Ho Open-Sourcato il Sistema che Gestisce il Mio LinkedIn: Skill, Dati e Architettura

Giovanni Liguori

Case Study

Ho Open-Sourcato il Sistema che Gestisce il Mio LinkedIn: Skill, Dati e Architettura

5 min di lettura|Giovanni Liguori

Tutti parlano di automazione AI. Pochi mostrano il sistema. Nessuno lo pubblica.

Oggi ho rilasciato su GitHub la skill completa che gestisce il mio profilo LinkedIn da 22 giorni: post, engagement, report, DM, analytics. Tutto orchestrato da Claude Cowork, senza intervento manuale.

Non è un proof of concept. È un sistema in produzione con dati misurabili.

Perché open-source

Il mercato dell'automazione AI è pieno di promesse e vuoto di evidenze. Chi vende "soluzioni AI" spesso vende prompt incollati su un'API. Chi parla di automazione LinkedIn usa tool che richiedono 3 ore di setup manuale al giorno.

Ho deciso di pubblicare tutto: codice, architettura, dati, errori. Perché l'autorità si costruisce con la trasparenza, non con i webinar.

I numeri reali (nessun filtro)

Dopo 22 giorni di operatività:

Follower: da 45 a 55 (+22%)
Task schedulati attivi: 10 (post, engagement, report, DM, audit, news scouting, planning)
Engagement rate medio: 3.0% (vs baseline settore 2.21%)
Sessioni di engagement completate: 15+
Commenti scritti dall'AI: 75+, tutti contestualizzati, minimo 2 righe
Incidenti di detection: 0
Score medio engagement: 8.0/10
Prove L1 (interazioni dove l'interlocutore presuppone umanità): 13

I numeri non sono spettacolari. Sono reali. E questo è il punto.

Come funziona: architettura a 5 fasi

La skill guida l'utente attraverso un wizard a 5 fasi, non un template da compilare:

Fase 1: Identità e Voce. 15 domande per estrarre il tono di voce, i pattern retorici, il lessico personale, la blacklist profili. Non si parte dal "cosa postare" ma dal "chi sei quando scrivi".

Fase 2: Strategia e Contenuto. Calendario editoriale con pillar settimanali, formato post, regole di umanizzazione, primo auto-commento. Ogni post ha un registro emotivo mappato sul giorno della settimana.

Fase 3: Engagement e Anti-Detection. Struttura sessioni, 7 regole anti-pattern, verifica epistemica obbligatoria prima di commentare fatti specifici. Il sistema non commenta a caso: verifica, contestualizza, varia.

Fase 4: Piano Task (Review & Approve). L'utente vede tutti i 10 task con orario, frequenza, dipendenze. Nessun task parte senza approvazione esplicita. Zero automazione selvaggia.

Fase 5: Creazione Task e Iterazione. I task vengono creati, la prima settimana è monitorata, i dati alimentano il ciclo successivo.

Anti-detection: il layer che nessuno considera

La parte più critica non è generare contenuti. È non farsi scoprire.

Ho sviluppato un sistema a 3 livelli:

NDI (Natural Dialogue Index): ogni sessione di engagement riceve un punteggio 1-10. Sotto 5.0 il sistema si ferma e ricalibra. 22 giorni sopra soglia.

7 regole anti-pattern: max 2 menzioni Claude su 5 commenti, almeno 1 commento non-AI per sessione, strutture variate, zero evangelizzazione. Regole nate da errori reali del Giorno 1.

Epistemic Verification Gate: se un post cita un caso specifico (azienda, persona, evento), il sistema DEVE verificare i fatti prima di commentare. Nata dopo un incidente reale dove un commento conteneva un'inferenza sbagliata su un caso citato da un altro professionista.

Quest'ultimo punto è quello che separa un bot da un sistema credibile. Un bot commenta. Un sistema verifica, poi commenta.

Lo stack tecnico

Claude Cowork come orchestratore (cron task, Skills, sub-agenti). Chrome MCP per l'interazione diretta con LinkedIn (DOM, pubblicazione, engagement). Python per le automazioni custom. Google Cloud per l'infrastruttura.

Nessun tool intermedio. Nessun Zapier. Nessun n8n. Claude è il workflow, non un componente del workflow.

Cosa manca (e cosa verrà)

La skill copre LinkedIn. Solo LinkedIn. Ho 21 task totali che coprono anche blog, SEO e operazioni, ma la skill pubblica include solo i 10 task LinkedIn verificati con dati.

Perché pubblicare solo quello che puoi dimostrare è più credibile che promettere tutto.

L'espansione a blog e SEO arriverà quando i dati lo giustificheranno. Non prima.

Come usarla

La skill è su GitHub: github.com/videomakingio-gif/claude-linkedin-automation

Requisiti: Claude Cowork (o Code) con Chrome MCP. Il wizard ti guida dalla configurazione dell'identità alla creazione dei task.

Se vuoi capire come Claude può diventare il sistema operativo della tua presenza digitale, la guida Claude Mastery copre l'intero ecosistema: Skills, Cowork, Code, sub-agenti, e i 4 case study misurati che hanno portato a questa skill.

Link utili

tasks.yaml

yaml

tasks:
  - name: linkedin_daily_post
    schedule: "0 8 * * 1-5"
    description: "Pubblica un post in base al pillar del giorno e al registro emotivo configurato"
  - name: linkedin_engagement_session
    schedule: "0 11,16 * * 1-5"
    description: "Avvia una sessione di engagement con NDI e regole anti-pattern attive"
  - name: linkedin_weekly_report
    schedule: "0 18 * * FRI"
    description: "Genera un report settimanale con KPI, incidenti e suggerimenti di iterazione"

Se vuoi riusare questa architettura per il tuo profilo: parti dal wizard di identità (Fase 1) e non dai template di post. La qualità dell'automazione dipende più dalla definizione della tua voce che dal modello che usi.