01 / CHECKSUM
Aritmetica, non impressioni
IBAN mod-97, carte Luhn, controllo CF e P.IVA. Un protocollo lungo non viene “scambiato” per un recapito.
Protocollo zero · solo loopback
Mr.Rao offline by design
PDF, Word, scansioni, email → Markdown pulito. Codici fiscali, IBAN, nomi e chiavi API: fuori, prima che tu li incolli in un’AI. Zero chiamate di rete. Validatori aritmetici, non promesse.
// 01 · minaccia
Per far ragionare un modello su un contratto, quasi tutti gli strumenti ti chiedono di caricare il file. In quel momento nomi, IBAN e codici fiscali finiscono “in giro”. Mr. Rao spezza la catena: converte e redige qui.
// 02 · motore
Pattern + validatore. Niente modello, niente sorprese tra due esecuzioni. Lo stesso documento dà sempre lo stesso esito — e ogni sostituzione ha una regola.
IBAN mod-97, carte Luhn, controllo CF e P.IVA. Un protocollo lungo non viene “scambiato” per un recapito.
«3 redazioni · 2 da controllare». Ciò che assomiglia a un dato e non è validabile viene segnalato, non nascosto.
Su CF e IBAN storpiati prova fino a due confusioni tipiche di lettura, e sostituisce solo se il candidato regge tre vincoli insieme: checksum, sigla del Paese, lunghezza prevista da quel Paese (registro ISO 13616). Il mod-97 da solo scarta 96 candidati su 97: quando in gioco ci sono migliaia di codici lunghi, il resto passa.
// 03 · banco di prova
Su un documento vero non sai se una sostituzione era dovuta: la giudichi a occhio, e l’occhio si stanca. Per questo il motore viene misurato prima di tutto su carte che dati personali non ne contengono affatto: lì ogni sostituzione è un errore, e non c’è niente da interpretare. Ogni modifica deve ripassare da qui.
Moduli fiscali italiani e statunitensi, numeri della Gazzetta Ufficiale fino al 1890, volumi statistici. Nessun dato personale per costruzione: il numero corretto di redazioni è zero, quindi ogni sostituzione si conta come errore.
6.000 messaggi di mailing list italiane e 1.500 inglesi: come si comporta sul testo che le persone scrivono davvero, non su frasi costruite per farlo riuscire.
Falsi positivi sui nomi, stesso banco. Su venti moduli in bianco dell’Agenzia delle Entrate una sola euristica ne produceva 8.904 da sola: ora è spenta di default.
// 04 · capacità
| Formati | PDF, DOCX, XLSX, PPTX, HTML, CSV, immagini, EML — MarkItDown + OCR offline |
| Redazione | Email, telefoni, nomi, indirizzi, CF, P.IVA, IBAN, BBAN, carte, URL, segreti API |
| Oltre l’Italia | NHS number e National Insurance britannici, SSN e ITIN, ABA routing, SIN canadese, ABN e TFN australiani, CAP britannico, righe MRZ del passaporto |
| Lingua | Interfaccia in italiano e in inglese, scelta dal browser · il documento prodotto segue la stessa lingua |
| Shell Windows | Tasto destro → Apri con Mr. Rao · sospetti stampati in console quando servono |
| Cartella automatica | Da convertire → Convertiti, Markdown in uscita, default fuori da OneDrive/Dropbox |
| Sicurezza locale | Host allow-list, anti-CSRF Origin, GET read-only, bind 127.0.0.1 |
| Licenza | AGPL-3.0 · codice ispezionabile · nessun telefono a casa |
// 05 · onestà operativa
Un CISO si fida di chi dichiara i limiti. Noi li scriviamo in README, PRIVACY e nel prodotto.
È redazione assistita. Il contesto del documento resta. Serve review umana.
Liste di nomi, contesto della frase, euristica che si può spegnere. È la parte più difficile: un cognome raro può restare, e serve sempre una rilettura.
Il recupero OCR li ha prodotti sui 127 documenti in bianco, che di IBAN non ne contengono nessuno. Il mod-97 da solo non bastava. Con sigla del Paese e lunghezza per Paese sono tornati a 0: misurato, non stimato.
Il recupero e i sospetti aiutano; tre errori di lettura bastano a far sfuggire un codice.
Nessuna auth. Esporre la porta in rete senza proxy è un errore consapevole.
Portable Windows, niente Python. Oppure clona il repo e fai girare i test. Se il motore sbaglia su un documento tuo (senza dati reali in issue), dillo: è l’unico modo per migliorarlo.
// 06 · canale diretto
Scritto e mantenuto da Antonio Andrea Rao. Scrivimi una mail o su LinkedIn: niente moduli di contatto, niente tracciamento — come il resto del progetto.