Rowboat 开源本地优先，替代 Claude Desktop

背景

随着大语言模型（LLM）的普及，桌面端AI助手逐渐成为知识工作者提高效率的重要工具。然而，主流AI助手（如Claude Desktop）通常依赖云端API，且对用户工作上下文的检索方式多为“按需搜索”——即每次对话时临时从文档或转录中提取信息。这种模式缺乏长期记忆积累，导致上下文无法持续增长，且用户难以直观查看或编辑AI所依赖的知识。与此同时，对数据隐私、本地化存储和模型自主选择的呼声也在升高。在此背景下，名为Rowboat的开源项目应运而生，旨在提供一种“本地优先、持续记忆”的桌面AI协作体验。

核心内容

Rowboat定位为“桌面AI同事”，它能够索引用户的工作内容，形成一个动态的知识图谱，并基于此在用户本地机器上执行任务。它内置了多种与AI协作的工作界面，包括：邮件客户端、笔记、浏览器、代码模式、会议记录工具，以及针对不同项目的工作区（workspaces）。

关键功能与配置

• Google服务集成：支持连接Gmail、Calendar和Drive，需按指南完成Google设置。
• 语音输入（可选）：在 ~/.rowboat/config/deepgram.json 中添加Deepgram API密钥即可启用。
• 语音输出（可选）：在 ~/.rowboat/config/elevenlabs.json 中添加ElevenLabs API密钥。
• 网络搜索（可选）：在 ~/.rowboat/config/exa-search.json 中添加Exa研究搜索API密钥。
• 外部工具（可选）：支持任何MCP（Model Context Protocol）服务器，或通过添加Composio API密钥使用Composio工具。所有API密钥文件格式统一为 {"apiKey": "<key>"}。

与传统AI工具的区别

大多数AI工具通过搜索转录或文档来“按需重建上下文”，而Rowboat维护的是长期存在的知识：

• 上下文随时间累积，而非每次冷启动。
• 关系（知识图谱中的关联）是显式的、可检查的。
• 笔记可由用户直接编辑，而非隐藏在模型内部。
• 所有数据以纯Markdown格式存储在本地机器上。
  最终效果是“记忆会持续积累”，而非“每次检索都从零开始”。

模型与扩展性

• 自带模型：支持Ollama或LM Studio的本地模型，也支持用户自带API密钥使用托管模型。用户可随时切换模型，而数据始终保留在本地Markdown仓库中。
• 通过MCP扩展：Rowboat可通过Model Context Protocol连接外部工具和服务，例如搜索、数据库、CRM、支持工具、自动化工具，或用户自己的内部工具。示例包括：Exa（网络搜索）、Twitter/X、ElevenLabs（语音）、Slack、Linear/Jira、GitHub等。

设计原则：本地优先

• 所有数据作为纯Markdown本地存储。
• 无专有格式或托管锁定。
• 用户可随时检查、编辑、备份或删除所有数据。

关键要点

• 开源 & 本地优先：Rowboat是完全开源的桌面应用，数据以纯Markdown形式存储在用户本地，无需依赖任何云服务或专有格式。
• 持续记忆的知识图谱：通过索引用户工作内容构建动态知识图谱，实现上下文累积，而非每次对话临时检索。
• 内置多种工作界面：包括邮件、笔记、浏览器、代码、会议记录和项目工作区，覆盖知识工作者常见场景。
• 模型自由：支持本地模型（Ollama/LM Studio）和自带API密钥的托管模型，可随时切换，数据不绑定模型。
• MCP扩展生态：通过Model Context Protocol连接外部工具，如搜索、CRM、开发工具等，可高度定制。
• 可选API集成：语音输入/输出、网络搜索、外部工具均通过添加对应API密钥启用，用户按需选择。
• 用户完全掌控数据：所有数据可编辑、可备份、可删除，且无隐藏的内部状态。

意义与影响

Rowboat的出现代表了一种与主流AI助手不同的设计哲学：将记忆与工具从云端拉回本地，赋予用户对AI工作上下文和数据的主权。在云端AI助手普遍面临数据隐私、上下文丢失和模型锁定等问题的背景下，Rowboat提供了一种可行的替代方案。其“本地优先+知识图谱”模式有望在以下场景产生深远影响：

• 隐私敏感领域：如法律、金融、医疗等行业的用户，可将敏感工作数据完全保留在本地，无需上传至第三方。
• 长期知识工作者：研究人员、作家、项目经理等需要持续积累和关联信息的用户，能受益于不断增长且可编辑的知识图谱。
• 开源社区与定制化需求：开发者可基于Rowboat的MCP协议和开源代码，构建专属的AI工作流，甚至集成内部工具。

尽管Rowboat目前仍处于早期阶段（需用户自行配置API密钥、依赖外部模型提供商），但其设计理念已为桌面AI协作工具树立了一个新的标杆：AI应当是用户的本地同事，而非一个随时可能“失忆”的云端访客。随着更多MCP工具和本地模型的发展，Rowboat有望成为Claude Desktop等闭源工具的有力竞争者。