Rowboat Skill：会记忆的本地 AI 同僚，让工作流自动运转

Skill超级捕获手 技术创作者 2026-08-07 10 阅读

Rowboat Skill：把你的工作流变成会记忆的 AI 同僚

Rowboat 是一款开源桌面 AI 同僚应用，能将邮件、会议、Slack 对话等内容自动索引进一个”活着的知识图谱”，然后基于这个上下文帮你完成工作——写邮件、作报告、查文档、跑代码都可以。它不只是聊天窗口，而是一个有长期记忆、知道你在做什么、能主动替你执行任务的 AI 同事。支持 Mac/Windows/Linux，还支持后台 Agent 定时或事件触发运行。

功能与原则

Rowboat 的核心是一个 Obsidian 风格的双向链接知识图谱（Knowledge Graph），所有工作上下文——邮件、会议纪要、Slack 对话、AI 助手聊天记录——都会被自动提取、索引、关联。在此基础上，Rowboat 提供多个”工作面”（Work Surfaces）：内置邮件客户端、会议笔记、浏览器、代码模式，以及自定义 App 构建能力。

它的设计原则是：隐私优先，本地运行。数据不离开你的机器，所有索引都在本地 Qdrant 向量数据库里。它不是把 AI 接到网上去搜答案，而是基于你自己的工作记录来回答。

认可度

Rowboat 截至 2026-05-10 在 GitHub 拥有约 13,928 stars（数据来源：SegmentFault 2026-05-10 日报），并持续出现在 GitHub Trending 榜单上，是 AI coworker 赛道的代表性开源项目。团队曾获得 YC 孵化器背书，三位创始人均有成功的创业退出背景（2021 年创办的 AI 客服公司 Agara 被 Coinbase 收购）。

链接

GitHub：https://github.com/rowboatlabs/rowboat

原作者

Rowboat 由 RowBoat Labs 开发维护，三位创始人 Arjun、Ramnique、Ahkilesh 曾在 2021 年共同创办 AI 客服初创公司 Agara 并成功被 Coinbase 收购，是有真实产品落地经验的硬核创业团队。

介绍

Rowboat 的定位是”开源 AI coworker”——与其说它是一个 AI 助手，不如说它是一个有记忆的本地 AI 工作站。它的工作逻辑是：

第一步：建立知识图谱。 Rowboat 会主动连接你的 Gmail、Google Calendar、Slack 等数据源，把邮件内容和会议记录自动抽取成结构化的知识点，并按时间线组织成交叉引用的网络。你不需要手动整理，它会自动完成。

第二步：基于上下文执行任务。 你可以随时向 Rowboat 提问，它会从你的个人知识图谱里检索相关内容，而不是泛泛地给出一个通用答案。比如问”上次跟某位客户的会议结论是什么”，它能准确调取。

第三步：后台 Agent 自动运行。 Rowboat 支持设置事件触发或定时调度的后台 Agent。比如”每天早上 8 点把昨晚邮件摘要推给我”，或者”当某封邮件到达时自动起草回复”。Agent 可以调用 MCP 工具、搜索网页、写代码（通过 Claude Code 或 Codex）。

第四步：代码模式。 内置的代码模式允许你同时启动多个并行的 Claude Code 或 Codex Agent，Rowboat 会把所有工作上下文注入给它们，让 Agent 的输出更精准、更贴合项目实际。

特点

  • 本地知识图谱：基于 Qdrant 向量数据库，邮件、会议、Slack 全索引，数据不出本地
  • 多工作面集成：邮件客户端、会议笔记、内置浏览器、代码模式、App 构建，全部在一个桌面应用里
  • 后台 Agent 自动化：支持事件触发和定时任务，可连接 MCP 工具、搜索网页、调用 Claude Code 或 Codex
  • 内置隔离浏览器：独立于主浏览器，只有你授权的账号才会给 AI 访问，避免隐私泄露
  • 支持自定义 App：可以基于 Rowboat 的框架构建自己的”工作面”，并分享给其他人使用

使用方法

安装（支持 Mac/Windows/Linux）：

# 直接下载最新版本
https://www.rowboatlabs.com/downloads

连接 Google 服务（Gmail、Calendar、Drive）：

参考官方文档 https://github.com/rowboatlabs/rowboat/blob/main/google-setup.md 完成 OAuth 授权。

启用语音输入（可选）：

在 Google setup 完成后，添加 Deepgram API Key 即可启用语音命令和语音笔记功能。

代码模式调用：

在 Rowboat 的代码模式里直接输入任务，它会自动调用本地安装的 Claude Code 或 Codex，并注入当前项目的知识图谱上下文，Agent 输出更贴合实际。

后台 Agent 示例：

设置一个每天早上 8 点运行的 Agent，自动抓取邮件摘要并生成待办事项：

{
  "trigger": "schedule",
  "schedule": "0 8 * * *",
  "actions": ["fetch_email_summary", "draft_daily_todo"]
}

使用场景与人群

适用场景：

  • 需要在大量邮件、会议记录、项目文档里快速找到特定信息的研究者或管理者
  • 希望 AI 能基于个人工作上下文（而非通用知识）给出答案的知识工作者
  • 需要自动化处理重复性工作（邮件摘要、日报生成、定时提醒）的职场人士
  • 开发者想要在本地跑一个有多 Agent 协作能力的 AI 工作站

目标用户：

  • 追求工作流隐私和数据自主的中高阶知识工作者
  • 有多账号（邮件/Slack/日历）需要统一管理的团队成员
  • 对 AI 原生工作环境有期待的早期采纳者

输入与输出案例

案例一：邮件处理

输入（Agent 自动触发）：新收到一封来自客户的紧急咨询邮件，需要在 2 小时内回复。

输出：Rowboat 自动将邮件归类为”重要”，基于知识图谱里与该客户的过往沟通记录，生成一封带有上下文背景的回复草稿，用户确认后一键发送。

案例二：会议总结

输入：会议结束后，Rowboat 接入麦克风和扬声器，实时转录并生成 Markdown 格式的会议纪要，同时自动更新知识图谱里相关条目。

输出：

# 2026-08-06 项目进度会议纪要

## 讨论内容
- Q3 目标确认：...
- 技术方案：...

## 行动项
- [ ] @张三：确认 API 文档，deadline 8/10
- [ ] @李四：安排 QA review

## 关联文档
- [[项目计划 v2.3]]
- [[API 设计稿]]

技术亮点

Rowboat 底层采用 Electron 构建桌面应用，数据索引基于 Qdrant（本地向量数据库），AI 能力支持 Claude Code 和 Codex 双引擎，并支持 MCP（Model Context Protocol）扩展。其架构设计强调本地化——所有个人数据不经过第三方服务器，确保隐私安全。

GitHub: https://github.com/rowboatlabs/rowboat

评论区

0 条评论

登录后可评论。

Skill超级捕获手 10 阅读