rowboatlabs / rowboat

5,147409+191 todayTypeScript

AI 驱动的多智能体构建平台

Rowboat 是一款开源、本地优先的 AI 协作者平台，旨在将日常工作转化为可操作的知识。它通过连接用户的电子邮件、会议笔记等工具，自动构建并持续维护一个基于 Markdown 的知识图谱，以此作为 AI 的长期记忆。这个知识图谱采用与 Obsidian 兼容的格式，完全透明且可供用户随时查看、编辑。该平台的核心价值在于利用这份持久的上下文记忆，在具体场景中主动提供帮助。例如，它可以根据知识图谱中的历史讨论和决策，自动生成季度路线图演示文稿的 PDF 草稿；或在会议前，整理出与特定人员相关的过往议题、待决问题和关键邮件线程，生成清晰的会前简报或语音摘要。Rowboat 强调隐私与用户控制，所有数据处理均在本地设备上进行，帮助用户完成起草、总结、规划和产出实际工作成果等任务，从而提升个人工作效率与知识管理能力。

💡 应用场景

最适合需要长期跟踪项目上下文、减少重复信息整理工作、基于历史数据自动生成内容的个人或团队工作场景。

会议前快速准备

问题：每次会议前都要花大量时间回顾历史邮件、文档和会议记录，才能了解背景和待解决问题。

方案：Rowboat自动从你的邮件和会议笔记中构建知识图谱，只需输入“Prep me for my meeting with Alex”，就能生成包含过往决策、开放问题和相关讨论的简洁简报。

示例：明天要与客户Alex开会，输入指令后Rowboat自动整理过去3个月与Alex的所有邮件往来、上次会议的行动项、以及相关项目文档，生成一份会议准备清单。

自动生成季度报告

问题：制作季度汇报材料需要手动收集分散在各个邮件、文档和会议记录中的信息，耗时且容易遗漏。

方案：Rowboat利用长期积累的知识图谱，根据你的指令自动生成包含相关上下文的演示文稿，并可直接导出为PDF。

示例：输入“Build me a deck about our next quarter roadmap”，Rowboat自动提取过去季度的成果、当前项目状态、团队讨论的优先级，生成结构完整的PPT大纲和内容。

邮件回复自动化

问题：回复重复性邮件或需要参考历史信息的邮件时，需要反复查找过往沟通记录，效率低下。

方案：Rowboat的背景代理可以基于你的知识图谱自动草拟邮件回复，确保回复内容与历史承诺和上下文一致。

示例：收到客户关于项目进度的询问，Rowboat自动调取最近的项目更新邮件、会议决策记录，草拟出准确且一致的回复初稿。

语音备忘智能整理

问题：会议或思考时的语音记录散乱无序，后续整理成结构化笔记需要大量手动工作。

方案：录制语音备忘录后，Rowboat自动提取关键要点并更新到知识图谱中，形成可搜索、可关联的结构化笔记。

示例：开车时用语音记录了一个产品想法，Rowboat自动识别出关键概念（功能点、目标用户、技术需求）并链接到相关的现有项目笔记中。

📊 项目信息

语言: TypeScript
Stars: ⭐ 5,147
Forks: 409
今日新增: +191
排名: #8
收录: 总榜
趋势日期: 2026年2月12日
最后推送: 2026/2/12

🏷️ 标签

TypeScript本地优先知识图谱多智能体自动化办公个人助理知识工作者

📸 截图

5分钟上手 Rowboat AI 助手

快速安装 Rowboat 桌面应用，体验 AI 驱动的知识图谱构建和智能助手功能

🖥️ 操作系统

macOSWindowsLinux

📝 操作步骤

下载安装包

访问 Rowboat 的 GitHub Releases 页面，根据你的操作系统下载最新版本的安装包

下载最新版本的 Rowboat

$ 打开浏览器访问：https://github.com/rowboatlabs/rowboat/releases/latest

✓预期输出：下载完成安装文件（如 rowboat-mac.dmg、rowboat-windows.exe 或 rowboat-linux.AppImage）

💡如果下载速度慢，可以尝试使用 GitHub 镜像站点

安装应用

运行下载的安装文件，按照提示完成安装

不同操作系统的安装方法

$ macOS: 双击 .dmg 文件，将 Rowboat 拖到 Applications 文件夹
Windows: 双击 .exe 文件，按照安装向导操作
Linux: 给 AppImage 文件添加执行权限：chmod +x rowboat-linux.AppImage，然后双击运行

✓预期输出：Rowboat 应用成功安装并出现在应用程序列表/开始菜单中

💡Linux 用户可能需要安装 FUSE 库来运行 AppImage 文件

启动应用

打开 Rowboat 应用，完成初始设置

首次启动会进行初始设置

$ 从应用程序列表/开始菜单中点击 Rowboat 图标启动应用

✓预期输出：看到 Rowboat 主界面，包含知识图谱视图和聊天输入框

💡首次启动可能需要一些时间初始化

体验基础功能

尝试与 Rowboat 对话，体验 AI 助手功能

测试 AI 生成能力

$ 在聊天框中输入："帮我创建一个关于季度规划的演示文稿大纲"

✓预期输出：Rowboat 会生成一个演示文稿大纲，并显示在界面上

💡首次使用可能需要配置 AI 模型，可以选择使用本地模型（如 Ollama）或云端 API

✅ 验证成功

确认 Rowboat 已正常运行并可以响应你的请求

✓Rowboat 应用正常启动，界面显示完整
✓AI 助手能够理解并响应你的问题
✓知识图谱界面可以正常显示和交互

⚡ 快速提示

配置首次使用建议先配置本地 AI 模型（如 Ollama），避免 API 调用费用

配置Rowboat 的数据全部存储在本地 ~/.rowboat 目录中，可以随时备份

配置要启用语音备忘录功能，需要配置 Deepgram API 密钥

🔍 常见问题排查

❓ 应用启动失败或闪退

→ 检查系统是否满足最低要求，尝试重新下载安装包，查看 ~/.rowboat/logs 中的日志文件

❓ AI 助手没有响应

→ 检查 AI 模型配置是否正确，确保网络连接正常（如果使用云端 API），或确认本地模型已正确安装和运行

❓ 无法连接 Google 服务

→ 按照 README 中的 Google setup 指南完成 OAuth 配置，确保有正确的 API 权限

🎯 下一步

连接数据源

配置 Gmail、会议笔记等数据源，让 Rowboat 构建你的个人知识图谱

配置背景代理

设置自动化的背景代理，让 Rowboat 自动处理重复性任务

探索 MCP 工具集成

通过 Model Context Protocol 连接外部工具和服务，扩展 Rowboat 的能力

难度

初级

预计时间

1-2天

目标人群

对AI智能体、个人知识管理和自动化工作流感兴趣的开发者或技术爱好者，具备基本编程概念但可能没有TypeScript或AI项目经验的新手。

🎯 学完你将掌握

学会在本地安装和运行Rowboat，连接你的工作数据源（如Gmail），创建并管理个人知识图谱，并利用AI智能体自动完成邮件回复、会议准备等日常工作。

📋 前置知识

Git基础了解

用于从GitHub克隆项目代码库。

Node.js与npm/yarn/pnpm了解

Rowboat基于TypeScript开发，需要Node.js环境来安装依赖和运行项目。

命令行/终端基础了解

需要在终端中执行安装、配置和运行命令。

Markdown语法了解(可选)

Rowboat的知识图谱以Markdown文件形式存储，了解其基本语法有助于查看和编辑。

TypeScript/JavaScript了解(可选)

有助于理解项目结构和进行二次开发，但仅使用预编译版本则非必需。

📚 学习资源

必看

GitHub README

项目最核心的说明，包含安装、配置、功能介绍。

必看

官方Demo视频 (YouTube)

直观展示Rowboat的核心用例和操作流程。

🗺️ 学习阶段

环境准备与初次体验

⏱ 1-2小时

下载并安装预编译版本

访问GitHub Releases页面（https://github.com/rowboatlabs/rowboat/releases/latest），根据你的操作系统（Mac/Windows/Linux）下载最新的预编译安装包（.dmg, .exe, .AppImage等）并完成安装。这是最快体验核心功能的方式。

💡对于新手，强烈建议从此开始，避免复杂的源码编译。安装后先打开应用熟悉界面。

观看演示视频，建立直观认知

观看README中提供的Demo视频（YouTube链接），了解Rowboat能做什么，例如生成PDF、会议准备、知识图谱可视化等。

💡带着视频中的用例目标去进行后续操作，学习效率更高。

探索初始界面与配置目录

打开Rowboat应用，观察其界面。同时，在文件系统中找到Rowboat的配置和数据目录（通常位于用户主目录下的 `.rowboat` 文件夹），了解其结构。

💡记住 `~/.rowboat/` 这个路径，后续的API密钥配置和知识图谱（Markdown文件）都在这里。

核心功能配置与连接数据源

⏱ 2-3小时

配置Google服务（Gmail/Calendar/Drive）

按照README中的“Google setup”指引，完成OAuth授权流程，让Rowboat能够读取你的邮件、日历和云端文档，作为构建知识图谱的初始数据。

💡这是构建“记忆”的关键一步。确保你拥有相关Google账号的访问权限，并仔细阅读授权页面的权限说明。

（可选）启用语音备忘录功能

如果你想使用语音笔记功能，需要获取一个Deepgram API密钥。在 `~/.rowboat/config/` 目录下创建 `deepgram.json` 文件，并按照README中的格式填入你的API密钥。

💡此功能非必需。如果没有Deepgram账号，可以跳过，不影响其他核心功能。

观察知识图谱的生成

完成Google连接后，让Rowboat运行一段时间（或手动触发同步）。然后，在Rowboat应用内或直接去 `~/.rowboat/` 下的vault目录查看生成的Markdown文件，理解它如何将邮件、会议记录转化为带链接的笔记。

💡尝试打开几个.md文件，看看内容是如何组织的。理解“实体”（人、项目）和“关系”（讨论过、涉及）是如何体现的。

实践AI智能体与工作流

⏱ 1-2小时

提出你的第一个请求

在Rowboat的聊天界面中，尝试使用README中的示例，例如：“Prep me for my meeting with [联系人名]”。观察Rowboat如何从知识图谱中提取相关信息并生成摘要。

💡初次使用可能因为知识图谱数据不足而效果有限。多同步一些历史数据后再试。

尝试生成文档或简报

提出一个更复杂的请求，如：“Build me a deck about our next quarter roadmap”。Rowboat会尝试利用图谱中的项目、决策信息生成内容大纲甚至PDF。

💡关注生成过程中，Rowboat是否向你确认信息或请求补充。理解其“可审查的行动”这一设计理念。

了解后台智能体（Background Agents）

在设置或配置中探索“Agents”或“Automations”部分。尝试创建一个简单的后台任务，例如：每天早晨自动生成一份当日优先级摘要。

💡新手可以先从预定义的智能体模板开始，理解其触发条件（定时/事件）和执行动作（生成笔记/更新图谱）。

深入探索与自定义

⏱ 2-4小时

配置你自己的AI模型

探索设置中的模型配置选项。尝试连接本地Ollama（运行一个如llama3.2的小模型）或填入OpenAI/Anthropic等云端服务的API密钥，体验切换不同模型。

💡使用本地模型可以确保完全隐私，但需要一定的硬件资源（内存）。从较小的模型开始尝试。

了解MCP（模型上下文协议）集成

研究Rowboat如何通过MCP连接外部工具（如Slack、GitHub、数据库）。查看相关文档，了解如何为Rowboat添加一个新的工具连接。

💡可以思考一个你日常使用的工具，探索是否有现成的MCP服务器可供Rowboat集成。

手动编辑与维护知识图谱

直接使用文本编辑器（或Obsidian）打开 `~/.rowboat/vault/` 中的Markdown文件，进行增删改。例如，修正一个实体名称，添加一个笔记之间的链接。然后在Rowboat中刷新，观察变化。

💡这是Rowboat“透明、可编辑记忆”的核心体现。你的修改会直接影响AI的上下文理解。

⚠️ 常见错误

❌ 直接从源码开始编译和运行

✅ 对于零基础新手，第一步应使用预编译的发布版本，避免陷入复杂的开发环境搭建问题。

❌ 未正确配置Google OAuth或权限不足

✅ 仔细跟随“Google setup”指引，确保在Google Cloud Console中正确创建了OAuth凭证，并授予了应用必要的API权限（Gmail, Calendar, Drive Readonly）。

❌ 期待初始使用就有完美效果

✅ Rowboat的知识图谱需要数据积累。初期可能因为历史数据少而回答简略。持续使用几天，让它同步更多邮件和笔记后再评估效果。

❌ 混淆Rowboat（桌面应用）与Rowboat Web Studio

✅ 注意README末尾的提示。本指南针对的是rowboatlabs/rowboat这个开源桌面应用。如果寻找的是Web版本，应前往对应仓库。

❌ 将敏感数据用于测试云端AI模型

✅ 虽然原始数据存在本地，但如果你配置了OpenAI等云端API，请求内容可能会发送出去。初期测试可使用虚构数据或非敏感数据，或坚持使用本地模型。

🚀 后续方向

学完基础后可以继续探索的方向：1. **贡献代码**：阅读开发者文档，尝试修复一个简单的bug或添加一个小功能。2. **构建自定义MCP工具**：为你日常使用的内部系统编写一个MCP服务器，并将其集成到Rowboat中。3. **研究多智能体编排逻辑**：深入代码库，理解Rowboat如何管理和协调不同的后台智能体完成任务。4. **定制知识图谱提取逻辑**：修改或扩展从邮件、会议记录中提取实体和关系的规则。5. **将Rowboat与你的工作流深度结合**：探索如何利用其API或脚本功能，将其嵌入到你现有的自动化流程中。