Agent (o IDE Agentico).
Un agente operativo non si limita a darvi dei consigli: ha accesso diretto a un ambiente di sviluppo, al filesystem e, soprattutto, ha a disposizione una shell/terminale. Questo significa che quando gli affidate un task, lui:
Legge i file del vostro progetto e comprende il contesto.
Pianifica le modifiche.
Scrive e salva i file.
Lancia i comandi da terminale per compilare, testare o validare la sintassi.
Se incontra un errore, legge il log, corregge il codice e riprova, fino a quando il lavoro non è completato con successo.
In questa guida utilizzeremo Google Antigravity, un ambiente di sviluppo avanzato pensato proprio per orchestrare agenti di sviluppo autonomi. Antigravity è disponibile su Linux (nel mio caso l'ho testato sul fidato KDE neon, e sì... niente sistemi con le finestrelle blu qui!), macOS e Windows. È in grado di lavorare su workspace locali ma anche di collegarsi direttamente tramite sessioni remote SSH ai vostri server, container o apparati di rete.
E con gli altri? Si può fare?
Se usate la classica interfaccia web di ChatGPT, la risposta secca è no: la chat nel browser non può interagire con la vostra LAN o con i file di sistema. Tuttavia, l'approccio agentico è il nuovo standard del settore: potete ottenere flussi concettualmente identici sfruttando la nuova CLI/estensione di OpenAI Codex, oppure ambienti specializzati come Cursor, Windsurf o strumenti a riga di comando come Claude Code. Il denominatore comune è uno solo: l'AI non parla e basta, lavora.
Il Caso Studio: Una "Control Room" su Home Assistant in un Solo Colpo
Prendiamo uno degli scenari più noiosi e frustranti del mondo domotico: disegnare da zero una dashboard complessa per Home Assistant. Vogliamo creare una plancia per il giardino a pieno schermo, con:
Feed streaming della telecamera live in alta risoluzione.
Indicatori dinamici di allerta movimento con bagliore neon in CSS.
Pulsanti rapidi per le luci (Gazebo, Siepe, Funghetti).
Una colonna destra dedicata alla telemetria meteo e del suolo (temperatura, umidità, umidità del terreno e radiazione solare) con grafici ad onda storici perfettamente allineati al pixel.
Se dovessimo fare tutto a mano tra YAML, custom:stack-in-card, card-mod e proporzioni CSS, se ne andrebbe via un intero pomeriggio. Oggi faremo tutto pronunciando una sola frase al microfono, lasciando che Antigravity faccia il lavoro sporco.
Ecco l'architettura tecnica per farlo funzionare a prova di bomba.
Passo 1: La Dashboard Indipendente in YAML Mode
Se create una dashboard dall'interfaccia classica di Home Assistant, questa viene salvata in formato JSON dentro file interni gestiti dal motore Storage. Per far lavorare un agente in modo pulito e sicuro, dobbiamo assegnargli un file YAML dedicato.
Collegatevi via SSH a Home Assistant e aprite configuration.yaml:
lovelace:
mode: storage
dashboards:
antigravity-lab:
mode: yaml
title: "Lab AI"
icon: mdi:robot-excited
show_in_sidebar: true
filename: dashboards/antigravity.yaml
Create fisicamente la cartella e il file:
mkdir -p /config/dashboards
touch /config/dashboards/antigravity.yaml
Verificate con ha core check e riavviate il Core (ha core restart). Ora avete una voce "Lab AI" nella barra laterale che punta direttamente al file fisico dashboards/antigravity.yaml.
Passo 2: Il "Blueprint" delle Regole (GEMINI.md)
Come fa l'agente a sapere quali sensori usare e quale stile grafico ci piace senza doverglielo rispiegare ogni volta? Semplice: glielo scriviamo nel suo manuale di contesto.
All'interno della cartella /config di Home Assistant, creiamo un file chiamato GEMINI.md:
# Blueprint Architetturale Dashboard Antigravity Lab
Quando l'utente richiede di creare, aggiornare o generare la control room / plancia per il giardino:
1. **Target:**
- Scrivi l'intera configurazione su `/config/dashboards/antigravity.yaml`.
2. **Layout & Griglia (Desktop Full Screen):**
- La vista deve occupare l'intera larghezza (`panel: true` o layout griglia orizzontale).
- Proporzioni:
* Colonna Sinistra (65% width): Macro-card video + pulsanti luci.
* Colonna Destra (35% width): Stack verticale di 4 card telemetriche allineate in altezza alla colonna sinistra.
3. **Colonna Sinistra (Sicurezza & Video):**
- Contenitore: `custom:stack-in-card`.
- Streaming: `camera.lechange_mediaprofile_channel1_mainstream` a tutta larghezza.
- Allerta Movimento: `binary_sensor.lechange_cell_motion_detection_3` con bordo/badge rosso pulsante (`#ef4444`) se 'on'.
- Pulsantiera: Tre toggle Shelly orizzontali (`switch.shellyswitch25_...`, `switch.shellyplus1pm_...`, `switch.shelly1g3_...`) con etichette chiare (Gazebo, Siepe, Funghetti) e icone luminose.
4. **Colonna Destra (Telemetria 4 Card Verticali):**
- Header compatto con dicitura "TELEMETRIA METEO & SUOLO".
- 4 card `custom:mini-graph-card` ottimizzate in altezza per allinearsi esattamente alla colonna sinistra:
1. Temperatura Esterna (`sensor.gw2000a_wifid82f_outdoor_temperature`)
2. Umidità Esterna (`sensor.gw2000a_wifid82f_outdoor_humidity`)
3. Umidità Terreno (`sensor.giardino_gw2000a_wifid82f_soil_ch1`)
4. Radiazione Solare (`sensor.gw2000a_wifid82f_solar_irradiance`)
5. **Stile Cyber-Glassmorphism:**
- Sfondi: `rgba(15, 23, 42, 0.75) !important;`
- Blur: `backdrop-filter: blur(16px);`
- Bordi: `1px solid rgba(56, 189, 248, 0.25) !important; border-radius: 20px !important;`
6. **Deploy & Validazione:**
- Salva il file ed esegui `ha core check` da terminale prima di confermare.
Questo file è l'arma segreta: fissa le entità reali, le classi CSS e impone all'agente di validare la sintassi tramite CLI prima di restituire il controllo all'utente.
Passo 3: La Magia in Azione (Zero Righe di Codice)
A questo punto apriamo Antigravity, agganciamo la sessione SSH verso il nostro Home Assistant e impostiamo come workspace la cartella /config.
Davanti a noi abbiamo lo schermo diviso a metà: a sinistra l'agente pronto all'ascolto, a destra il browser aperto sulla dashboard "Lab AI" desolatamente vuota.
Premiamo il microfono e diamo l'ordine:
"Antigravity, creami la control room per il giardino a pieno schermo: maxi telecamera a sinistra con i controlli luci, e a destra le quattro telemetrie meteo e terreno allineate."
Cosa succede sotto il cofano nei successivi 30-40 secondi?
Antigravity legge GEMINI.md e mappa istantaneamente le entità corrette della nostra stazione meteo, dei relè Shelly e del flusso RTSP/WebRTC della cam.
Compila da zero il file dashboards/antigravity.yaml strutturando il grid layout e iniettando le regole CSS di Glassmorphism.
Lancia in autonomia nella shell remota il comando ha core check. Ricevuto il codice di uscita 0 (nessun errore di sintassi), ci notifica che il lavoro è pronto.
Torniamo sul browser, premiamo F5 (o Ricarica)... e la dashboard compare a schermo: proporzioni millimetriche, grafici storici colorati, feed video attivo e pulsanti pronti all'uso. Senza aver scritto una singola parentesi quadra o aver lottato con un allineamento CSS.
Non Solo Dashboard: Il Futuro della Gestione Infrastrutturale
La creazione di una dashboard domotica è solo la punta dell'iceberg per mostrare il potenziale visivo di questa tecnologia.
Pensate a cosa significa avere un agente operativo dotato di accesso a shell e rete:
Manutenzione Server: Analizzare file di log chilometrici in /var/log, individuare colli di bottiglia o container Docker falliti e ripristinarli.
Networking & Switch: Connettersi via SSH a router, switch gestiti o apparati di rete per riconfigurare VLAN, regole di firewall o verificare drop di pacchetti.
Aggiornamenti & Backup: Scrivere script di manutenzione automatizzati, testarli in ambienti di staging e mandarli in esecuzione solo dopo rigorosi controlli di integrità.
L'Intelligenza Artificiale sta smettendo di essere un interlocutore con cui fare conversazione per diventare a tutti gli effetti un junior sysadmin instancabile, capace di eseguire istruzioni complesse con una rapidità impensabile per l'essere umano.
Una riflessione a cuore aperto: comodità estrema o trappola per la crescita?
Chiudo questa guida con una considerazione molto personale, maturata confrontandomi ogni giorno con queste tecnologie sia sul lavoro sia nei progetti del blog.
Qualche tempo fa, lavorando a progetti architetturali piuttosto complessi (tra configurazioni Nginx, proxy locali e binding hardware), ho utilizzato il metodo "classico": dialogare con l'AI via chat. In quel contesto l'Intelligenza Artificiale agiva da mentore virtuale. Ti spiega la teoria, ti suggerisce la direttiva da inserire nel file di configurazione, ti mette in guardia su una falla di sicurezza... ma alla fine sei tu che metti le mani sul terminale, digiti i comandi, sbatti la testa sugli errori e, soprattutto, capisci il perché delle cose. Quell'affiancamento continuo è una palestra formativa straordinaria: ne esci che hai imparato qualcosa di nuovo e padroneggi l'infrastruttura.
Con strumenti agentici come Antigravity il paradigma cambia radicalmente. Dire "Fammi questo, gestisci quest'altro e procedi da solo" è una goduria indescrivibile per la produttività, ma nasconde una trappola sottile: fa perdere completamente il processo di apprendimento.
Se lasciamo sempre il volante all'agente:
Perdiamo il controllo fine del sistema: non sappiamo esattamente quali direttive o dipendenze siano state toccate sotto il cofano finché qualcosa non si rompe.
Atrofizziamo il senso critico e il troubleshooting: se non impariamo a scrivere a mano una configurazione o a interpretare un log di sistema quando le cose vanno lisce, non avremo la minima idea di dove mettere le mani quando l'agente non saprà cavare un ragno dal buco.
L'invito che faccio a tutta la community di MissingTech, quindi, è di usare questi strumenti con intelligenza e senza pigrizia intellettuale: Sfruttate i coding agent come instancabili bracci operativi quando i concetti li padroneggiate già e volete solo abbattere i tempi morti di scrittura manuale. Ma se state esplorando una tecnologia nuova per la prima volta, non limitatevi a delegare a occhi chiusi: aprite i file generati dall'agente, leggete cosa ha fatto, chiedetegli spiegazioni su ogni singola riga e mantenete sempre salde le redini delle vostre competenze. La vera padronanza tecnica rimane nella vostra testa, non nei server dell'AI.
Voi avete già provato a integrare coding agent nella gestione dei vostri server o della vostra domotica? Fatecelo sapere qui sotto nei commenti o sul nostro canale Telegram ufficiale!
Al prossimo articolo (e al prossimo video), sempre su MissingTech!
