rowboatlabs/rowboat

解決的問題

Rowboat 解決了 AI 搜尋中的「冷啟動」問題，也就是工具必須為每次請求從頭重建上下文。它提供了一個桌面 AI 同事，能夠長期維護使用者工作內容的累積型記憶，確保上下文隨著時間不斷累積，而非按需檢索。

工作原理

Rowboat 將來自郵件、會議、Slack 和助手對話的資料索引到一個本地的、帶反向連結的知識圖譜中，以純 Markdown 檔案形式儲存。它整合了多種「工作表面」——包括內建郵件客戶端、瀏覽器和會議筆記記錄器——以操作這些資料。使用者可以部署後台代理來處理定時任務或事件驅動的觸發器，並透過 Model Context Protocol (MCP) 連接外部工具。它支援本地模型（透過 Ollama 或 LM Studio）和透過 API 金鑰呼叫的托管模型。

適用對象

專為希望擁有深度、持久的職場生活與工作流程上下文的 AI 助手，並偏好本地優先資料儲存和隱私保護的專業人士設計。

主要亮點

• 動態知識圖譜：自動將工作溝通內容索引為類似 Obsidian 的反向連結圖譜。
• 本地優先儲存：所有資料以純 Markdown 格式儲存在使用者裝置上，避免專有平台鎖定。
• 整合工作表面：包含專用郵件客戶端、隔離瀏覽器以及支援即時轉錄的本地會議筆記記錄器。
• 代理能力：支援後台代理實現自動化，以及「程式碼模式」下使用 Claude Code 或 Codex 並行運行編碼代理。
• 可擴展性：透過 Model Context Protocol (MCP) 連接外部服務和資料庫。