Mimir Lab — Presentazione tecnica

01

Chi è Mimir Lab

Mimir Lab è un laboratorio di automazione AI-first fondato da Gabriele Sechi a Cademario (Ticino, CH). Stack proprietario centrato su n8n Cloud + Anthropic API diretta, orchestrato da agenti TypeScript via MCP SDK. Non un’agenzia: un execution layer tecnico per consulenti e aziende con visione chiara ma senza capacità operativa per costruirla.

Operiamo come partner tra pari — non fornitore generico. Costruiamo, deployiamo e gestiamo workflow n8n complessi in produzione. La documentazione interna è codificata in skill e pattern library derivati da 2 478 workflow analizzati.

Layer	Tool / Tecnologia	Ruolo operativo
L1 — Orchestration	`Claude Code` + OpenClaw + Anthropic API diretta	Agent di sviluppo, dispatcher, reasoning complesso
L2 — Workflow	n8n Cloud — `mimirlab.app.n8n.cloud`	Automazione, orchestrazione pipeline, integrazione servizi
L3 — Data	Google Sheets (Service Account) + filesystem locale	State, log operativi, dashboard contabile real-time
L4 — Output	Telegram · LinkedIn · AbaNinja · Drive	Delivery, pubblicazione, fatturazione automatica, archivio

02

Il nostro n8n, in profondità

Architettura dell’istanza

Risorsa	Valore	Note
Instance	`mimirlab.app.n8n.cloud` — Starter plan	Migrato da Docker localhost il 2026-04-07
Project ID	`zBy2aF6Ma4YyEX2u`	Container principale — tutti i workflow e credenziali dentro
Command Center	`duFEnIWzfjfzkK1V`	Pipeline brief + publish — sempre attivo
System Health Agent	`s6EPgHPhNN2sfdpJ`	Monitoring errori ogni 30 min
Agenti TypeScript	OrchestratorAgent → BriefAgent / PublishAgent / N8nDocsAgent	MCP SDK over stdio — `npx tsx`, no compile step
Sorgenti workflow	`mimir_v4.ts`, `brief-v2.ts`, `mimir_v5.ts`	SDK TypeScript — mai export JSON grezzo (credential exposure AUTH-05)

Pattern SDK validati in produzione

Questi pattern emergono da incidenti reali, non da documentazione ufficiale.

#	Pattern	Problema evitato	Fix
`P-01`	JSON fence stripping	Claude wrappa l’output in ```json…``` anche con istruzione esplicita. `JSON.parse()` diretto → crash.	raw.replace(/```json\s*/gi,'').replace(/```/g,'').trim() prima di ogni `JSON.parse`
`P-02`	Webhook > Poll / Schedule	Più workflow che pollano la stessa risorsa (RSS, Sheets, Telegram) sull’istanza condivisa → 409 conflicts.	Webhook trigger ovunque possibile. n8n→n8n via `execute_workflow` MCP colpisce sempre il primo webhook node.
`P-03`	Mai `newCredential()` via MCP	Credential creata in global space, non assegnata al workflow del project → “credentials not shared with workflow”	Credential ID hardcodato sempre. LinkedIn: assegnazione obbligatoria via UI n8n dopo ogni deploy.
`P-04`	Sheets `mappingMode: defineBelow`	`autoMapInputData` fallisce runtime se i nomi colonna dello sheet non coincidono esattamente con le chiavi dell’input JSON.	Sempre `defineBelow` + mapping esplicito chiave→espressione per ogni campo in append / insert.
`P-05`	HTTP body: `specifyBody: “string”`	`“json”` con expressions dentro → parse failure silenzioso a runtime su payload dinamici.	Sempre `specifyBody: “string”` per payload costruiti con espressioni n8n.
`P-06`	Mai Merge downstream di If	Merge aspetta entrambi i branch. If ne esegue sempre uno solo → deadlock garantito, workflow stalla.	Route diretti verso il nodo successivo. Se serve aggregazione: Merge in Append mode.
`P-07`	`validate_workflow` come unico deploy gate	API n8n restituisce 200 anche su workflow corrotti. `update_workflow` via MCP: HTTP response inaffidabile.	Sequenza: `validate → valid:true` → `get_workflow_details` (verifica struttura) → `publish_workflow`.
`P-08`	Sheets read: `returnAllMatches`	`readAllRows` deprecato in n8n v4+ — fallisce silenziosamente su dataset grandi.	`operation: ‘read’` + `options.returnAllMatches: true`
`P-09`	Strip backtick fences su ogni output LLM	Anche con system prompt che vieta il markdown, Haiku e Sonnet wrappano output strutturato in fences intermittentemente.	Funzione `safeParse(raw)` in ogni Code node che consuma output LLM. No eccezioni.

Routing modelli Anthropic

Modello	String esatta (n8n / API diretta)	Use case
Haiku 4.5	`claude-haiku-4-5-20251001`	Bulk ops, RSS parsing, classificazione, ACK rapidi — costo minimo
Sonnet 4.6	`claude-sonnet-4-6-20251001`	Build / fix workflow, reasoning multi-step, brief generation
Opus 4.6	`claude-opus-4-6-20251001`	Architettura, analisi critica, quality gate complessi

⚠ Mai usare claude-3-haiku, claude-3-sonnet o qualsiasi stringa claude-3-* — legacy, non disponibili sullo stack corrente.

Integrazioni live

Integrazione	Auth	Uso operativo
Google Sheets	Service Account OAuth2	Brief_Log, Publish_Log, Offset_Tracker, CRM_State — state e log persistenti
Telegram	Bot token — `@Mimirlab_Bot`	Output operativi real-time, ACK, brief delivery, comandi
Anthropic API	HTTP Header auth (API key)	LLM diretta via HTTP Request node — nessun wrapper generico
LinkedIn	OAuth2 (company + personal)	Company EN `112515148` / Personal IT `0etrgkpbX9` — credenziali via UI obbligatoria
AbaNinja	REST API (in build)	Registrazione fatture automatica, gestione ricevute spese, sync contabile
Google Drive	Service Account	Archivio ricevute e fatture per categoria / anno

Deploy flow

1. Scrivi SDK TypeScript (mimir_v4.ts / mimir_v5.ts)
   — mai export JSON n8n grezzo: possono contenere credential espansi (AUTH-05)

2. validate_workflow  →  valid:true   ← gate OBBLIGATORIO, non saltare
3. get_workflow_details               ← verifica struttura post-update
   — update_workflow via MCP può restituire HTTP 200 su aggiornamento fallito

4. publish_workflow                   ← solo se valid:true confermato

5. Credenziali LinkedIn / Google OAuth: assegnare via UI dopo deploy
   — newCredential() via MCP crea credential in global space, non nel project
   — risultato: "credentials not shared with workflow" a runtime

03

Casi reali

In produzione · Content Automation

Brief Pipeline — content automation AI

Pipeline autonoma: 10 feed RSS in parallelo (n8n Blog, VentureBeat AI, NYT AI, Google Research, DeepMind, OpenAI, MIT Tech Review, HN Anthropic…) → XML parsing custom con finestra 7 giorni → Claude Haiku per generazione post EN+IT → Google Sheets log (Brief_Log con campi Date, POST_EN, POST_IT, Status, Input_Tokens, Output_Tokens) → Telegram delivery → publish LinkedIn company EN + personal IT. ~45 secondi end-to-end. Cron automatico alle 08:00 Europe/Zurich.

Brief v2 in design: relevance classifier pre-LLM (Haiku, score ≥0.7), Jina AI per full-text scraping degli articoli rilevanti invece dei soli RSS snippet, quality gate anti-allucinazione (confronto claim generati vs fonti usate prima del publish), dedup URL via Sheets. Source intelligence derivata dal mining su 2 478 workflow — reference: template n8n #4708 (rss-monitor-distribute) e #4624 (quality-gate-validation).

n8n Cloud Anthropic Haiku Google Sheets Telegram LinkedIn Produzione

In build · TASK 002 · Contabilità automatizzata

Contabilità n8n-first + AbaNinja

Stack contabile completamente automatizzato: scan ricevuta spesa → archivia in Google Drive per categoria (spese/utenze/software/professionali) → genera fattura HTML via template Jinja2 → webhook AbaNinja REST per registrazione automatica nel gestionale. Google Sheets come dashboard real-time.

Architettura decisionale: AbaNinja come single source of truth contabile (gestito da commercialista), n8n come orchestratore, Sheets come monitoring operativo. Script Python: archivia_ricevuta.py, genera_fattura.py, report_mensile.py. Template fattura HTML con Jinja2 — config via JSON secret non committato (.secrets/contabilita_config.json).

n8n Cloud AbaNinja REST Google Drive Python / Jinja2 In build

Completato · Knowledge Mining

mimir-knowledge — pattern library da 2 478 workflow

Download completo di 2 478 workflow pubblici dal template repository n8n → pipeline Lavoisier di classificazione → 194 workflow experience_class=‘transform’ → clustering multi-label su pattern_tags + integrations + triggers → 33 cluster identificati, 9 HIGH-Mimir con alignment diretto ai casi d’uso interni.

Cluster HIGH-Mimir per dimensione: agent-with-tools (36), rag-foundation (31), content-generation-ai (15), content-multichannel-publish (15), email-classifier-router (14), agent-long-term-memory (11), rss-monitor-distribute (8), rag-living-data (7), lead-enrichment (7). Output: SQLite knowledge.db + digest MD per Brief v2 intelligence.

2 478 workflow analizzati 33 cluster Pattern mining SQLite Completato

04

Come possiamo lavorare insieme

Non gestiamo sub-fornitura come un service provider generico. L’idea è una collaborazione tecnica tra pari: tu hai i clienti e la relazione; noi abbiamo l’execution n8n/AI e il know-how operativo già mappato.

►

Execution n8n sui tuoi progetti

Dalla spec al workflow deployato e monitorato. Nessun ramp-up: pattern library, SDK quirks, deploy flow già documentati. Delivery prevedibile su scope definiti.
►

Accesso alla pattern library

9 cluster HIGH-Mimir validati su 2 478 workflow analizzati. agent-with-tools, RAG, content pipeline, email routing — spec-ready o già implementati internamente.
►

AI integration ottimizzata

Model routing testato in produzione (Haiku / Sonnet / Opus per use case specifici). Prompting anti-allucinazione, quality gate, fence stripping — zero trial-and-error.
►

Capacity burst su delivery

Se hai più scope che tempo di execution, subentra su n8n. Nessun onboarding: lo stack è documentato, i pattern sono codificati, il deploy è automatizzato.
►

Know-how condiviso, non venduto

Modalità partnership: le skill e i pattern che usiamo internamente sono disponibili su ogni progetto. Non reinventiamo la ruota su ogni ingaggio.

05

Tariffa

Tariffa oraria / per progetto

Da concordare

Definiamo insieme in base al tipo di impegno: progetto una tantum, retainer mensile a ore, o sub-fornitura su singolo cliente.

g.sechi@mimirlab.net · mimirlab.net

Stack tecnico,pattern validati,partner operativo.