diff --git a/.claude/settings.json b/.claude/settings.json
index 9b938bc..921fee4 100644
--- a/.claude/settings.json
+++ b/.claude/settings.json
@@ -6,7 +6,9 @@
       "Bash(python -m ruff check . --fix)",
       "Bash(ruff check *)",
       "Bash(powershell -Command \"cd 'c:\\\\\\\\_temp\\\\\\\\_adiuvai_workspace\\\\\\\\api'; .venv\\\\\\\\Scripts\\\\\\\\pytest.exe tests/test_memory_relations.py -v 2>&1 | Out-File -FilePath 'C:\\\\\\\\Users\\\\\\\\musso\\\\\\\\AppData\\\\\\\\Local\\\\\\\\Temp\\\\\\\\pytest_phase3.txt' -Encoding UTF8; Get-Content 'C:\\\\\\\\Users\\\\\\\\musso\\\\\\\\AppData\\\\\\\\Local\\\\\\\\Temp\\\\\\\\pytest_phase3.txt'\")",
-      "mcp__postgres__execute_sql"
+      "mcp__postgres__execute_sql",
+      "mcp__langfuse__listPrompts",
+      "mcp__langfuse__getPrompt"
     ]
   },
   "enabledPlugins": {
diff --git a/.claude/settings.local.json b/.claude/settings.local.json
new file mode 100644
index 0000000..013d11a
--- /dev/null
+++ b/.claude/settings.local.json
@@ -0,0 +1,7 @@
+{
+  "enabledMcpjsonServers": [
+    "langfuse-docs",
+    "langfuse",
+    "postgres"
+  ]
+}
diff --git a/.gitignore b/.gitignore
index c747de4..00b4c05 100644
--- a/.gitignore
+++ b/.gitignore
@@ -98,3 +98,6 @@ unused_skills/
 .claude/skills/webapp-testing/examples/static_html_automation.py
 .claude/skills/webapp-testing/scripts/with_server.py
 .mcp.json
+docs/node_modules
+docs/package.json
+docs/package-lock.json
\ No newline at end of file
diff --git a/adiuvAI b/adiuvAI
index e9c790e..7244810 160000
--- a/adiuvAI
+++ b/adiuvAI
@@ -1 +1 @@
-Subproject commit e9c790e017b201e55a1a60dcefc6e43c5fa16b57
+Subproject commit 7244810fe181bf21968263853881730352226182
diff --git a/api b/api
index d5fea95..2c7cac9 160000
--- a/api
+++ b/api
@@ -1 +1 @@
-Subproject commit d5fea955611969869a6ae754107c4500aa78edfe
+Subproject commit 2c7cac9e034a3aaa862db9d9f8f9ccfbf1664e8c
diff --git a/docs/adiuvAI-pitch.pptx b/docs/adiuvAI-pitch.pptx
new file mode 100644
index 0000000..a88e8fe
Binary files /dev/null and b/docs/adiuvAI-pitch.pptx differ
diff --git a/docs/build-deck-geopop.js b/docs/build-deck-geopop.js
new file mode 100644
index 0000000..2298f4d
--- /dev/null
+++ b/docs/build-deck-geopop.js
@@ -0,0 +1,624 @@
+"use strict";
+const pptxgen = require("pptxgenjs");
+
+// ── Paths ──────────────────────────────────────────────────────────────────
+const LOGO   = "C:/Users/PC-Roby/Documents/_adiuvai_workspace/adiuvAI/assets/logo/logo-icon.png";
+const SCR_H  = "C:/Users/PC-Roby/Documents/_adiuvai_workspace/adiuvAI/assets/screenshot/home.png";
+const SCR_HC = "C:/Users/PC-Roby/Documents/_adiuvai_workspace/adiuvAI/assets/screenshot/home_chat.png";
+const OUTPUT = "C:/Users/PC-Roby/Documents/_adiuvai_workspace/docs/adiuvAI-pitch-geopop.pptx";
+
+// ── Color tokens (NO # prefix) ─────────────────────────────────────────────
+const C = {
+  canvas:   "f4edf3",   // light bg
+  ink:      "040404",   // primary text
+  golden:   "fbc881",   // accent
+  slate:    "8a8ea9",   // secondary text
+  lavender: "c8c3cd",   // borders
+  void:     "0c0c0c",   // dark bg
+  paper:    "fbfbfb",   // text-on-dark / card fill
+  graphite: "323232",   // dark card
+  green:    "2e7d32",
+  red:      "c62828",
+};
+
+// ── Shadow factory (NEVER reuse same object) ────────────────────────────────
+const mkShadow = () => ({ type: "outer", blur: 8, offset: 2, angle: 135, color: "000000", opacity: 0.08 });
+
+// ── Helpers ────────────────────────────────────────────────────────────────
+function eyebrow(sl, text, x, y, w, align = "left") {
+  sl.addText(text, {
+    x, y, w, h: 0.28,
+    fontFace: "Calibri", fontSize: 9, bold: true,
+    color: C.golden, charSpacing: 2, align, margin: 0,
+  });
+}
+
+// ═══════════════════════════════════════════════════════════════════════════
+const pres = new pptxgen();
+pres.layout = "LAYOUT_16x9";   // 10" × 5.625"
+pres.title  = "adiuvAI — Pitch Deck";
+pres.author = "Roberto Musso";
+
+// ══════════════════════════════════════════════════════════════════
+// SLIDE 1 — COVER (dark)
+// ══════════════════════════════════════════════════════════════════
+{
+  const sl = pres.addSlide();
+  sl.background = { color: C.void };
+
+  // Logo top-left
+  sl.addImage({ path: LOGO, x: 0.4, y: 0.28, w: 0.75, h: 0.75 });
+
+  // Eyebrow top-right
+  eyebrow(sl, "BETA · GIUGNO 2026", 1.5, 0.35, 8, "right");
+
+  // Main headline
+  sl.addText([
+    { text: "Incontra la tua nuova", options: { color: C.paper, breakLine: true } },
+    { text: "segretaria.", options: { color: C.golden } },
+  ], {
+    x: 0.5, y: 1.3, w: 9, h: 2.0,
+    fontFace: "Calibri", fontSize: 54, bold: true, align: "center",
+  });
+
+  // Subtitle
+  sl.addText(
+    "Una AI che legge la tua posta, organizza il tuo lavoro,\ne ogni mattina ti dice cosa conta davvero. Tutto sul tuo computer.",
+    {
+      x: 1, y: 3.4, w: 8, h: 1.15,
+      fontFace: "Calibri", fontSize: 18, color: C.slate, align: "center",
+    }
+  );
+
+  // Footer
+  sl.addText("adiuvai.com", {
+    x: 0, y: 5.28, w: 10, h: 0.28,
+    fontFace: "Calibri", fontSize: 11, color: C.slate, align: "center", margin: 0,
+  });
+}
+
+// ══════════════════════════════════════════════════════════════════
+// SLIDE 2 — CHI PARLA (light)
+// ══════════════════════════════════════════════════════════════════
+{
+  const sl = pres.addSlide();
+  sl.background = { color: C.canvas };
+
+  // Left golden accent bar
+  sl.addShape(pres.shapes.RECTANGLE, {
+    x: 0.35, y: 0.45, w: 0.06, h: 4.7,
+    fill: { color: C.golden }, line: { color: C.golden },
+  });
+
+  eyebrow(sl, "IL FONDATORE", 0.62, 0.5, 5);
+
+  sl.addText("Roberto Musso", {
+    x: 0.62, y: 0.82, w: 9, h: 0.9,
+    fontFace: "Calibri", fontSize: 40, bold: true, color: C.ink, margin: 0,
+  });
+
+  sl.addText("AI Senior Architect @ Hewlett Packard Enterprise", {
+    x: 0.62, y: 1.72, w: 9, h: 0.45,
+    fontFace: "Calibri", fontSize: 18, color: C.slate, margin: 0,
+  });
+
+  // Separator
+  sl.addShape(pres.shapes.LINE, {
+    x: 0.62, y: 2.3, w: 8.7, h: 0,
+    line: { color: C.lavender, width: 0.75 },
+  });
+
+  // Bullets
+  sl.addText([
+    { text: "In Hewlett Packard Enterprise dal 2018", options: { bullet: true, breakLine: true } },
+    { text: "AI Delivery Team Lead — guido un team di 6 persone", options: { bullet: true, breakLine: true } },
+    { text: "Progetto e consegno soluzioni AI enterprise", options: { bullet: true } },
+  ], {
+    x: 0.62, y: 2.48, w: 8.8, h: 1.55,
+    fontFace: "Calibri", fontSize: 17, color: C.ink,
+  });
+
+  // Closing line
+  sl.addText(
+    "adiuvAI nasce da quello che faccio ogni giorno: trasformare l\u2019AI in qualcosa che funziona davvero.",
+    {
+      x: 0.62, y: 4.25, w: 8.8, h: 0.85,
+      fontFace: "Calibri", fontSize: 16, italic: true, color: C.slate, margin: 0,
+    }
+  );
+}
+
+// ══════════════════════════════════════════════════════════════════
+// SLIDE 3 — HOOK (dark)
+// ══════════════════════════════════════════════════════════════════
+{
+  const sl = pres.addSlide();
+  sl.background = { color: C.void };
+
+  sl.addText("Quante app hai aperto adesso?", {
+    x: 0.4, y: 0.5, w: 9.2, h: 1.5,
+    fontFace: "Calibri", fontSize: 52, bold: true, color: C.paper, align: "center",
+  });
+
+  sl.addText("Ottimista: sei.", {
+    x: 0.4, y: 1.95, w: 9.2, h: 0.65,
+    fontFace: "Calibri", fontSize: 26, color: C.slate, align: "center",
+  });
+
+  // App pills — 8 × (1.0" wide + 0.1" gap) = 8.8" total; start at 0.6
+  const apps = ["Gmail", "Outlook", "Teams", "Slack", "Notion", "Trello", "OneDrive", "WhatsApp"];
+  const pW = 1.0, pH = 0.38, pGap = 0.115, pY = 2.82, pX0 = 0.58;
+
+  apps.forEach((app, i) => {
+    const px = pX0 + i * (pW + pGap);
+    sl.addShape(pres.shapes.RECTANGLE, {
+      x: px, y: pY, w: pW, h: pH,
+      fill: { color: "1c1c1c" }, line: { color: C.golden, width: 1 },
+    });
+    sl.addText(app, {
+      x: px, y: pY, w: pW, h: pH,
+      fontFace: "Calibri", fontSize: 12, bold: true,
+      color: C.golden, align: "center", valign: "middle", margin: 0,
+    });
+  });
+
+  // Punchline
+  sl.addText(
+    "Otto posti dove si nasconde il tuo lavoro importante.\nE tu salti da uno all\u2019altro. Tutto. Il. Giorno.",
+    {
+      x: 0.5, y: 3.45, w: 9, h: 1.85,
+      fontFace: "Calibri", fontSize: 22, bold: true, color: C.golden, align: "center",
+    }
+  );
+}
+
+// ══════════════════════════════════════════════════════════════════
+// SLIDE 4 — PAIN POINTS (light)
+// ══════════════════════════════════════════════════════════════════
+{
+  const sl = pres.addSlide();
+  sl.background = { color: C.canvas };
+
+  eyebrow(sl, "COSA SUCCEDE DAVVERO", 0.4, 0.25, 6);
+
+  sl.addText("Il tuo lavoro importante ti sta scappando.", {
+    x: 0.4, y: 0.55, w: 9.2, h: 0.75,
+    fontFace: "Calibri", fontSize: 30, bold: true, color: C.ink, margin: 0,
+  });
+
+  const cards = [
+    { icon: "\u2709\uFE0F", title: "Email importanti", body: "Si nascondono tra le newsletter.\nLe leggi tardi o non le leggi affatto." },
+    { icon: "\u2705", title: "I tuoi task", body: "Vivono in tre app diverse.\nNe perderai sempre uno." },
+    { icon: "\uD83D\uDCDD", title: "Note riunione", body: "Stanno in un doc che non riaprirai mai.\nLe azioni restano senza seguito." },
+  ];
+
+  const cW = 2.93, cH = 2.75, cY = 1.5, cGap = 0.2, cX0 = 0.41;
+
+  cards.forEach((card, i) => {
+    const cx = cX0 + i * (cW + cGap);
+
+    sl.addShape(pres.shapes.RECTANGLE, {
+      x: cx, y: cY, w: cW, h: cH,
+      fill: { color: C.paper }, line: { color: C.lavender, width: 1.5 },
+      shadow: mkShadow(),
+    });
+
+    // Golden top bar
+    sl.addShape(pres.shapes.RECTANGLE, {
+      x: cx, y: cY, w: cW, h: 0.05,
+      fill: { color: C.golden }, line: { color: C.golden },
+    });
+
+    sl.addText(card.icon, {
+      x: cx + 0.18, y: cY + 0.18, w: 0.7, h: 0.7,
+      fontFace: "Segoe UI Emoji", fontSize: 28, margin: 0,
+    });
+
+    sl.addText(card.title, {
+      x: cx + 0.18, y: cY + 0.98, w: cW - 0.3, h: 0.45,
+      fontFace: "Calibri", fontSize: 16, bold: true, color: C.ink, margin: 0,
+    });
+
+    sl.addText(card.body, {
+      x: cx + 0.18, y: cY + 1.48, w: cW - 0.3, h: 1.1,
+      fontFace: "Calibri", fontSize: 14, color: C.slate, margin: 0,
+    });
+  });
+
+  // Punchline
+  sl.addText("Spoiler: il problema non sei tu. Sono gli strumenti.", {
+    x: 0.4, y: 4.52, w: 9.2, h: 0.72,
+    fontFace: "Calibri", fontSize: 19, bold: true, color: C.golden, align: "center", margin: 0,
+  });
+}
+
+// ══════════════════════════════════════════════════════════════════
+// SLIDE 5 — TWIST (dark, minimal)
+// ══════════════════════════════════════════════════════════════════
+{
+  const sl = pres.addSlide();
+  sl.background = { color: C.void };
+
+  sl.addText("Non ti serve un altro tool.", {
+    x: 0.5, y: 0.95, w: 9, h: 1.3,
+    fontFace: "Calibri", fontSize: 50, bold: false, color: C.paper, align: "center",
+  });
+
+  sl.addText("Ti serve una segretaria.", {
+    x: 0.5, y: 2.35, w: 9, h: 1.6,
+    fontFace: "Calibri", fontSize: 64, bold: true, color: C.golden, align: "center",
+  });
+
+  sl.addText("Una che legge tutto al posto tuo. E ti dice dove guardare.", {
+    x: 1, y: 4.25, w: 8, h: 0.65,
+    fontFace: "Calibri", fontSize: 18, color: C.slate, align: "center",
+  });
+}
+
+// ══════════════════════════════════════════════════════════════════
+// SLIDE 6 — SOLUZIONE (light)
+// ══════════════════════════════════════════════════════════════════
+{
+  const sl = pres.addSlide();
+  sl.background = { color: C.canvas };
+
+  eyebrow(sl, "LA SOLUZIONE", 0.4, 0.22, 5);
+
+  sl.addText("adiuvAI \u2014 la tua segretaria AI.", {
+    x: 0.4, y: 0.52, w: 9.2, h: 0.85,
+    fontFace: "Calibri", fontSize: 36, bold: true, color: C.ink, margin: 0,
+  });
+
+  sl.addText("Gli altri tool aspettano che tu li usi. adiuvAI lavora per te.", {
+    x: 0.4, y: 1.38, w: 9.2, h: 0.48,
+    fontFace: "Calibri", fontSize: 17, italic: true, color: C.slate, margin: 0,
+  });
+
+  const cols = [
+    { icon: "\uD83D\uDCE7", title: "Legge la tua posta",       body: "Filtra, prioritizza, segnala solo ci\u00F2 che richiede la tua attenzione." },
+    { icon: "\uD83D\uDCC5", title: "Tiene in ordine l\u2019agenda", body: "Scadenze, impegni, follow-up \u2014 tutto tracciato senza chiederti nulla." },
+    { icon: "\uD83D\uDCCB", title: "Prepara il briefing",       body: "Ogni mattina un piano chiaro: ecco cosa conta oggi." },
+    { icon: "\uD83D\uDE80", title: "Ti aiuta a eseguire",       body: "Prepara bozze, organizza documenti, ti accompagna mentre lavori." },
+  ];
+
+  const coW = 2.2, coH = 3.05, coY = 2.0, coGap = 0.17, coX0 = 0.41;
+
+  cols.forEach((col, i) => {
+    const cx = coX0 + i * (coW + coGap);
+
+    sl.addShape(pres.shapes.RECTANGLE, {
+      x: cx, y: coY, w: coW, h: coH,
+      fill: { color: C.paper }, line: { color: C.lavender, width: 1 },
+    });
+
+    // Left golden accent bar
+    sl.addShape(pres.shapes.RECTANGLE, {
+      x: cx, y: coY, w: 0.05, h: coH,
+      fill: { color: C.golden }, line: { color: C.golden },
+    });
+
+    sl.addText(col.icon, {
+      x: cx + 0.15, y: coY + 0.18, w: 0.55, h: 0.6,
+      fontFace: "Segoe UI Emoji", fontSize: 26, margin: 0,
+    });
+
+    sl.addText(col.title, {
+      x: cx + 0.1, y: coY + 0.88, w: coW - 0.18, h: 0.7,
+      fontFace: "Calibri", fontSize: 14, bold: true, color: C.ink, margin: 0,
+    });
+
+    sl.addText(col.body, {
+      x: cx + 0.1, y: coY + 1.65, w: coW - 0.18, h: 1.22,
+      fontFace: "Calibri", fontSize: 13, color: C.slate, margin: 0,
+    });
+  });
+}
+
+// ══════════════════════════════════════════════════════════════════
+// SLIDE 7 — DAILY BRIEF + CAROSELLO (light + screenshot)
+// ══════════════════════════════════════════════════════════════════
+{
+  const sl = pres.addSlide();
+  sl.background = { color: C.canvas };
+
+  eyebrow(sl, "LA MATTINA, DIVERSA", 0.35, 0.2, 4.3);
+
+  sl.addText("Il briefing del mattino.\nPoi ti prende per mano.", {
+    x: 0.35, y: 0.5, w: 4.4, h: 1.25,
+    fontFace: "Calibri", fontSize: 26, bold: true, color: C.ink, margin: 0,
+  });
+
+  sl.addText(
+    "Ogni mattina, un briefing personalizzato: cosa \u00E8 cambiato, cosa scade, cosa conta oggi.",
+    {
+      x: 0.35, y: 1.85, w: 4.4, h: 0.75,
+      fontFace: "Calibri", fontSize: 14, color: C.ink, margin: 0,
+    }
+  );
+
+  sl.addText([
+    { text: "Il carosello attivit\u00E0 ti guida scheda per scheda, passo passo.", options: { bullet: true, breakLine: true } },
+    { text: "Chatti con lei mentre lavori. Come se ti fosse al fianco.", options: { bullet: true } },
+  ], {
+    x: 0.35, y: 2.7, w: 4.4, h: 0.85,
+    fontFace: "Calibri", fontSize: 14, color: C.ink,
+  });
+
+  // Quote box
+  sl.addShape(pres.shapes.RECTANGLE, {
+    x: 0.35, y: 3.68, w: 4.4, h: 1.5,
+    fill: { color: C.paper }, line: { color: C.golden, width: 2 },
+    shadow: mkShadow(),
+  });
+
+  sl.addText(
+    "\u00ABCliente X di solito paga in ritardo.\nLa tua fattura \u00E8 ancora aperta.\u00BB",
+    {
+      x: 0.55, y: 3.8, w: 4.0, h: 0.78,
+      fontFace: "Calibri", fontSize: 14, italic: true, color: C.ink, margin: 0,
+    }
+  );
+
+  sl.addText("\u2014 il Daily Brief, con memoria relazionale", {
+    x: 0.55, y: 4.65, w: 4.0, h: 0.38,
+    fontFace: "Calibri", fontSize: 11, color: C.slate, margin: 0,
+  });
+
+  // Screenshot right half
+  sl.addImage({
+    path: SCR_H,
+    x: 4.95, y: 0.18, w: 4.75, h: 5.25,
+    sizing: { type: "contain", w: 4.75, h: 5.25 },
+  });
+}
+
+// ══════════════════════════════════════════════════════════════════
+// SLIDE 8 — CHAT (light + screenshot)
+// ══════════════════════════════════════════════════════════════════
+{
+  const sl = pres.addSlide();
+  sl.background = { color: C.canvas };
+
+  sl.addText("Parla con lei.\nIn italiano. In linguaggio naturale.", {
+    x: 0.35, y: 0.28, w: 4.4, h: 1.2,
+    fontFace: "Calibri", fontSize: 24, bold: true, color: C.ink, margin: 0,
+  });
+
+  const bubbles = [
+    "\u00ABQual \u00E8 la prossima attivit\u00E0 su cui concentrarmi?\u00BB",
+    "\u00ABRiassumi le email arrivate stamattina.\u00BB",
+    "\u00ABCrea un\u2019attivit\u00E0: richiamare Luca gioved\u00EC.\u00BB",
+    "\u00ABCosa \u00E8 cambiato sul progetto Patient Portal?\u00BB",
+  ];
+
+  bubbles.forEach((bub, i) => {
+    const by = 1.62 + i * 0.77;
+    sl.addShape(pres.shapes.RECTANGLE, {
+      x: 0.35, y: by, w: 4.4, h: 0.6,
+      fill: { color: C.paper }, line: { color: C.golden, width: 1.5 },
+    });
+    sl.addText(bub, {
+      x: 0.5, y: by, w: 4.1, h: 0.6,
+      fontFace: "Calibri", fontSize: 13, italic: true, color: C.ink, valign: "middle", margin: 0,
+    });
+  });
+
+  sl.addText(
+    "Niente prompt engineering. Niente modelli da scegliere.\nL\u2019AI giusta lavora in background.",
+    {
+      x: 0.35, y: 4.82, w: 4.4, h: 0.65,
+      fontFace: "Calibri", fontSize: 12, italic: true, color: C.slate, margin: 0,
+    }
+  );
+
+  // Screenshot right
+  sl.addImage({
+    path: SCR_HC,
+    x: 4.95, y: 0.18, w: 4.75, h: 5.25,
+    sizing: { type: "contain", w: 4.75, h: 5.25 },
+  });
+}
+
+// ══════════════════════════════════════════════════════════════════
+// SLIDE 9 — 11 AGENTI (dark)
+// ══════════════════════════════════════════════════════════════════
+{
+  const sl = pres.addSlide();
+  sl.background = { color: C.void };
+
+  eyebrow(sl, "NON \u00C8 UN WRAPPER DI CHATGPT", 0.5, 0.2, 9, "center");
+
+  sl.addText("Sono 11 agenti AI specializzati che lavorano insieme.", {
+    x: 0.4, y: 0.5, w: 9.2, h: 0.85,
+    fontFace: "Calibri", fontSize: 32, bold: true, color: C.paper, align: "center", margin: 0,
+  });
+
+  const agents = [
+    "Intent Classifier", "Home Agent", "Floating Agent", "Unified Processor",
+    "Cloud Processor", "Brief Agent", "Setup Agent", "Memory Extractor",
+    "Memory Miner", "Memory Auditor", "Embeddings",
+  ];
+
+  // Layout: row1=[0..3], row2=[4..7], row3=[8..10] centered
+  const bW = 2.12, bH = 0.48, bGX = 0.17, bGY = 0.18;
+  const rowDefs = [
+    { items: [0,1,2,3], y: 1.58 },
+    { items: [4,5,6,7], y: 1.58 + bH + bGY },
+    { items: [8,9,10],  y: 1.58 + 2 * (bH + bGY) },
+  ];
+
+  rowDefs.forEach(({ items, y }) => {
+    const rowW = items.length * bW + (items.length - 1) * bGX;
+    const x0 = (10 - rowW) / 2;
+
+    items.forEach((idx, ci) => {
+      const bx = x0 + ci * (bW + bGX);
+
+      sl.addShape(pres.shapes.RECTANGLE, {
+        x: bx, y, w: bW, h: bH,
+        fill: { color: C.graphite }, line: { color: C.golden, width: 1 },
+      });
+      sl.addText(agents[idx], {
+        x: bx, y, w: bW, h: bH,
+        fontFace: "Calibri", fontSize: 13, bold: true,
+        color: C.paper, align: "center", valign: "middle", margin: 0,
+      });
+    });
+  });
+
+  sl.addText("Una tua richiesta \u2192 cinque agenti al lavoro.", {
+    x: 0.5, y: 3.88, w: 9, h: 1.38,
+    fontFace: "Calibri", fontSize: 28, bold: true, color: C.golden, align: "center",
+  });
+}
+
+// ══════════════════════════════════════════════════════════════════
+// SLIDE 10 — PRIVACY + COMPLIANCE (dark)
+// ══════════════════════════════════════════════════════════════════
+{
+  const sl = pres.addSlide();
+  sl.background = { color: C.void };
+
+  sl.addText("I tuoi dati non lasciano il tuo computer.", {
+    x: 0.4, y: 0.28, w: 9.2, h: 1.2,
+    fontFace: "Calibri", fontSize: 42, bold: true, color: C.paper, align: "center", margin: 0,
+  });
+
+  sl.addText("Local-first. Non un claim di marketing, un\u2019architettura.", {
+    x: 0.4, y: 1.52, w: 9.2, h: 0.5,
+    fontFace: "Calibri", fontSize: 18, color: C.golden, align: "center", margin: 0,
+  });
+
+  const pcCards = [
+    { icon: "\uD83D\uDD12", title: "Local-first",  body: "DB cifrato sul tuo disco.\nNessun server adiuvAI vede i tuoi contenuti." },
+    { icon: "\uD83C\uDDEA\uD83C\uDDFA", title: "EU AI Act", body: "Conforme by design,\nnon adattato a posteriori." },
+    { icon: "\uD83D\uDEE1\uFE0F", title: "GDPR",        body: "Zero trasferimenti a terzi.\nDPA art. 28 con ogni provider LLM." },
+    { icon: "\uD83D\uDEAB", title: "No Training",  body: "I tuoi dati non addestrano modelli AI.\nZero Data Retention contrattuale." },
+  ];
+
+  const pCW = 4.35, pCH = 1.55, pCGX = 0.25, pCGY = 0.18;
+  const pCPositions = [
+    { x: 0.4,            y: 2.18 },
+    { x: 0.4 + pCW + pCGX, y: 2.18 },
+    { x: 0.4,            y: 2.18 + pCH + pCGY },
+    { x: 0.4 + pCW + pCGX, y: 2.18 + pCH + pCGY },
+  ];
+
+  pcCards.forEach((card, i) => {
+    const { x, y } = pCPositions[i];
+
+    sl.addShape(pres.shapes.RECTANGLE, {
+      x, y, w: pCW, h: pCH,
+      fill: { color: C.graphite }, line: { color: C.golden, width: 1 },
+    });
+
+    sl.addText(card.icon + "  " + card.title, {
+      x: x + 0.18, y: y + 0.12, w: pCW - 0.3, h: 0.45,
+      fontFace: "Calibri", fontSize: 16, bold: true, color: C.golden, margin: 0,
+    });
+
+    sl.addText(card.body, {
+      x: x + 0.18, y: y + 0.62, w: pCW - 0.3, h: 0.82,
+      fontFace: "Calibri", fontSize: 13, color: C.paper, margin: 0,
+    });
+  });
+
+  // Footer note
+  sl.addText("Private by design, not by promise.", {
+    x: 0, y: 5.27, w: 10, h: 0.28,
+    fontFace: "Calibri", fontSize: 12, italic: true, color: C.slate, align: "center", margin: 0,
+  });
+}
+
+// ══════════════════════════════════════════════════════════════════
+// SLIDE 11 — POSIZIONAMENTO vs COMPETITOR (light)
+// ══════════════════════════════════════════════════════════════════
+{
+  const sl = pres.addSlide();
+  sl.background = { color: C.canvas };
+
+  eyebrow(sl, "PERCH\u00C9 NON GLI ALTRI", 0.4, 0.2, 6);
+
+  sl.addText("Motion, Notion AI, Copilot: tutti cloud-first, tutti generalisti.", {
+    x: 0.4, y: 0.5, w: 9.2, h: 0.72,
+    fontFace: "Calibri", fontSize: 26, bold: true, color: C.ink, margin: 0,
+  });
+
+  // Build table rows — fresh cell objects per row (no shared references)
+  const hdrOpts  = (txt, al = "center") => ({ text: txt, options: { bold: true, fontSize: 13, color: C.void, fill: { color: C.golden }, align: al } });
+  const dataOpts = (txt, clr = C.ink, al = "left") => ({ text: txt, options: { fontSize: 13, color: clr, fill: { color: C.paper }, align: al } });
+  const emoOpts  = (txt) => ({ text: txt, options: { fontSize: 15, fill: { color: C.paper }, align: "center" } });
+
+  const tableData = [
+    [ hdrOpts("Funzionalit\u00E0", "left"), hdrOpts("adiuvAI"), hdrOpts("Motion"), hdrOpts("Notion AI"), hdrOpts("Copilot") ],
+    [ dataOpts("Locale, dati sul tuo PC"), emoOpts("\u2705"), emoOpts("\u274C"), emoOpts("\u274C"), emoOpts("\u274C") ],
+    [ dataOpts("EU AI Act compliant"), emoOpts("\u2705"), dataOpts("\u2014", C.slate, "center"), dataOpts("\u2014", C.slate, "center"), emoOpts("\u26A0\uFE0F") ],
+    [ dataOpts("Legge email + file + chat"), emoOpts("\u2705"), emoOpts("\u26A0\uFE0F"), emoOpts("\u274C"), emoOpts("\u2705") ],
+    [ dataOpts("Daily Brief proattivo"), emoOpts("\u2705"), emoOpts("\u274C"), emoOpts("\u274C"), emoOpts("\u274C") ],
+    [ dataOpts("AI invisibile (zero prompt)"), emoOpts("\u2705"), emoOpts("\u274C"), emoOpts("\u274C"), emoOpts("\u274C") ],
+  ];
+
+  sl.addTable(tableData, {
+    x: 0.4, y: 1.38, w: 9.2, h: 3.45,
+    colW: [3.4, 1.45, 1.45, 1.45, 1.45],
+    border: { pt: 1, color: C.lavender },
+    fontFace: "Calibri",
+  });
+
+  sl.addText("adiuvAI \u00E8 locale, proattiva, pensata per chi lavora con dati propri.", {
+    x: 0.4, y: 5.08, w: 9.2, h: 0.4,
+    fontFace: "Calibri", fontSize: 16, bold: true, color: C.golden, align: "center", margin: 0,
+  });
+}
+
+// ══════════════════════════════════════════════════════════════════
+// SLIDE 12 — CTA / CLOSING (dark)
+// ══════════════════════════════════════════════════════════════════
+{
+  const sl = pres.addSlide();
+  sl.background = { color: C.void };
+
+  eyebrow(sl, "BETA \u00B7 GIUGNO 2026", 0.5, 0.28, 9, "center");
+
+  sl.addText("Gli early adopter\nguidano il roadmap.", {
+    x: 0.4, y: 0.65, w: 9.2, h: 2.0,
+    fontFace: "Calibri", fontSize: 46, bold: true, color: C.paper, align: "center", margin: 0,
+  });
+
+  sl.addText(
+    "Accesso prioritario, canale diretto con il team,\nvoce in capitolo sulle prossime feature.",
+    {
+      x: 1, y: 2.75, w: 8, h: 0.9,
+      fontFace: "Calibri", fontSize: 17, color: C.slate, align: "center",
+    }
+  );
+
+  // CTA button
+  sl.addShape(pres.shapes.RECTANGLE, {
+    x: 3.2, y: 3.78, w: 3.6, h: 0.7,
+    fill: { color: C.golden }, line: { color: C.golden },
+  });
+  sl.addText("Iscriviti alla waitlist \u2192", {
+    x: 3.2, y: 3.78, w: 3.6, h: 0.7,
+    fontFace: "Calibri", fontSize: 18, bold: true,
+    color: C.ink, align: "center", valign: "middle", margin: 0,
+  });
+
+  sl.addText("adiuvai.com", {
+    x: 0.5, y: 4.62, w: 9, h: 0.55,
+    fontFace: "Calibri", fontSize: 28, bold: true, color: C.paper, align: "center",
+  });
+
+  // Logo small bottom-left watermark
+  sl.addImage({ path: LOGO, x: 0.4, y: 4.95, w: 0.55, h: 0.55 });
+
+  sl.addText("Roberto Musso \u00B7 roby9115@gmail.com", {
+    x: 1.1, y: 5.12, w: 8.5, h: 0.28,
+    fontFace: "Calibri", fontSize: 11, color: C.slate, align: "left", margin: 0,
+  });
+}
+
+// ── Write output ────────────────────────────────────────────────────────────
+pres.writeFile({ fileName: OUTPUT })
+  .then(() => console.log("OK deck generated:", OUTPUT))
+  .catch(err => { console.error("ERROR:", err); process.exit(1); });
diff --git a/docs/llm-provider-report.md b/docs/llm-provider-report.md
new file mode 100644
index 0000000..610194e
--- /dev/null
+++ b/docs/llm-provider-report.md
@@ -0,0 +1,418 @@
+# Report Provider LLM per adiuvAI — Aprile 2026
+
+> Analisi comparativa dei provider per i **11 agenti AI** configurati in `api/.env.example`. Selezione ottimizzata per costo, qualità, latenza e privacy dei dati, con **due mapping distinti**: Production (Zero Data Retention obbligatorio) e Development (cost-efficient).
+
+---
+
+## Architettura — Gli 11 Agenti
+
+Ogni variabile `LLM_MODEL_*` in `api/.env.example` controlla un agente con profilo d'uso specifico. Analisi dei requisiti emersa dall'ispezione del codice in `api/app/agents/`, `api/app/core/` e `api/app/memory/`.
+
+| # | Env Var | Agente | Tool Calling | Latenza | Qualità | Volume/utente | Real-time? |
+|---|---------|--------|--------------|---------|---------|--------------|------------|
+| 1 | `LLM_MODEL_CLASSIFIER` | **Intent Classifier** — smista i messaggi del floating panel verso task/project/note/timeline | No, output JSON | Alta (<200 ms) | Bassa (output deterministico) | Alto | ✓ Sì |
+| 2 | `LLM_MODEL_HOME_AGENT` | **Home Agent** — chat principale con tutti i tool (CRUD task/project/note) | Multi-turno (≤6 step) | Alta (<3 s perceived) | Alta (user-facing) | Alto | ✓ Sì, WS stream |
+| 3 | `LLM_MODEL_FLOATING_AGENT` | **Floating Agent** — chat contestuale da task/project/note | Multi-turno (≤6 step) | Alta | Media–alta | Alto | ✓ Sì, WS stream |
+| 4 | `LLM_MODEL_UNIFIED_PROCESSOR` | **Unified Processor** — processa file del filesystem locale | Tool loop (≤12 step) | Bassa (batch) | Media | Medio/occasionale | ✗ Background |
+| 5 | `LLM_MODEL_CLOUD_PROCESSOR` | **Cloud Processor** — fetch e processing di Gmail/Teams/Outlook | Tool loop (≤12 step) | Bassa | Media | Schedulato | ✗ Background |
+| 6 | `LLM_MODEL_BRIEF_AGENT` | **Brief Agent** — daily brief home + project (streaming, read-only tool) | Singolo step, tool read-only | Alta (<4 s) | Alta (prosa curata) | Medio | ✓ Sì |
+| 7 | `LLM_MODEL_SETUP_AGENT` | **Setup Agent** — journey conversazionale per costruire `AgentConfig` JSON | Multi-turno (≤15) | Media | Alta (UX critica) | Basso (una tantum) | ✓ Sì, WS |
+| 8 | `LLM_MODEL_MEMORY_EXTRACTOR` | **Memory Extractor** — pipeline Mem0 extract+decide (2 call/turno) | No, JSON strutturato | Bassa (off-path) | Bassa (filtrato a valle) | Alto (ogni turno chat) | ✗ Background |
+| 9 | `LLM_MODEL_MEMORY_MINER` | **Memory Miner** — pattern mining orario su storia episodica (Power+) | No | Bassa | Media | Orario (Power+) | ✗ Cron |
+| 10 | `LLM_MODEL_MEMORY_AUDITOR` | **Memory Auditor** — audit settimanale: contraddizioni + canonicalizzazione relazioni | No, reasoning su fatti | Bassa | Alta (richiede reasoning) | Settimanale | ✗ Cron |
+| 11 | `LLM_EMBED_MODEL` | **Embeddings** — vettori 1536-dim per ricerca semantica (LanceDB/Qdrant) | — | Media | Deterministico | Alto | ✓ In-request |
+
+> **Nota architetturale (Processors):** Il Batch API dei provider LLM **non è utilizzabile** per Unified e Cloud Processor: il loop tool-calling richiede risultati sincroni dal client Electron via WebSocket. Si usa **API Standard** a prezzi di listino.
+
+---
+
+## Conformità — Policy Privacy dei Provider
+
+Per Production è richiesto un **strict Zero Data Retention** (ZDR): nessuna conservazione prompt/response, nessun logging, nessun uso per training — garantito contrattualmente. Per Development è sufficiente l'opt-out di default dal training.
+
+| Provider | Sede | ZDR strict (prod) | Opt-out training (dev) | Note |
+|----------|------|:-----------------:|:----------------------:|------|
+| 🇺🇸 OpenAI | USA | ✓ con **ZDR addendum Enterprise** | ✓ default API | Standard API: 30gg retention logs |
+| 🇺🇸 Anthropic | USA | ✓ con **Enterprise ZDR** | ✓ default API | 30gg retention su standard tier |
+| 🇺🇸 Google Vertex AI | USA | ✓ **contrattuale** (Vertex, non AI Studio) | ✓ paid tier | Free AI Studio usa dati per training |
+| 🇫🇷 Mistral | Francia (EU) | ✓ **ZDR disponibile** | ✓ default | GDPR-native, ottimo per EU residency |
+| 🇺🇸 Groq | USA | ✓ **via DPA dedicato** | ✓ default | Cloud inference Llama/Qwen |
+| 🇺🇸 Cerebras | USA | ✓ **nessuna conservazione by default** | ✓ | ZDR out-of-the-box — il più rigoroso |
+| 🇺🇸 Voyage AI | USA | ✓ ZDR enterprise | ✓ | Embeddings only |
+| 🇨🇳 DeepSeek | Cina | ✗ | ⚠️ opt-out limitato, dati in Cina | **Solo Dev, con dati sintetici** |
+| 🇨🇳 Zhipu (GLM) | Cina | ✗ | ⚠️ non verificabile | **Solo Dev** |
+
+---
+
+## Confronto Modelli — Miglior Modello per Agente
+
+Prezzi in USD per milione di token (MTok), aggiornati Aprile 2026.
+
+### 1. Intent Classifier
+*Output JSON deterministico, latenza critica, volume alto*
+
+| Provider | Modello | In $/MTok | Out $/MTok | ZDR | Note |
+|----------|---------|----------|-----------|:---:|------|
+| OpenAI | `GPT-4.1 Nano` | $0.10 | $0.40 | ✓ ent | Veloce, JSON mode affidabile |
+| **Google Vertex** ⭐ | `Gemini 2.5 Flash-Lite` | **$0.10** | **$0.40** | ✓ | **Migliore prezzo+ZDR+latenza** |
+| Anthropic | `Claude Haiku 4.5` | $1.00 | $5.00 | ✓ ent | Overkill per pura classificazione |
+| Groq | `Llama 3.1 8B` | $0.05 | $0.08 | ✓ DPA | Economico, 840 TPS |
+| Cerebras | `Llama 3.1 8B` | $0.10 | $0.10 | ✓ | ZDR by default, velocissimo |
+
+### 2. Home Agent
+*Multi-turno + tool calling completo + streaming*
+
+| Provider | Modello | In $/MTok | Out $/MTok | ZDR | Note |
+|----------|---------|----------|-----------|:---:|------|
+| **Anthropic** ⭐ | `Claude Sonnet 4.6` | $3.00 | $15.00 | ✓ ent | **Top tool use**, caching -90%, 1M ctx |
+| OpenAI | `GPT-4.1` | $2.00 | $8.00 | ✓ ent | Solido, JSON mode, 1M ctx |
+| Google Vertex | `Gemini 2.5 Flash` | $0.30 | $2.50 | ✓ | Miglior rapporto Q/P per prod |
+| Mistral | `Mistral Medium 3` | $1.00 | $3.00 | ✓ | EU residency |
+| Groq | `Llama 3.3 70B` | $0.59 | $0.79 | ✓ DPA | Tool calling inferiore ai proprietari |
+
+### 3. Floating Agent
+*Single+multi-turno, contestuale, più compatto del Home*
+
+| Provider | Modello | In $/MTok | Out $/MTok | ZDR | Note |
+|----------|---------|----------|-----------|:---:|------|
+| OpenAI | `GPT-4.1 Mini` | $0.40 | $1.60 | ✓ ent | Bilanciato |
+| **Anthropic** ⭐ | `Claude Haiku 4.5` | $1.00 | $5.00 | ✓ ent | **Tool use affidabile, bassa latenza** |
+| Google Vertex | `Gemini 2.5 Flash-Lite` | $0.10 | $0.40 | ✓ | Economico; qualità tool inferiore a Haiku |
+| Mistral | `Mistral Small 3.1` | $0.20 | $0.60 | ✓ | EU |
+
+### 4. Unified Processor (locale)
+*Batch, multi-turno (≤12), qualità estrazione importa*
+
+| Provider | Modello | In $/MTok | Out $/MTok | ZDR | Note |
+|----------|---------|----------|-----------|:---:|------|
+| **OpenAI** ⭐ | `GPT-4.1 Mini` | **$0.40** | **$1.60** | ✓ ent | **Tool loop affidabile, costo contenuto** |
+| Anthropic | `Claude Sonnet 4.6` | $3.00 | $15.00 | ✓ ent | Qualità top se budget permette |
+| Google Vertex | `Gemini 2.5 Flash` | $0.30 | $2.50 | ✓ | Valida alternativa, input economico |
+| Mistral | `Mistral Large 3` | $2.00 | $6.00 | ✓ | EU residency |
+
+### 5. Cloud Processor (Gmail/Teams/Outlook)
+*Batch, multi-turno (≤12), dati sensibili*
+
+| Provider | Modello | In $/MTok | Out $/MTok | ZDR | Note |
+|----------|---------|----------|-----------|:---:|------|
+| **OpenAI** ⭐ | `GPT-4.1 Mini` | **$0.40** | **$1.60** | ✓ ent | **Robusto su email parsing** |
+| Anthropic | `Claude Sonnet 4.6` | $3.00 | $15.00 | ✓ ent | Miglior reasoning su thread email |
+| Google Vertex | `Gemini 2.5 Flash` | $0.30 | $2.50 | ✓ | 1M context utile per thread lunghi |
+
+### 6. Brief Agent (daily brief)
+*Singolo step, prosa curata, read-only tool*
+
+| Provider | Modello | In $/MTok | Out $/MTok | ZDR | Note |
+|----------|---------|----------|-----------|:---:|------|
+| **OpenAI** ⭐ | `GPT-4.1 Mini` | **$0.40** | **$1.60** | ✓ ent | **Prosa di qualità, streaming affidabile** |
+| Anthropic | `Claude Haiku 4.5` | $1.00 | $5.00 | ✓ ent | Prosa eccellente, più costoso |
+| Google Vertex | `Gemini 2.5 Flash` | $0.30 | $2.50 | ✓ | Alternativa economica |
+| Mistral | `Mistral Small 3.1` | $0.20 | $0.60 | ✓ | Economico con EU residency |
+
+### 7. Setup Agent (journey di configurazione)
+*Conversazione multi-turno (≤15), JSON finale, UX critica*
+
+| Provider | Modello | In $/MTok | Out $/MTok | ZDR | Note |
+|----------|---------|----------|-----------|:---:|------|
+| **Anthropic** ⭐ | `Claude Sonnet 4.6` | **$3.00** | **$15.00** | ✓ ent | **Miglior instruction-following, JSON affidabile** |
+| OpenAI | `GPT-4.1` | $2.00 | $8.00 | ✓ ent | Eccellente bilanciamento |
+| Google Vertex | `Gemini 2.5 Pro` | $1.25 | $10.00 | ✓ | Reasoning solido |
+
+> Volume bassissimo (≈2 sessioni/mese per utente): il costo è trascurabile anche col modello premium.
+
+### 8. Memory Extractor (Mem0 extract+decide)
+*2 call/turno, JSON strutturato, deterministico, off request-path*
+
+| Provider | Modello | In $/MTok | Out $/MTok | ZDR | Note |
+|----------|---------|----------|-----------|:---:|------|
+| **OpenAI** ⭐ | `GPT-4.1 Nano` | **$0.10** | **$0.40** | ✓ ent | **Cheapest OpenAI, JSON mode affidabile** |
+| Google Vertex | `Gemini 2.5 Flash-Lite` | $0.10 | $0.40 | ✓ | Pari prezzo, valido |
+| Anthropic | `Claude Haiku 4.5` | $1.00 | $5.00 | ✓ ent | Troppo costoso per volume alto |
+
+### 9. Memory Miner (cron orario, Power+)
+*Pattern mining su episodi, input medio, occasionale*
+
+| Provider | Modello | In $/MTok | Out $/MTok | ZDR | Note |
+|----------|---------|----------|-----------|:---:|------|
+| **OpenAI** ⭐ | `GPT-4.1 Mini` | **$0.40** | **$1.60** | ✓ ent | **Reasoning sufficiente per pattern detection** |
+| Google Vertex | `Gemini 2.5 Flash` | $0.30 | $2.50 | ✓ | Buona alternativa |
+| Anthropic | `Claude Haiku 4.5` | $1.00 | $5.00 | ✓ ent | Qualità superiore, costo +2x |
+
+### 10. Memory Auditor (cron settimanale)
+*Reasoning per contraddizioni + canonicalizzazione, rarissimo*
+
+| Provider | Modello | In $/MTok | Out $/MTok | ZDR | Note |
+|----------|---------|----------|-----------|:---:|------|
+| **OpenAI** ⭐ | `GPT-4.1` | **$2.00** | **$8.00** | ✓ ent | **Reasoning robusto, volume trascurabile** |
+| Anthropic | `Claude Sonnet 4.6` | $3.00 | $15.00 | ✓ ent | Alternativa premium |
+| Google Vertex | `Gemini 2.5 Pro` | $1.25 | $10.00 | ✓ | Ottimo reasoning |
+
+### 11. Embeddings
+*Semantic search, 1536-dim, volume alto*
+
+| Provider | Modello | $/MTok | Dim | ZDR | Note |
+|----------|---------|--------|-----|:---:|------|
+| **OpenAI** ⭐ | `text-embedding-3-small` | **$0.02** | 1536 | ✓ ent | **Standard de facto, già in uso (LanceDB 1536-dim)** |
+| Voyage AI | `voyage-3.5-lite` | $0.02 | 1024 | ✓ | Qualità superiore ma richiede reindex |
+| Google Vertex | `Gemini Embedding` | $0.15 | variabile | ✓ | 7.5x più costoso, nessun vantaggio |
+
+---
+
+## 🔒 Mapping Production (Zero Data Retention obbligatorio)
+
+Tutti i provider selezionati hanno ZDR contrattualmente garantito. Prevalgono qualità e affidabilità; il costo è ottimizzato entro il vincolo ZDR.
+
+| # | Agente | Provider | Modello | Razionale |
+|---|--------|----------|---------|-----------|
+| 1 | Classifier | **OpenAI** | `gpt-4.1-nano` | $0.10/$0.40, JSON mode affidabile, stesso contratto ZDR del resto OpenAI |
+| 2 | Home Agent | **Anthropic** | `claude-sonnet-4-6` | Miglior tool calling del mercato; caching -90% riduce il costo; esperienza chat premium |
+| 3 | Floating Agent | **Anthropic** | `claude-haiku-4-5` | Tool calling affidabile + bassa latenza; qualità coerente con Home Agent |
+| 4 | Unified Processor | **OpenAI** | `gpt-4.1-mini` | Tool loop affidabile a costo contenuto; critico visto che il loop moltiplica le call |
+| 5 | Cloud Processor | **OpenAI** | `gpt-4.1-mini` | Stesso profilo del locale; parsing di email/chat consolidato |
+| 6 | Brief Agent | **OpenAI** | `gpt-4.1-mini` | Prosa curata, streaming, read-only tools — ottimo bilanciamento |
+| 7 | Setup Agent | **Anthropic** | `claude-sonnet-4-6` | Journey conversazionale critica per UX; volume bassissimo giustifica il premium |
+| 8 | Memory Extractor | **OpenAI** | `gpt-4.1-nano` | 2 call per turno chat: servono i prezzi più bassi con JSON mode |
+| 9 | Memory Miner | **OpenAI** | `gpt-4.1-mini` | Cron orario su Power+: reasoning sufficiente, costo contenuto |
+| 10 | Memory Auditor | **OpenAI** | `gpt-4.1` | Reasoning più avanzato per contraddizioni; frequenza settimanale = costo trascurabile |
+| 11 | Embeddings | **OpenAI** | `text-embedding-3-small` | Già in uso, 1536-dim compatibile con schema LanceDB/Qdrant |
+
+### Valori `.env` — Production
+
+```bash
+# Default fallback
+LLM_MODEL=gpt-4.1-mini
+LLM_EMBED_MODEL=text-embedding-3-small
+
+# Per-agent overrides (LiteLLM model IDs)
+LLM_MODEL_CLASSIFIER=gpt-4.1-nano
+LLM_MODEL_HOME_AGENT=anthropic/claude-sonnet-4-6
+LLM_MODEL_FLOATING_AGENT=anthropic/claude-haiku-4-5
+LLM_MODEL_UNIFIED_PROCESSOR=gpt-4.1-mini
+LLM_MODEL_CLOUD_PROCESSOR=gpt-4.1-mini
+LLM_MODEL_BRIEF_AGENT=gpt-4.1-mini
+LLM_MODEL_SETUP_AGENT=anthropic/claude-sonnet-4-6
+LLM_MODEL_MEMORY_EXTRACTOR=gpt-4.1-nano
+LLM_MODEL_MEMORY_MINER=gpt-4.1-mini
+LLM_MODEL_MEMORY_AUDITOR=gpt-4.1
+```
+
+> **2 API key richieste**: OpenAI (Enterprise + ZDR addendum) e Anthropic (Commercial + ZDR addendum). Vedi sezione **[Come attivare ZDR](#come-attivare-zdr-con-openai-e-anthropic)** per la procedura contrattuale.
+
+---
+
+## 💰 Mapping Development (cost-efficient, ZDR non richiesto)
+
+Priorità: costo minimo e velocità di iterazione. **Niente dati utente reali in questo ambiente** — solo dati sintetici o mock. Nessun vincolo ZDR consente di includere Groq, Cerebras e opzionali DeepSeek.
+
+| # | Agente | Provider | Modello | Razionale |
+|---|--------|----------|---------|-----------|
+| 1 | Classifier | **Groq** | `llama-3.1-8b-instant` | $0.05/$0.08: il più economico con 840 TPS |
+| 2 | Home Agent | **Google AI Studio** | `gemini-2.5-flash` | 6–7x meno di Sonnet, tool use nativo, 1M ctx |
+| 3 | Floating Agent | **Google AI Studio** | `gemini-2.5-flash-lite` | $0.10/$0.40 sufficiente per single-turn |
+| 4 | Unified Processor | **Google AI Studio** | `gemini-2.5-flash` | Tool loop funzionante a costo minimo |
+| 5 | Cloud Processor | **DeepSeek** | `deepseek-chat` ($0.28/$0.42) | Costo minimo per batch con dati sintetici |
+| 6 | Brief Agent | **Groq** | `llama-3.1-8b-instant` | $0.05/$0.08, prosa accettabile per QA |
+| 7 | Setup Agent | **Google AI Studio** | `gemini-2.5-flash` | Conversazione decente a costo minimo |
+| 8 | Memory Extractor | **Groq** | `llama-3.1-8b-instant` | JSON extraction funziona con fallback retry |
+| 9 | Memory Miner | **Groq** | `llama-3.3-70b-versatile` | Pattern mining richiede reasoning; 70B a $0.59/$0.79 |
+| 10 | Memory Auditor | **Google AI Studio** | `gemini-2.5-flash` | Reasoning accettabile, quasi gratis a scala dev |
+| 11 | Embeddings | **OpenAI** | `text-embedding-3-small` | Stesso dim del prod (1536) — evita reindex al promote |
+
+### Valori `.env` — Development
+
+```bash
+# Default fallback
+LLM_MODEL=gemini/gemini-2.5-flash
+LLM_EMBED_MODEL=text-embedding-3-small
+
+# Per-agent overrides
+LLM_MODEL_CLASSIFIER=groq/llama-3.1-8b-instant
+LLM_MODEL_HOME_AGENT=gemini/gemini-2.5-flash
+LLM_MODEL_FLOATING_AGENT=gemini/gemini-2.5-flash-lite
+LLM_MODEL_UNIFIED_PROCESSOR=gemini/gemini-2.5-flash
+LLM_MODEL_CLOUD_PROCESSOR=deepseek/deepseek-chat
+LLM_MODEL_BRIEF_AGENT=groq/llama-3.1-8b-instant
+LLM_MODEL_SETUP_AGENT=gemini/gemini-2.5-flash
+LLM_MODEL_MEMORY_EXTRACTOR=groq/llama-3.1-8b-instant
+LLM_MODEL_MEMORY_MINER=groq/llama-3.3-70b-versatile
+LLM_MODEL_MEMORY_AUDITOR=gemini/gemini-2.5-flash
+```
+
+> ⚠️ **Non immettere dati utente reali**. Gli embeddings restano `text-embedding-3-small` per non dover reindicizzare passando in Production (stesso schema 1536-dim).
+
+---
+
+## Simulazione — Costo Mensile per Utente
+
+Utilizzo tipico: 500 Home, 300 Floating, 210 Brief, 100 Unified Processor, 80 Cloud Processor, 10 Setup turn (≈2 sessioni), 1500 Memory Extractor turn, 720 Miner (30gg × 24h Power+), 4 Auditor, 1000 embeddings.
+
+### Production
+
+| Agente | Modello | In tok | Out tok | $/mese |
+|--------|---------|--------|---------|--------|
+| Classifier | GPT-4.1 Nano | 150K | 30K | $0.027 |
+| Home Agent | Sonnet 4.6 | 1M | 500K | $10.50 |
+| Floating | Haiku 4.5 | 150K | 90K | $0.60 |
+| Unified Processor | GPT-4.1 Mini | 300K | 200K | $0.44 |
+| Cloud Processor | GPT-4.1 Mini | 240K | 160K | $0.35 |
+| Brief Agent | GPT-4.1 Mini | 315K | 105K | $0.29 |
+| Setup Agent | Sonnet 4.6 | 40K | 5K | $0.20 |
+| Memory Extractor | GPT-4.1 Nano | 750K | 150K | $0.14 |
+| Memory Miner | GPT-4.1 Mini | 1.4M | 150K | $0.80 |
+| Memory Auditor | GPT-4.1 | 20K | 5K | $0.08 |
+| Embeddings | text-embedding-3-small | 500K | — | $0.01 |
+| | | | **Totale Production** | **~$13.48/utente/mese** |
+
+> Con prompt caching Anthropic al 90% sui system prompt ripetuti, Home Agent scende a ~$4–5/mese → totale **~$7–8/utente/mese**.
+
+### Development (dev team ≈ 100 sessioni test/mese totali, non per utente)
+
+| Agente | Modello | $/mese totali |
+|--------|---------|--------------|
+| Classifier | Groq Llama 3.1 8B | $0.004 |
+| Home Agent | Gemini 2.5 Flash | $0.58 |
+| Floating | Gemini 2.5 Flash-Lite | $0.04 |
+| Unified Processor | Gemini 2.5 Flash | $0.09 |
+| Cloud Processor | DeepSeek Chat | $0.13 |
+| Brief Agent | Groq Llama 3.1 8B | $0.02 |
+| Setup Agent | Gemini 2.5 Flash | $0.02 |
+| Memory Extractor | Groq Llama 3.1 8B | $0.05 |
+| Memory Miner | Groq Llama 3.3 70B | $0.35 |
+| Memory Auditor | Gemini 2.5 Flash | $0.02 |
+| Embeddings | text-embedding-3-small | $0.01 |
+| | **Totale Dev team** | **~$1.35/mese** |
+
+---
+
+## Motivazioni — Decisioni Chiave
+
+### 🔒 Perché questa separazione Production/Development
+
+I dati utente di adiuvAI sono E2E-encrypted, ma i prompt agentici contengono metadati operativi (titoli task, nomi progetti, contesto chat) che fluiscono in chiaro verso il LLM provider. Per Production, ZDR contrattuale è non-negoziabile. In Development si usano dati sintetici, quindi i provider più economici senza garanzie ZDR sono perfetti per iterare rapidamente senza bruciare budget.
+
+### 💬 Claude Sonnet 4.6 per Home Agent (prod) vs Gemini Flash (dev)
+
+Home Agent è il touchpoint principale: la qualità del tool calling determina la percezione del prodotto. Sonnet 4.6 è il benchmark su tool use. Il caching di Anthropic (-90% sui system prompt) rende il costo sostenibile a scala. In dev, Gemini 2.5 Flash costa **20x meno** con tool calling sufficiente per validare flussi, test di regressione e UI.
+
+### ⚙️ GPT-4.1 Mini per entrambi i Processor
+
+Unified e Cloud Processor sono l'unica superficie dove il **tool loop moltiplica il costo** (≤12 turni per file). Il prezzo medio deve essere basso **e** la qualità tool calling alta, altrimenti errori in cascata. GPT-4.1 Mini è lo sweet spot: tool calling OpenAI è robusto, il prezzo è 5x inferiore a Sonnet. Si sconsiglia Groq qui: la qualità tool calling di Llama introduce retry che annullano il risparmio.
+
+### 🧠 Stratificazione Memory Agents
+
+- **Extractor** (2 call/turno, volume altissimo) → Nano (cheapest)
+- **Miner** (orario Power+, reasoning su pattern) → Mini (compromesso)
+- **Auditor** (settimanale, reasoning avanzato) → GPT-4.1 full (il volume azzera il premium)
+
+Ogni tier di memory ha un profilo costo/qualità diverso: collassarli tutti su un unico modello spreca o sul basso (Auditor poco accurato) o sull'alto (Extractor 10x più caro del necessario).
+
+### 🇪🇺 Perché non Mistral in prod di default
+
+Mistral è un'ottima alternativa EU-residency, ma Sonnet 4.6 e GPT-4.1 hanno tool calling ancora superiore nei benchmark di Aprile 2026. Se la priorità diventa **data residency EU** (clienti enterprise europei, GDPR stretto), raccomando uno switch mirato:
+- Home Agent → `mistral/mistral-medium-3`
+- Background processor → `mistral/mistral-large-3`
+
+### 🚫 Cina esclusa da Production
+
+DeepSeek e GLM offrono costi imbattibili ma i dati risiedono in Cina senza garanzie ZDR verificabili per utenti internazionali. **Accettabili in Development solo con dati sintetici**.
+
+### ⚡ Groq e Cerebras come alternative budget
+
+In Development, Groq domina per pricing + velocità (394–840 TPS). In Production sono qualificati ZDR (tramite DPA) ma la qualità tool calling di Llama rimane inferiore ai modelli proprietari su flussi multi-turno complessi. Cerebras è strict ZDR by default ma il catalogo modelli è limitato.
+
+---
+
+## Come attivare ZDR con OpenAI e Anthropic
+
+**Cosa significa ZDR concretamente:** nessuna conservazione di prompt/output oltre la durata della richiesta, nessun logging di contenuti da parte del provider, nessun uso per training o fine-tuning, abuse monitoring basato su metadati anziché contenuti. Sul tier API standard, invece, OpenAI e Anthropic conservano input/output per **30 giorni** a fini di abuse detection — motivo per cui serve il contratto ZDR esplicito.
+
+### 🔵 OpenAI — Enterprise Privacy / ZDR Addendum
+
+**Chi ne ha diritto:** clienti con Enterprise Agreement. Per API a basso volume si può comunque richiedere un **Business Associate Agreement** o **Enterprise Privacy Addendum** senza passare a ChatGPT Enterprise.
+
+**Procedura:**
+1. Scrivere a **sales@openai.com** (oppure compilare il form su [openai.com/enterprise](https://openai.com/enterprise/)) indicando:
+   - Ragione sociale, sede legale, P.IVA, DPO/privacy contact
+   - Caso d'uso (per adiuvAI: "agentic SaaS con E2E-encrypted user data, API backend")
+   - Volume stimato mensile (token o $) — utile per pricing
+   - Modelli usati (`gpt-4.1`, `gpt-4.1-mini`, `gpt-4.1-nano`, `text-embedding-3-small`)
+   - Requisito esplicito: **"Zero Data Retention (0-day retention)"** e disabilitazione abuse monitoring sul contenuto
+2. OpenAI invia **Commercial Agreement + Data Processing Addendum (DPA) + Zero Data Retention Addendum**.
+3. Firmare via DocuSign. Tempo medio: **2–4 settimane** dalla prima mail al contratto attivo.
+4. OpenAI abilita ZDR a livello di **Organization ID** dell'API — non serve modificare il codice, vale per tutte le chiamate future.
+5. Verifica in dashboard: `platform.openai.com` → Settings → Organization → Data Controls. Deve apparire "Zero Data Retention: Enabled".
+
+**Costo:** l'Enterprise non ha prezzo pubblico; a bassi volumi si può ottenere senza commitment minimo (talvolta con un modesto uplift sulla tariffa API).
+
+**Documenti utili:** [OpenAI Enterprise Privacy](https://openai.com/enterprise-privacy/), [OpenAI DPA](https://openai.com/policies/data-processing-addendum/), [OpenAI API Data Usage](https://platform.openai.com/docs/models/how-we-use-your-data).
+
+### 🟣 Anthropic — Commercial Terms + Zero Retention Addendum
+
+**Chi ne ha diritto:** qualsiasi cliente commerciale. Anthropic è più flessibile di OpenAI: ZDR viene concesso anche a volumi contenuti tramite un addendum al contratto standard.
+
+**Procedura:**
+1. Scrivere a **sales@anthropic.com** (oppure via il form [anthropic.com/contact-sales](https://www.anthropic.com/contact-sales)) indicando:
+   - Ragione sociale, sede legale, P.IVA
+   - Caso d'uso e modelli (`claude-sonnet-4-6`, `claude-haiku-4-5`)
+   - Volume stimato mensile
+   - Richiesta esplicita: **"Zero Retention Addendum to the Commercial Terms"**
+   - Se applicabile: GDPR DPA, BAA (per HIPAA)
+2. Anthropic invia **Commercial Agreement + DPA + Zero Retention Addendum** (clausola dedicata).
+3. Firma via DocuSign. Tempo medio: **1–3 settimane**.
+4. Attivazione sull'**Organization** del Claude Console. Verifica in [console.anthropic.com](https://console.anthropic.com) → Settings → Organization → Privacy.
+5. Dal contratto attivo: 0-day retention di prompt/response, abuse monitoring basato solo su metadati.
+
+**Costo:** nessun uplift in genere; il contratto ZDR è incluso nel Commercial Agreement.
+
+**Documenti utili:** [Anthropic Privacy Policy](https://www.anthropic.com/legal/privacy), [Anthropic Commercial Terms](https://www.anthropic.com/legal/commercial-terms), [Anthropic Trust Center](https://trust.anthropic.com) per SOC 2 / ISO 27001.
+
+### Checklist pre-firma (entrambi)
+
+Prima di firmare verifica che il contratto copra:
+
+- [ ] **Zero retention** esplicita (0 giorni, non "short retention" che può significare 24h o 72h)
+- [ ] **No training** sui prompt/output (default API, confermare per scritto)
+- [ ] **Abuse monitoring** basato su metadati, non contenuto (altrimenti il provider legge comunque i prompt)
+- [ ] **Sub-processor list** consultabile (subcontractor del provider: datacenter, CDN, ecc.)
+- [ ] **DPA art. 28 GDPR** firmato contestualmente (obbligatorio se processi dati di utenti EU)
+- [ ] **Breach notification SLA** ≤ 72 ore (requisito GDPR)
+- [ ] **Data residency** — chiedere conferma region processing (US vs EU). Per adiuvAI può valere la pena pretendere routing EU se la clientela è europea
+- [ ] **Audit right** — possibilità di richiedere audit indipendente (rilevante per clienti enterprise propri)
+
+### Timeline realistica end-to-end
+
+| Fase | Durata |
+|------|--------|
+| Primo contatto sales + NDA | 3–5 giorni |
+| Legal review interno contratti provider | 1–2 settimane |
+| Negoziazione clausole sensibili (residency, audit, pricing) | 1–2 settimane |
+| Firma DocuSign + attivazione ZDR su Org ID | 2–3 giorni |
+| **Totale** | **4–7 settimane** per provider |
+
+> 💡 **Consiglio pratico:** parti **in parallelo** con sales@openai.com e sales@anthropic.com lo stesso giorno. Il processo è indipendente e avere entrambi i contratti attivi contemporaneamente è indispensabile per il mapping proposto.
+
+---
+
+## Note & Fonti
+
+Prezzi aggiornati ad Aprile 2026. Verificare sempre le pagine ufficiali prima di decisioni finali — il mercato LLM cambia mensilmente.
+
+**Fonti:**
+- [OpenAI API Pricing](https://openai.com/api/pricing/)
+- [OpenAI Enterprise Privacy + ZDR](https://openai.com/enterprise-privacy/)
+- [Anthropic Claude Models](https://platform.claude.com/docs/en/docs/about-claude/models)
+- [Anthropic ZDR](https://www.anthropic.com/legal/privacy)
+- [Google Vertex AI Pricing](https://cloud.google.com/vertex-ai/pricing)
+- [Google Vertex Data Governance](https://cloud.google.com/vertex-ai/docs/generative-ai/data-governance)
+- [Mistral AI Pricing](https://mistral.ai/pricing)
+- [Mistral Privacy Policy](https://legal.mistral.ai/terms/privacy-policy)
+- [Groq On-Demand Pricing](https://groq.com/pricing)
+- [Cerebras Privacy Policy](https://www.cerebras.ai/policies)
+- [DeepSeek API Pricing](https://api-docs.deepseek.com/quick_start/pricing/)
+- [LiteLLM Supported Models](https://docs.litellm.ai/docs/providers)
+- [Best AI for Tool Calling 2026](https://llm-stats.com/leaderboards/best-ai-for-tool-calling)
+- [AI Cost Board — LLM Pricing 2026](https://aicostboard.com/blog/posts/llm-api-pricing-comparison-2026)
+
+---
+
+*Report generato per adiuvAI · Aprile 2026 · Aggiornato per coprire tutti gli 11 agenti di `api/.env.example` con mapping separati Production/Development.*
diff --git a/docs/plan-brief-agent.md b/docs/plan-brief-agent.md
index 4cfa17a..810c854 100644
--- a/docs/plan-brief-agent.md
+++ b/docs/plan-brief-agent.md
@@ -339,16 +339,16 @@ as fallback.
 - None (external config via MCP).
 
 **Tasks**
-- [ ] Use `mcp__langfuse-docs__searchLangfuseDocs` to confirm the text-prompt
+- [x] Use `mcp__langfuse-docs__searchLangfuseDocs` to confirm the text-prompt
   variable syntax (`{{variable}}`) and that `label="production"` is the label
   read by `get_prompt_or_fallback`.
-- [ ] Use `mcp__langfuse__createTextPrompt` to create `home_brief` with the
+- [x] Use `mcp__langfuse__createTextPrompt` to create `home_brief` with the
   content from the "Improved prompts → home_brief" section above. Set label
   to `production`. Variables: `language`, `today`.
-- [ ] Use `mcp__langfuse__createTextPrompt` to create `project_brief` with the
+- [x] Use `mcp__langfuse__createTextPrompt` to create `project_brief` with the
   content from the "Improved prompts → project_brief" section above. Set label
   to `production`. Variables: `language`, `today`, `project_id`.
-- [ ] Use `mcp__langfuse__getPrompt` to round-trip both prompts and verify the
+- [x] Use `mcp__langfuse__getPrompt` to round-trip both prompts and verify the
   raw template matches what was sent.
 
 **Acceptance**
@@ -376,16 +376,16 @@ brief agent over WS, and the `DAILY_BRIEF_PROMPT` constant is deleted.
 - `adiuvAI/src/main/router/index.ts`
 
 **Tasks**
-- [ ] Add `WsBriefRequest` frame shape to shared types, mirroring the API
+- [x] Add `WsBriefRequest` frame shape to shared types, mirroring the API
   `WsBriefRequest` schema.
-- [ ] In `backend-client.ts`, add `sendBriefRequest(mode, projectId?, callbacks, requestId?)`
+- [x] In `backend-client.ts`, add `sendBriefRequest(mode, projectId?, callbacks, requestId?)`
   modeled on `sendHomeRequest`. It sends `{type:"brief_request", mode, project_id}`.
-- [ ] In `orchestrator.ts`:
+- [x] In `orchestrator.ts`:
   - Delete the `DAILY_BRIEF_PROMPT` constant (and the `langSuffix` hack — the
     backend now owns language injection).
   - `generateAndCacheBrief()` → call `client.sendBriefRequest("home", undefined, {...})`.
   - `dailyBrief()` → call `client.sendBriefRequest("home", undefined, {...}, requestId)`.
-- [ ] `router/index.ts`: no signature change — only the underlying orchestrator
+- [x] `router/index.ts`: no signature change — only the underlying orchestrator
   was rewired. Leave `ai.dailyBrief` mutation as-is.
 
 **Acceptance**
diff --git a/skills-lock.json b/skills-lock.json
index 9ab8e21..c1a8119 100644
--- a/skills-lock.json
+++ b/skills-lock.json
@@ -6,6 +6,11 @@
       "sourceType": "github",
       "computedHash": "2621a44fbd9fc2636953d1e6e39e5faeed995f7fb958ec12cc98a2f0576f6fa7"
     },
+    "langfuse": {
+      "source": "langfuse/skills",
+      "sourceType": "github",
+      "computedHash": "a72c15d6329867b84c4e7456f4e04d8c06ce5298d1d0068dbe864b8b00fb406c"
+    },
     "remotion-best-practices": {
       "source": "remotion-dev/skills",
       "sourceType": "github",