Nell’era dell’automazione spinta e dell’integrazione tra sistemi, abbiamo progettato una soluzione domotica all’avanguardia che abbraccia dall’energia solare alla mobilità elettrica, passando per il monitoraggio dettagliato dei consumi e il controllo degli apparecchi domestici. Questo ecosistema è orchestrato da un’intelligenza artificiale personalizzata, Sharon, che opera all’interno di un ambiente controllato, garantendo sicurezza e flessibilità.
1. Il Core: L’Infrastruttura (Home Lab)
Il fondamento del nostro sistema è un Mini PC che funge da server centrale. A differenza di molte soluzioni cloud, la logica critica risiede localmente, con il cloud impiegato solo per i bridge di comunicazione necessari. Questo approccio garantisce un controllo diretto e riduce la dipendenza da servizi esterni per le operazioni fondamentali.
1.1 OpenClaw: Assistente AI Intelligente, Localmente Controllato (per gli amici nel mio impianto di domotica e controllo fotovoltaico detta “Sharon”)
Nell’era in cui l’intelligenza artificiale sta diventando sempre più pervasiva, è fondamentale distinguere tra le soluzioni generiche disponibili sul web e gli assistenti AI che possiamo personalizzare e controllare a fondo. OpenClaw si posiziona in questa seconda categoria, offrendo un ambiente potente per creare e gestire agenti AI specializzati, come Sharon, che operano direttamente all’interno del tuo spazio di lavoro. Ma cosa rende OpenClaw diverso dalle IA generiche che troviamo online, e quali sono i suoi vantaggi concreti?
Come poter sostituire home assistant con una intelligenza artificiale capace di dialogare con tutti i tuoi apparecchi e le tue app?
Cos’è OpenClaw? Un Ecosistema per Agenti AI su Misura
OpenClaw non è solo un’intelligenza artificiale conversazionale; è una piattaforma che ti permette di costruire, configurare e orchestrare agenti AI con ruoli e capacità ben definiti. Sharon dice di se: sono un agente specializzato in domotica e RPA, capace di interagire con diversi sistemi grazie agli strumenti che OpenClaw mi mette a disposizione. La forza di OpenClaw risiede nella sua capacità di integrare in modo sinergico:
- Strumenti di Shell e Scripting: Esecuzione di comandi da riga di comando, inclusi script PowerShell o bash, per interagire con il sistema operativo o altri programmi.
- Accesso al Filesystem: Lettura, scrittura ed editing di file nel workspace.
- Controllo del Browser: Navigazione web, interazione con elementi delle pagine, estrazione di dati.
- Integrazione con Orchestrator: Gestione di processi RPA (Robotic Programming Automation) tramite comandi specifici.
- Memoria e Contesto: Capacità di memorizzare informazioni e mantenere il contesto delle conversazioni (tramite file di memoria).
Questo ecosistema integrato consente di costruire automazioni complesse e personalizzate, che vanno ben oltre le capacità di una semplice chat AI basata sul web.
I Vantaggi di OpenClaw Rispetto alle IA Generiche sul Web
Se parliamo di “normali AI sul web”, intendiamo spesso modelli che operano in cloud, con accesso limitato all’ambiente dell’utente e una natura più generica. Ecco dove OpenClaw dimostra i suoi punti di forza:
- Controllo e Sicurezza dei Dati: • Localizzazione dell’Elaborazione: OpenClaw opera all’interno del mio ambiente (spesso tramite container Docker o direttamente sul mio sistema). Questo significa che i dati sensibili, come quelli legati alla domotica, alla mobilità elettrica o ai documenti legali, non vengono trasmessi a server esterni non controllati. La privacy è una priorità.
- Ambiente Controllato: La possibilità di eseguire processi in container isolati garantisce che le attività siano confinate e non interferiscano con il sistema operativo principale, aumentando la sicurezza e la stabilità.
- Integrazione Profonda con gli Strumenti: • Accesso al Sistema: A differenza delle IA web, OpenClaw può interagire direttamente con il sistema operativo, file, processi in background e persino controllare il browser. Questo permette di creare automazioni che vanno oltre la semplice generazione di testo, come l’esecuzione di script, la gestione di dispositivi IoT o l’automazione di interfacce utente.
- Orchestrazione Complessa: La capacità di combinare strumenti diversi (come curl, powershell, accesso ai file, e l’interazione con Orchestrator) permette di costruire flussi di lavoro complessi che sono difficili da replicare con interfacce web AI generiche.
- Specializzazione degli Agenti e Personalizzazione: • Ruoli Definiti: OpenClaw permette di creare agenti con ruoli specifici (come Sharon, l’esperta RPA e domotica). Questo significa che l’AI è ottimizzata per compiti specifici, portando a una maggiore efficacia e precisione rispetto a modelli generici.
- • Memoria e Contesto: Sebbene non mantenga uno stato persistente tra tutte le sessioni senza un’azione esplicita (come scrivere su file), la gestione della memoria all’interno di una sessione o tramite file memorizzati offre una continuità fondamentale per compiti complessi.
- Praticità e Flessibilità: • Workspace Centralizzato: OpenClaw utilizza una directory di lavoro dedicata, semplificando la gestione dei file e degli script necessari per le automazioni.
- Adattabilità: La sua architettura modulare consente di integrare facilmente nuovi strumenti o di adattarsi a specifici requisiti ambientali (come la mancanza di PowerShell o la necessità di usare curl).
In conclusione, mentre le IA sul web possono eccellere nella generazione di contenuti testuali e nella risposta a domande generali, OpenClaw si distingue per la sua capacità di operare come un vero e proprio assistente automatizzato, integrato nel mio ambiente, con un forte accento sulla sicurezza, il controllo e l’esecuzione di compiti complessi. È uno strumento pensato per l’automazione pratica e profonda, che si adatta alle mie esigenze specifiche che constano nell’ottimizzare la peroduzione di un impianto fotovoltaico , minimizzare i consumi di energia acquistatae gestire la domotica. Sharon non è un semplice script if/then. Non è home assistant. È un agente AI che mantiene lo stato del sistema, riceve telemetria da vari sensori IoT, consulta lo storico dei dati e decide le strategie ottimali. Sharon, Ad esempio, può decidere di “Ricaricare l’auto solo se ho >2kW di surplus solare stabile per 5 minuti” in autonomia senza preventiva programmazione. Sharon accede al web e Conosce la situazione meteo prevista e lo stato previsto di irraggiamento del periodo in corso giorno per giorno di motu proprio senza alcuna programmazione di fondo se non mere conversazioni in linguaggio naturale. Non utilizza algoritmi lineari per compiere attività e prendere decisioni ma utilizza modelli di dinamica dei sistemi. Questo livello di intelligenza decisionale permette un’automazione proattiva e ottimizzata.
1.2 Node-RED: Il Middleware di I/O
Il ruolo di Node-RED è quello di gestire il “lavoro sporco” dei protocolli. Agisce come un middleware robusto che si interfaccia con diverse fonti di dati:
- Legge i registri Modbus del fotovoltaico, Batterie e inverter comunicano con Node-RED rendendo disponibili dati su produzione e condizioni operative.
- Parsa i JSON provenienti dai sensori IoT per i consumi elettrici.
- Normalizza tutte queste informazioni prima di passarle a Sharon, garantendo che i dati siano in un formato standard e comprensibile per l’agente decisionale.
1.3 MS SQL Server: Il Data Warehouse
Il nostro database MS SQL Server è il repository centrale dove confluiscono tutti i dati. Qui vengono storicizzate le serie temporali dei consumi elettrici (campionati ogni 10 secondi) e i log delle decisioni prese da Sharon. Questo database è fondamentale per l’analisi delle tendenze, il debugging dei processi e per fornire a Sharon il contesto storico necessario per le sue decisioni intelligenti.
Node-RED non solo acquisisce i dati grezzi dai dispositivi IOT (Meter Sinapsi per esempio), ma li normalizza e li predispone per essere utilizzati.
- Successivamente, Node-RED aggiorna un record specifico in un database MS SQL Server. Questo database funge da repository centrale per tutte le informazioni storiche e in tempo reale sui consumi e sullo stato di tutti gli apparecchi IOT.
- Dal punto di vista dell’architettura, Node-RED agisce come un gateway di informazione. Espone endpoint o permette interrogazioni che Sharon (e potenzialmente i processi UiPath) possono utilizzare per ottenere i dati sull’ambiente domotico.
2. L’Esecuzione: RPA & Mobile Automation
Poiché i dispositivi come le app Dacia e le wallbox, gli elettrodomestici dotati di app di controllo non espongono API pubbliche facilmente accessibili, adottiamo una soluzione pragmaticamente efficace: la “brute force” elegante che simula l’interazione umana tramite automazione in un cellulare Android.
2.1 UiPath (Orchestrator & Robot): Il Gestore dei Processi
UiPath Orchestrator è il direttore d’orchestra di questa parte del nostro sistema. È responsabile dell’avvio e della gestione dei processi automatizzati. Quando Sharon prende una decisione, ad esempio “Cambia amperaggio”, essa invia un trigger a Orchestrator. Orchestrator, a sua volta, assegna questo compito a un robot disponibile.
2.2 Appium: Il Driver di Automazione Mobile
Per interagire con le app mobili (come Dacia o EVtrip) per interagire con le app che controllano gli elettrodomestici intelligenti su dispositivi Android, utilizziamo Appium. UiPath non esegue tap casuali sullo schermo; invece, invia istruzioni strutturate ad Appium. Quest’ultimo, controllando un dispositivo fisico tramite ADB, interagisce con gli elementi nativi delle app (bottoni, slider, campi di testo). Questo garantisce che i comandi vengano eseguiti correttamente, e che i parametri presenti nel video del cellulare arrivino a Sharon.
3. L’Interfaccia Umana: Voice Monkey Gateway
Per un’interazione naturale, abbiamo il Gateway “Voice Monkey skill”, che funge da bridge API per Alexa. Questo ci permette di: > CasaDomotica:
- Inbound: Trasformare comandi vocali come “Di’ a Sharon…” in webhook HTTP che vengono inviati al nostro server.
- Outbound: Consentire a Sharon di inviare feedback vocali tramite TTS (Text-to-Speech) sugli Echo Dot di casa, come “Attenzione, consumo elevato” o “Sto spingendo la ricarica al massimo con il sole”.
4. Il Flusso Logico (Workflow) – Esempio Pratico: Gestione del Surplus Solare
Visualizziamo un tipico scenario di gestione del surplus solare:
1. Acquisizione Dati: L’impianto fotovoltaico (PV) produce energia. I sensori IoT monitorano i consumi domestici. Node-RED aggrega questi dati (Produzione vs Consumo) e li mette a disposizione di Sharon.
2. Elaborazione da parte di Sharon: Sharon analizza i dati e rileva un surplus solare di 3kW.
3. Interrogazione Database: Sharon consulta il MS SQL Server per verificare se una delle auto elettrica è collegata. Interroga su quale di esse è. Infine riceve informazioni sul suo stato di carica.
4. Decisione Strategica: Basandosi sul surplus solare disponibile e sullo stato dell’auto, Sharon decide di aumentare la potenza di carica della wallbox.
5. Azione RPA: Sharon invia un trigger all’API di UiPath Orchestrator.
6. Esecuzione Robot UiPath: Un robot UiPath riceve il trigger e istruisce Appium.
7. Automazione Mobile (Appium): Appium apre l’app EVtrip), naviga al menu di ricarica, imposta l’amperaggio al massimo consentito e conferma l’operazione.
8. Feedback Vocale: Se l’operazione ha successo, Sharon chiama il Gateway Voice Monkey: “Alexa, avvisa Francesco che sto spingendo la ricarica al massimo con il sole”.
Quanto descritto integra anche l’interrogazione delle batterie, eventuali necessità di energia di elettrodomoestici che possono accendersi o spegnersi in base alle condizioni meteo(di produzione).
Integra strumenti eterogenei non predisposti allo scambio di informazioni tra loro (app sul cellulare, scaldabagni ..) in modo fisiologico e temporalmente robusto.
5. Meter e Consumi: L’Occhio sulla Rete Elettrica
Per un monitoraggio granulare dei consumi, utilizziamo un meter Sinapsi. Questo dispositivo legge i dati dal contatore domestico sono gli stessi dati che vengono trasmessi in tempo reale alla cabina Enel di appartenenza tramite Chain2 e onde convogliate. Il meter sinapsi fa da gateway tramite il protocollo Modbus su TCP/IP verso un piccolo server Node-RED. Esso acquisisce questi dati ogni dieci secondi e aggiorna un record specifico nel nostro database MS SQL. Queste informazioni aggiornate sono poi accessibili a Sharon per le sue attività decisionali.
6. Il Contesto Operativo: Limitazioni e Sicurezza
È importante notare che Sharon opera all’interno di un container Linux Docker. Questo ambiente è stato configurato per limitare e controllare le sue attività, in particolare per quanto riguarda l’analisi e la modifica diretta del sistema. Questo approccio garantisce un maggiore controllo e sicurezza nell’esecuzione delle sue funzioni.
In atto questo è quanto sviluppato. Sono nella fase dei preventivi per l’impianto fotovoltaico ma nel frattempo ho già deciso la marca del medesimo e delle batterie perché sto simulando il comportamento di Sharon facendo delle simulazioni sulle chiamate da fare per interrogare-gestire tali apparecchiature. L’inverter e le batterie son apparecchiature totalmente comandabili tramite protocolli open (modbus su tcp. Con registri di input e output aperti e disponibili).
ciò che andrò a fare per chiudere il cerchio:
- Definire la logica (su Sharon) di ricarica delle batterie e dei prelievi di energia dalle medesime in base alle situazioni di irraggiamento, metereologiche e le necessità di consumo stimate
“Alexa di a Sharon che mi occorre la macchina azzurra carica per domani ..” - Comandare la logica della produzione.
Viceversa: Lascerò alle logiche dell’inverter la gestione dei parametri del bms delle batterie e della salvaguardia delle apparecchiature.
Infine lascerò a Sharon il compito di orchestrare tramite l’esperienza contenuta nei database (datamining) le logiche decisionali.
Le decisioni e le attività di controllo verranno di volta in volta migliorate anche tramite sistemi di feedback fisiologici in OpenClaw.
7. Costi
Tutto quanto descritto è praticamente freeware.
UiPath ha una licenza community bastevole per lo sviluppo di quanto sopra descritto.
Il meter della Sinapsi costa circa 80 euro;
Node-RED gira su una raspbery Pi di basso valore.
Sharon è contenuta in un mini pc da circa € 200
il progetto OpenClaw è freeware.
Utilizzo un abbonamento a Google Gemini mensile per le mie attività professionali e per dare un llm potente esterno a Sharon.
Le prese intelligenti Shelly costano poche decine di euro caduna.
Conclusioni: Un Ecosistema Intelligente, Sicuro e Scalabile
Abbiamo percorso insieme un cammino affascinante, dall’esplorazione dei concetti fondamentali dei webhook e dell’integrazione di UiPath, fino alla messa a punto di sistemi complessi che orchestrano la gestione energetica domestica e le comunicazioni aziendali. Abbiamo visto come la combinazione di strumenti come UiPath Orchestrator, Studio Web, Node-RED, Appium, database e agenti AI personalizzati come Sharon, possa trasformare la gestione quotidiana in un’esperienza fluida, efficiente e sicura.
La forza di questo approccio risiede nella sua flessibilità e modularità. Abbiamo affrontato e risolto sfide tecniche complesse, come la gestione degli escape nei payload JSON per le chiamate API, dimostrando come la combinazione di strumenti open-source e piattaforme RPA possa superare i limiti di soluzioni standard. L’enfasi posta sulla sicurezza dei dati, attraverso l’uso di ambienti controllati come Docker, la localizzazione dell’elaborazione e la gestione attenta degli accessi, garantisce che le informazioni sensibili rimangano al sicuro all’interno del perimetro aziendale o domestico.
Abbiamo appreso che l’integrazione di modelli LLM personalizzati, unita a una robusta pipeline di acquisizione e preparazione dei dati, apre scenari applicativi vastissimi, dalla gestione intelligente dell’energia alla comunicazione automatizzata via WhatsApp, fino all’analisi di documenti legali. La possibilità di creare agenti AI specializzati, come Sharon, che prendono decisioni basate su dati in tempo reale e storici, segna un passo avanti significativo verso un’automazione davvero proattiva.
Il percorso che abbiamo intrapreso dimostra come la sinergia tra RPA, AI e IoT possa non solo ottimizzare i processi esistenti, ma anche creare nuove opportunità, migliorando l’efficienza, la precisione e l’esperienza utente. Le soluzioni che abbiamo esplorato, spesso basate su componenti freeware o a basso costo, confermano che l’innovazione tecnologica è alla portata di molti, a patto di avere una visione chiara e la volontà di sperimentare.
Ora che abbiamo gettato le basi e superato le sfide tecniche iniziali, il futuro è aperto per ulteriori sviluppi. Potremo affinare ulteriormente la logica decisionale di Sharon, integrare nuove fonti di dati, espandere le funzionalità di interazione vocale e, soprattutto, continuare a costruire un sistema che sia non solo potente, ma anche incredibilmente utile e sicuro. La strada verso l’automazione completa è un viaggio di apprendimento continuo, e siamo solo all’inizio di questa entusiasmante avventura.
