Who is Lorenzo Diomeda?

Lorenzo Diomeda è founder e builder cross-domain. Non l'aveva pianificato: è cominciato per curiosità, è diventata la sua filosofia di vita. Scorri le slide per scoprire cosa ha costruito. Alcuni progetti sono in NDA, ma qualche indizio è sparso in giro.

What does Lorenzo Diomeda do today?

Tre cose in produzione adesso: una publishing infrastructure, un retrieval engine, un consumer product. NDA su tutte e tre

Why are Lorenzo Diomeda's 3 live projects under NDA?

Lui la mette così: verba volant, scripta manent. Quack! Quack! A voce, con piacere, ti racconta un po' ma sul sito no preferisce un approccio stealth. Le tre cose ████████ sono coperte apposta. Non è timidezza, è strategia.

What was IntelliHearts?

IntelliHearts (2020–2022). Deep tech AI/ML su segnali da smartband consumer. Dall'ECG one-lead riconosceva aritmie (AFib, tachicardie sopraventricolari,etc) e leggeva le emozioni in tempo reale. Dalla tosse diagnosticava BPCO (broncopneumopatia cronica ostruttiva). L'emotion detection — feature secondaria per ridurre il drop-off in digital health — è quella che ha eclissato il core diagnostico nelle demo: utenti, investitori e clinici la volevano stand-alone.

How do I propose a project to Lorenzo Diomeda?

Ottimo. Quack. Scrivigli: lorenzo@lorenzodiomeda.com Tre righe sul cosa = primo contatto perfetto. Risponde in 24-48h.

How do I contact Lorenzo Diomeda?

lorenzo@lorenzodiomeda.com · risposta in 24-48h. Non ha CV PDF né riassunti automatici. Tre righe sul cosa e ti risponde lui.

What are Lorenzo Diomeda's social channels?

Lorenzo preferisce l'email — niente algoritmi nel mezzo. Ma se proprio devi: → LinkedIn: https://www.linkedin.com/in/ldiomeda/ → Instagram: https://www.instagram.com/lorenzo.diomeda/

Where is Lorenzo Diomeda based?

Bari, Puglia. Da sempre. Lavoro remoto. Quack.

What is Lorenzo Diomeda's approach and tech stack?

Founder e builder. In quest'ordine. Decide cosa serve costruire — non solo come. Ogni venture ha un modello di business chiaro prima del codice. Strumenti: Python al core, SQL per i dati, AI come amplificatore. Self-hosted ovunque possibile, sovereignty sui dati.

What is the CBC Copenhagen tattoo anecdote?

CBC World 2019, finale globale a Copenhagen. Lorenzo si è fatto un tatuaggio temporaneo col suo Facebook ID sull'avambraccio per il pitch. Comunicava: "siamo un prodotto numerico per i social — anche io". Vinse l'Italia, finì in finale globale, poi il COVID ha chiuso Zepend in sei mesi. Quack.

What is the IntelliHearts emotion detection story?

L'emotion detection da ECG era nato come trick anti-drop-off: tenere l'utente attaccato all'app. Nelle demo succedeva sempre la stessa scena: investitori, clinici e utenti si dimenticavano di tutto il resto e chiedevano solo dell'emozione. "Posso averla stand-alone?" La feature di contorno ha eclissato il core. Quack.

Is the rubber duck chat AI or a real person?

No, sono una papera di plastica con risposte preset. Lorenzo è da qualche parte a Bari, probabilmente sta costruendo. lorenzo@lorenzodiomeda.com se vuoi parlare con lui. Quack.

>>> ▋

Lorenzo
Diomeda

Q: What was Zepend?

Zepend (2017–2020). Era un'app social anti-tinder: ti mostrava chi era a 30 metri da te, in un locale vero, in quel momento. Vincitore Creative Business Cup Italia 2019. Finalista YCEC Berlino 2019.

Founder · builder cross-domain.

Prendo campi che non si parlano e trovo i punti dove si incontrano. È lì che si nascondono le sfide più divertenti.

based_inBari, IT

status● 3 active projects

↓ scorri · entra in un mondo

>>> ▋

████████

pipeline · automation · python · ai

████████.py

@dataclass
class Engine:
  """e2e ai publishing infra, 21 fasi"""

  lines_of_code: int = 127_224
  pipeline_stages: int = 21
  ai_models: int = 5
  arch: str = "hexagonal"

  def run(self, keyword: str) -> Article:
    # da keyword a articolo pubblicato
    # senza che io tocchi una virgola
    return self.cluster().fetch().check().render().publish()

Una pipeline da 127.224 righe che genera, verifica e pubblica contenuti automaticamente. 21 fasi orchestrate, 5 modelli AI con ruoli distinti, architettura hexagonal con ports & adapters.

Parte da una keyword e arriva alla pubblicazione senza che io tocchi una virgola. Non è un wrapper di GPT: è un sistema che pensa a strati — topical clustering, check, schema markup nested.

fasi

modelli AI

~127k

righe in produzione

●

live in production

>>> ▋

████████

engine · python · self-hosted · [NDA]

████████.py

@dataclass
class Engine:
  """internal architecture — NDA"""

  # ███████████████████████████████████
  ████: ████ = ████

  def query(self, q: str) -> Result:
    return self._handle(q)

Infrastruttura che decide cosa fare — e quanto pagarlo — prima di chiamare un modello.

Costruita iterando su query reali, non su benchmark sintetici. Ogni decisione architetturale ha un motivo che si misura — latency, accuracy, costo per query.

Architettura coperta da NDA. Il risultato: ████████ costa una frazione di quello che dovrebbe.

~7.8k

righe del motore

moduli

██

queries handled

●

live in production

>>> ▋

████████

web · python · seo · [NDA]

Da invisibile a prima pagina nella nicchia. Ogni Google core update è il vero esame.

Oggi: traffico organico ricorrente, presenza solida sul settore.

Oltre la programmatic SEO: contenuto pensato per essere trovato da Google, citato dagli LLM e usato dagli AI agent. Architettura GEO/AEO, agent-ready, fonti primarie linkate, autorevolezza preservata.

since 2022

online

40+

schema stack

agent-ready

by design

●

live in production

>>> ▋