Prompt Search: come ho trasformato 1.140 prompt sparpagliati in un motore di ricerca locale a un tasto (con sync su Google Drive)
C’è un momento preciso in cui capisci che il tuo rapporto con l’intelligenza artificiale è diventato disfunzionale: quando passi più tempo a cercare il prompt perfetto tra decine di finestre, appunti di Apple Notes, canali Telegram e vecchie chat di ChatGPT, che a lavorare sul risultato effettivo. Nel corso di due anni di consulenze, corsi aziendali e progetti di prompt engineering, il mio archivio personale aveva raggiunto un volume impressionante: 1.143 prompt master sparpagliati in file Markdown da oltre 13.000 righe di codice.
La soluzione standard proposta dal mercato dell’AI è sempre la stessa: installare l’ennesima estensione SaaS in abbonamento, caricare tutta la propria proprietà intellettuale sui server di una startup terza e sperare che non introduca un paywall da venti dollari al mese o cambi le condizioni d'uso. Ho deciso di fare esattamente il contrario: costruire un motore di ricerca locale, offline, istantaneo a un solo tasto da tastiera, con sincronizzazione trasparente su Google Drive.
Questo non è un articolo teorico: è il diario di bordo della sessione di sviluppo reale svolta con il mio agente locale Antigravity, con gli screenshot autentici della chat, le schermate del terminale e la telemetria di avvio del motore.
Scheda Dati del Prototipo
- Data esperimento: Domenica 4 Ottobre 2026
- Finestra temporale: 20:13 — 21:40 (Durata netta: 87 minuti)
- Stack tecnologico: Python REST server (porta 8765), Chrome App Mode (
--appnativo), Vanilla JS (ES6+), Google Drive CloudStorage API, GitHub repository locale (prompt-search). - Volume dati indicizzato: 1.143 prompt strutturati (file
prompts.jsonda 4.2 MB) estratti dai master vault Markdown (oltre 13.000 righe). - Interfaccia utente: Finestra macOS dedicata standalone, ricerca istantanea via scorciatoia globale (
⌘Ko/), compilatore variabili al volo e copia con un click. - Sincronizzazione: Modulo bidirezionale con verifica hash su Google Drive (My Drive/PromptBox) con tempo di sync inferiore a 200ms.
Fase 1 — La chat delle 20:13: l’idea del motore locale a un tasto
Alle 20:13 apro la sessione con Antigravity. Il mandato è categorico: non voglio dover aprire il browser, digitare un URL o attendere che un servizio cloud risponda. Volevo un'applicazione desktop leggera, con un'icona sulla Scrivania del Mac, capace di aprirsi all'istante:
Invece di creare un'applicazione Electron pesante centinaia di megabyte, abbiamo sfruttato la modalità nativa Chrome App (--app=http://127.0.0.1:8765). Abbiamo compilato il launcher bash dentro PromptBox.app, associato l'icona ad alta risoluzione AppIcon.icns e posizionato l'alias Prompt Search direttamente sulla Scrivania.
Fase 2 — La chat delle 21:11: la sincronizzazione automatica con Google Drive
A questo punto è emerso il vero snodo architetturale: se lavoro dal portatile o sono fuori studio, come mantengo aggiornati i prompt senza passare da un database cloud centralizzato a pagamento?
Alle 21:11 lanciamo lo sviluppo del modulo drive_sync.py. Il meccanismo sfrutta il client nativo di Google Drive per macOS: ad ogni apertura, il server interroga il percorso locale di CloudStorage (GoogleDrive/My Drive/PromptBox), controlla la data di revisione e sincronizza in maniera bidirezionale il file master prompts.json. Se creo un prompt sul Mac fisso, me lo ritrovo sincronizzato sul portatile senza un centesimo di costi server.
Fase 3 — Sotto il cofano: Telemetria del server locale e architettura
Tutto il sistema poggia su un'architettura essenziale, zero-dipendenze e local-first. Un demone Python gestisce le chiamate REST (/api/status, /api/prompts, /api/sync), caricando in memoria l'intero catalogo di 1.143 prompt in meno di 5 millisecondi:
Il frontend in Vanilla JS integra un compilatore di variabili al volo: quando un prompt contiene segnaposto come [TESTO_DA_ANALIZZARE] o [RUOLO_TARGET], la card apre un popup modale con i campi da compilare prima della copia, consegnando negli appunti un prompt già perfetto e pronto per essere incollato.
Cosa Insegna Questo Progetto: 3 Principi per Chi Lavora con l'AI
1. La sovranità intellettuale: i tuoi prompt sono codice
Trattiamo i prompt come fossero semplici messaggi di testo usa-e-getta, quando in realtà sono software compilato in linguaggio naturale. Affidarli a piattaforme esterne significa perdere il controllo del proprio patrimonio metodologico. Mantenere i prompt in file JSON e Markdown locali ti garantisce la piena proprietà intellettuale per sempre.
2. Ergonomia a latenza zero: se richiede più di 3 secondi, non lo userai
La vera barriera nell'adozione degli strumenti avanzati di AI è la pigrizia operativa. Se per recuperare un prompt devi aprire Notion, attendere il caricamento della pagina e scorrere dieci cartelle, finirai per scrivere un prompt frettoloso e mediocre da zero. Con un'app desktop a un tasto (⌘K), il richiamo avviene in un secondo netto.
3. Local-First con Cloud di backup passivo
Non serve un'architettura a microservizi nel cloud per avere la comodità della sincronizzazione. Lavorare in locale garantisce velocità immediata e funzionamento anche offline; delegare a Google Drive la sola sincronizzazione passiva dei file JSON offre tutti i vantaggi del cloud con zero costi di infrastruttura.
Diario dell’esperimento del 4 Ottobre 2026. Codice sorgente e master prompts archiviati localmente.
Made with ♥ in Milan by Emanuele BDC.