Trovatore - AI Startup Scouting

Prototipo per automatizzare lo scouting di acceleratori e startup europee usando Google Sheets + Apps Script + LLM.

---

Link al Google Sheet

Trovatore AI Scouting - Google Sheet

Contiene:

• accelerators - acceleratori europei (website, name, country, ...)
• startups - startup estratte dai portfolio (website, name, accelerator, value_proposition, ...)
• logs - log delle operazioni

Nota: API keys già configurate. Aprire il menu "Startup Scouting AI" per testare.

---

Requisiti Completati

Requisito	Status	Note
Tab accelerators (website, name, country)	✅	+ type, sector, portfolio_url, status
Tab startups (website, name, country, accelerator, value_proposition)	✅	+ sector, stage, description, metadata
Menu con 3 azioni	✅	Esattamente 3 come richiesto
Niente duplicati (match per website)	✅	Dedup automatico per URL normalizzato
API key sicura (PropertiesService)	✅	Groq + Gemini in Script Properties
Logging e gestione errori	✅	Tab logs + skip-and-continue
Repository Git + README	✅	github.com/Alemusica/ai-startup-scouting

---

Come Eseguire i 3 Comandi dal Menu

Aprire il Google Sheet → Menu "Startup Scouting AI"

1. Scouting accelerators

Aggiunge nuovi acceleratori europei al foglio accelerators.

• Fonte: database curato di 45+ acceleratori verificati
• Include: Seedcamp, Techstars London, Antler, Station F, Plug and Play, etc.
• Campi: website (chiave), name, country, type, primary_sector, portfolio_url, status

2. Aggiorna startups dagli acceleratori

Per ogni acceleratore con status pending, cerca startup nel portfolio e le aggiunge al foglio startups.

Pipeline di estrazione:

1. Fetch pagina portfolio (Standard → Firecrawl → JS Renderer)
2. Estrazione nomi (Cheerio CSS selectors + pattern matching)
3. Enrichment URL (visita profili interni → estrae URL esterni)
4. Salvataggio con dedup automatico (no duplicati per website)

Campi: website (chiave), name, country, accelerator, sector, stage, description, metadata

3. Genera value proposition mancanti

Per ogni startup senza value_proposition, visita il sito e genera una frase con lo schema:

"<Startup> helps <Target> do <What> so that <Benefit>"

---

Setup (per nuovo deployment)

1. Clona repository

git clone https://github.com/Alemusica/ai-startup-scouting.git
cd ai-startup-scouting

2. Configura clasp

npm install -g @google/clasp
clasp login
clasp create --type sheets --title "Trovatore AI Scouting"
clasp push

3. Ottieni API Key Groq (gratuita)

1. Vai su console.groq.com/keys
2. Crea account (gratuito)
3. Genera API Key

4. Configura nel Google Sheet

1. Apri il Google Sheet
2. Refresh pagina (appare menu "Startup Scouting AI")
3. Menu > Utility > Configura API Key - inserisci Groq key
4. Menu > Utility > Inizializza fogli - crea i 3 tab

---

Assunzioni e Limiti

Assunzioni

Assunzione	Motivazione
Acceleratori europei	Focus geografico del task
Portfolio pubblici	Necessario per scraping (no login)
Website come chiave univoca	Più stabile del nome (può cambiare)
Groq come LLM primario	Free tier: 30 req/min, 14400 req/day

Limiti Tecnici

Limite	Valore	Gestione
Esecuzione Apps Script	6 min max	Continuation + time-driven trigger
Groq rate limit	30 req/min	Delay automatico + Gemini fallback
SPA/React sites	JS-rendered	Custom JS Renderer (Puppeteer)
Portfolio protetti	Login required	Skip con log, non bloccante

Siti con Copertura Limitata

Sito	Problema	Risultato
Techstars	SPA React + API protetta	~20 startup (vs 3000+)
YCombinator	Heavy client-side	Parziale
Antler	Webflow dynamic	~50-70%

---

Architettura

┌─────────────────────────────────────────────────────────────────┐
│                    TROVATORE v95                                 │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  MENU (3 azioni richieste)                                      │
│  ├── 1. Scouting accelerators                                   │
│  ├── 2. Aggiorna startups dagli acceleratori                    │
│  └── 3. Genera value proposition mancanti                       │
│                                                                  │
│  EXTRACTION PIPELINE                                            │
│  ┌─────────┐   ┌───────────┐   ┌─────────────┐                 │
│  │ Standard│──▶│ Firecrawl │──▶│ JS Renderer │                 │
│  │  Fetch  │   │ (fallback)│   │ (Puppeteer) │                 │
│  └─────────┘   └───────────┘   └─────────────┘                 │
│       │                                                         │
│       ▼                                                         │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │  Cheerio CSS ──▶ Pattern Match ──▶ LLM Fallback        │   │
│  └─────────────────────────────────────────────────────────┘   │
│       │                                                         │
│       ▼                                                         │
│  ┌─────────────────────────────────────────────────────────┐   │
│  │  Groq (FREE, primary) ◀──fallback──▶ Gemini (backup)   │   │
│  └─────────────────────────────────────────────────────────┘   │
│                                                                  │
└─────────────────────────────────────────────────────────────────┘

Struttura Codice

src/
├── core/           # Config, Logger, State (continuation)
├── http/           # Fetcher, CheerioParser, HtmlParser, UrlUtils
├── browser/        # Emulator (Next.js, Nuxt, React, Webflow detection)
├── ai/             # LLMInterface, GroqClient, GeminiClient, Agents, OrchestratorV3
├── data/           # Sheets (CRUD + dedup), Metadata (TOON format)
├── domain/         # Accelerators, Startups, ValueProp
└── ui/             # Menu (3 azioni + Utility + Help)

js-renderer/        # Puppeteer serverless (deploy: Fly.io)

---

TOON - Token-Oriented Object Notation

Formato compatto custom per comunicazione LLM che riduce il consumo di token del ~40%:

// TOON (42 chars)
{co:"Stripe",conf:"H",pri:"fintech"}

// JSON equivalente (70 chars)
{"company":"Stripe","confidence":"high","primary_sector":"fintech"}

7 Agenti TOON Specializzati

Agente	Funzione	Output Format
TestimonialExtractor	Estrae startup da quote/testimonial	{co,pn,pr,hint,conf}
UrlEnricher	Trova URL mancanti (Google Grounding)	{url,conf,reason}
CountryValidator	Valida coerenza geografica	{valid,conf,country}
SectorClassifier	Classifica settore primario/secondario	{pri,sec[],conf}
Deduplicator	Identifica duplicati fuzzy	{same,conf,reason}
PortfolioDiscovery	Scopre URL portfolio quando 404	{url,conf,method,alt[]}
ResultFilter	Filtra falsi positivi (categorie, UI)	{keep[],rm[]}

Vantaggi TOON

• -40% token → costi LLM ridotti (benchmark: 39.6% meno token)
• +4% accuracy → 73.9% vs JSON 69.7% sui benchmark
• Parsing robusto → struttura esplicita, meno errori
• Fallback JSON → se TOON fallisce, prova JSON automaticamente

Riferimenti

• Spec ufficiale: github.com/toon-format/spec
• TypeScript SDK: github.com/toon-format/toon
• Sito: toonformat.dev

---

Scelte Tecniche (Trade-off)

Scelta	Alternativa	Motivazione
TOON format	JSON verboso	-40% token, costi LLM ridotti
Groq + Gemini	Solo un provider	Free tier Groq + fallback affidabile
Cheerio CSS	Solo regex	Parsing HTML robusto, meno fragile
Save FIRST	Enrich then save	Evita perdita dati su timeout 6 min
1 acceleratore/volta	Parallelismo	Rispetta rate limit, evita 429
Custom JS Renderer	Solo Firecrawl	Controllo completo su SPA rendering

---

Utility

Menu > Utility:

• Configura API Key - Setup Groq/Gemini
• Inizializza fogli - Crea tab accelerators/startups/logs
• Test connessione LLM - Verifica API funzionante
• Mostra statistiche - Conteggi e status
• 🛑 STOP ALL - Ferma trigger, pulisce stato

---

Link

• Google Sheet: Trovatore AI Scouting
• Repository: github.com/Alemusica/ai-startup-scouting
• Groq Console: console.groq.com/keys (API Key gratuita)

---

Caso studio AI Engineer - Gennaio 2026