rowboatlabs/rowboat

解决的问题

Rowboat 解决了 AI 检索中的「冷启动」问题，即工具必须为每次请求从头重建上下文。它提供了一个桌面 AI 同事，能够长期维护用户工作内容的累积型记忆，确保上下文随时间不断积累，而非按需检索。

工作原理

Rowboat 将来自邮件、会议、Slack 和助手对话的数据索引到一个本地的、带反向链接的知识图谱中，以纯 Markdown 文件形式存储。它集成了多种「工作表面」——包括内置邮件客户端、浏览器和会议笔记记录器——以操作这些数据。用户可以部署后台代理来处理定时任务或事件驱动的触发器，并通过 Model Context Protocol (MCP) 连接外部工具。它支持本地模型（通过 Ollama 或 LM Studio）和通过 API 密钥调用的托管模型。

适用人群

专为希望拥有深度、持久的职场生活与工作流上下文的 AI 助手，并偏好本地优先数据存储和隐私保护的专业人士设计。

主要亮点

• 动态知识图谱：自动将工作沟通内容索引为类似 Obsidian 的反向链接图谱。
• 本地优先存储：所有数据以纯 Markdown 格式存储在用户设备上，避免专有平台锁定。
• 集成工作表面：包含专用邮件客户端、隔离浏览器以及支持实时转录的本地会议笔记记录器。
• 代理能力：支持后台代理实现自动化，以及「代码模式」下使用 Claude Code 或 Codex 并行运行编码代理。
• 可扩展性：通过 Model Context Protocol (MCP) 连接外部服务和数据库。