Rowboat 深度评测：YC 团队做的开源 AI 同事，把邮件和会议熬成一张会长大的知识图谱

一句话总结

Rowboat 是「把你的日常工作熬成一张会自己长大的知识图谱」的开源本地 AI 同事——不是又一个聊天框，而是把邮件、会议、Slack、助手对话持续蒸馏成 Obsidian 式双向链接的 Markdown 笔记（人、公司、项目、决策都成为图谱节点），再基于这张图谱替你分诊邮件、写会议纪要、跑后台任务，甚至用一句话拼出住在本地的小应用。适合被「每次开新会话都要重喂一遍背景」折磨、同时在意数据不出本机的技术型知识工作者；但它沙箱防护近乎缺位、集成目前只有 Google 一条腿、图谱需要人工养护，且仍是 v0.8.3 的早期产品——现在值得装来当第二大脑，还不值得把公司的关键流程压上去。

核心数据一览

产品前史：它其实换过两次赛道

这一点几乎所有中文介绍都漏了，但它决定了你该如何看待这个项目的成熟度。

Rowboat Labs 2024 年进 YC 时做的是「面向客服场景的 LLM Agent」；到 2026 年 4 月，GitHub 上的 Rowboat 还是一个「开源多智能体 IDE」，被称作 Agent 界的 Cursor，基于 OpenAI Agents SDK，当时约 1.04 万 Star；直到 2026 年 2 月 Knowledge 版本、7 月 Work Surfaces 版本连续发布，它才彻底转型成今天这个「带记忆的 AI 同事」。

换句话说：16,900 颗星里有相当一部分是上一代产品攒下的。 这不是黑它——两次转型都由同一支三人团队完成，迭代速度惊人（v0.6.8 到 v0.7.1 在两天内连发四个版本）——但你在评估「这产品够不够稳」时，不该把星数直接等同于当前形态的成熟度。

核心功能评测

1. Brain 知识图谱 ⭐⭐⭐⭐⭐

这是 Rowboat 的第一性原理，也是它唯一真正稀缺的东西。

绝大多数 AI 工具用的是 RAG：你提问，它临时去文档堆里捞几段塞进 prompt，答完即忘，下次从零开始。Rowboat 反过来——它把邮件、会议转录、Slack、以及你和助手的历史对话持续蒸馏成带反向链接的 Markdown 笔记，人、公司、项目、主题各自成为节点，图谱随工作自动更新。官方 README 里对这个差异的表述很准确：结果是会复利的记忆，而不是每次都冷启动的检索。

关键设计有两点。其一，不把整张图喂给模型——团队在 HN 明确说明只检索相关笔记，以控制上下文成本。其二，实体消歧用两层法：原始同步层按来源 ID 存储，图谱构建层再用 LLM 批处理做合并；出现信息冲突时按时间戳更新，团队称后续会标记冲突供人工复核。

但它也不是没有争议。HN 上有开发者直接质疑：「有个图谱似乎并没有比 SQLite 或 Postgres 多提供什么价值，说自己有『上下文图谱』只是营销话术。」这个质疑团队没有正面反驳。我的看法是：图谱本身的技术含量确实有限，真正的价值在于它是人类可读、可手改的纯文本——你能打开看它到底记了什么、记错了就改掉，这在黑箱记忆的产品里是稀缺的。

2. 邮件工作面 ⭐⭐⭐⭐☆

内置邮件客户端把收件箱分成「重要」和「其余」，对重要邮件直接预生成草稿；你每次编辑和发送，它都会学你的语气，下一封更像你写的。这个「从你的修改中学习」的闭环设计比单纯的 AI 写邮件高一档。

但有一个必须知道的硬限制：Google 连接目前是只读的。 HN 上有用户接入 Gmail 后让它归档邮件，Agent 直接卡住不动，团队回复确认写操作尚未支持。同时，集成目前基本只有 Google 一家（Gmail / Calendar / Drive，会议侧支持 Granola 和 Fireflies）。多位用户要求支持 IMAP / JMAP / CalDAV，团队回复「100% 同意，会排进路线图，先做 Google 是因为最快」。如果你用的是 Outlook、企业邮箱或自建邮件服务，现在基本用不上这个面。

3. 本地会议记录 + 后台 Agent ⭐⭐⭐⭐☆

会议记录器是 Granola 式的本地方案：直接接麦克风和扬声器，不需要一个机器人加入你的会议——这在很多公司的合规环境里是决定性的差别。边开会边出实时转录，会议结束生成带行动项的 Markdown 摘要，并自动回写图谱里相关的人和项目节点。

后台 Agent 支持事件触发（新邮件到达、会议结束）和定时触发（每天早上 8 点），可以联网搜索、驱动内置浏览器、调用工具、甚至写代码。调度支持 cron、时间窗口和一次性任务，UI 里可开关。团队表示审批系统仍在开发中——这意味着现在的后台 Agent 是在没有完整审批链的情况下自动跑的，这一点要和下面的安全短板连起来看。

4. Code Mode 与隔离浏览器 ⭐⭐⭐⭐☆

Code Mode 不自己造轮子，而是通过自建的 ACP（Agent Client Protocol）客户端并行拉起多个 Claude Code 或 Codex 实例，再用你的工作上下文去调度它们。会议上定的一个决策、客户提的一个阻塞点，可以直接变成一个带可审阅 diff 的分支，而你不用再向任何人重述背景——这个动线是它把「记忆」变现为生产力的最漂亮的一处。

内置浏览器则刻意与你的主浏览器隔离：你只在里面登录那些愿意让助手碰的账号，Agent 用 browser-use 技能操作网页。这个「隔离登录态」的设计比 Fellou 那种直接跑在你主浏览器登录态上的方案在心理负担上轻得多。

5. Work Surfaces 自建应用 ⭐⭐⭐⭐☆

2026 年 7 月上线的新能力，也是第三次登上 HN 首页的版本：你用自然语言向 copilot 描述一个工作流——融资 CRM、现金流跑道追踪器、客户健康度看板——它就生成一个住在 Rowboat 内部、跑在本地的小型 Web 应用，每个应用有自己的 UI 和一个后台 Agent，能调用 Rowboat 的全部工具、集成和你的工作记忆。发布也只需一步：连上 GitHub，它自动建仓库并注册应用，社区应用可直接搜索安装。

HN 上那条被官网引用的高赞评价说得挺准：「这非常接近我想要的 AI 工具形态：不只是聊天，而是记忆 + 围绕记忆的真实工作面。」不过要清醒——这类生成式小应用的天花板仍是「能跑的原型」，不是能交付客户的产品。

价格方案：软件免费，但账单在别处

Rowboat 本体 Apache-2.0 完全免费，没有任何付费档。真正的成本是外置的，这才是你该算的账：

这里必须做一次辟谣。 调研过程中我发现多个 AI 工具聚合站给出了互相矛盾且与官方不符的定价：某站标注 Rowboat「Free，Pro 起价 $49/月」并称它是 Linux 独占客户端；另一站标注「Starter $20/月、Pro $200/月」。这两组数字在官网、GitHub 仓库、YC 官方页面上都找不到任何依据，而「Linux 独占」更是直接与 GitHub Releases 里同时挂着 Windows setup.exe 和 macOS 安装包的事实相悖。截至发稿，Rowboat 没有任何官方付费档位。 团队只是在 HN 评论里表示，计划推出一个零配置的托管账户版（帮你托管集成与模型选择），但尚未上线、也未公布价格。

真正的隐性成本是后台 Agent 的持续调用。 有长期使用者提醒：如果所有后台实体抽取都走 GPT 或 Claude，持续的自动处理会悄悄堆出可观账单，他的建议是用本地 Ollama 跑后台的实体抽取，把云端模型留给真正需要推理的任务——这是个很实在的省钱策略。

与竞品对比

一句话选型：要开箱即用和安全兜底，选 Claude Cowork；要穿透登录态做跨站深搜，选 Fellou；要数据不出本机、模型完全自选、且愿意为此付出配置成本，Rowboat 是目前最完整的开源答案。

优势与短板

优势展开：

• 记忆是产品哲学，不是功能清单里的一行。 从图谱设计、纯文本存储、到五个工作面共享同一份上下文，整个产品是围绕「上下文要活得比会话久」这一个判断搭起来的，内部一致性很高。
• 数据主权做到了可验证的程度。 不是「我们承诺不看你的数据」，而是「数据就是你硬盘上一堆 .md 文件，你自己去看」。团队原话是：没有专有格式、没有托管锁定，随时可检视、编辑、备份、删除。如果 Rowboat 明天倒闭，你的知识库还是一个你完全拥有的文件夹。
• 模型自由度是它对 Claude Cowork 的结构性优势。 能完全离线跑，也能直接复用你已有的 ChatGPT 订阅，不必再多付一份月费。
• 团队姿态诚恳。 HN 那 56 条评论里，团队几乎逐条实名回复，承认路线图缺口、解释只读限制、采纳社区建议（比如用「你主动发过邮件的人」作为重要度信号）。这在开源项目里是可持续性的正面信号。

短板展开：

• 安全是最该警惕的一环。 HN 上有安全向的用户直言：完全缺乏任何形式的沙箱令人害怕——这个东西要消化各种来源的文本，底层又跑 Node.js 执行各类任务；他还认为「让 LLM 写 JS 文件」以及「只建草稿不发送」这种防线是天真的。另有用户对 shell 访问权限表示担忧。客观地说，Gmail 只读是团队有意为之的谨慎设计，但当你把一个能读你全部邮件、又能执行代码的程序放在本机时，提示注入的攻击面是实打实的。
• 图谱会长杂草。 不主动做人工整理，图谱容易越来越乱；有实测者还发现，用参数量太小的本地模型（如 7B 蒸馏版）做图谱关联时会把不相关的内容连在一起，换更大的模型后明显好转。
• 本地优先的口号有折扣。 语音转写等能力依赖 Deepgram、ElevenLabs 这类云服务，严格意义上并非全链路本地——想要纯离线，得放弃这部分功能。
• 早期产品的粗糙感。 有实测者在 v0.7.2 时反馈界面偶尔卡顿、部分功能不够稳定；Granola 同步等集成出现过失效且缺清晰修复说明；自定义 MCP Server 的文档也偏薄。三人团队同时推桌面、Web、CLI 三条产品线，速度换来的代价就在这里。
• 没有移动端。 本地优先的天然代价：手机上访问不到你的图谱和 Agent。

上手避坑清单

1. 先索引再评价。 首次接入会全量索引现有邮件与文件，有实测者的约 2GB 数据索引了 20 分钟左右，之后转为增量。别在索引没跑完时下结论。
2. 别用手动改文件名的方式整理图谱。 笔记之间靠引用关联，手动重命名或移动文件会打断链接，要改请走 Rowboat 界面。
3. 后台任务优先挂本地模型。 实体抽取这类高频低难度活交给 Ollama，把云端大模型留给推理密集的任务，账单能差出一个数量级。
4. 给图谱一周时间。 有长期使用者的经验是：安装约 30 分钟，但图谱要用满一周才真正好用，头几天觉得平庸是正常的。
5. 敏感账号先别接。 在审批系统完善、沙箱补齐之前，建议先用非核心邮箱和小号账户跑通流程。

最终推荐

强烈建议试试，如果你是这几类人：

每天泡在邮件和会议里、跨多个项目和客户来回切换的知识工作者；被「每开一个新会话就要重讲一遍背景」反复折磨的重度 AI 用户；所处行业把「邮件内容上云」视为安全风险、必须本地处理的从业者；已经在用 Obsidian 但懒得手动建双链的人；以及愿意用 Ollama 跑本地模型、能接受命令行和配置文件的技术型用户。

不建议现在依赖它，如果你是这几类人：

用 Outlook、企业邮箱或非 Google 日历的用户（当前集成基本覆盖不到你）；需要开箱即用、零配置、有客服兜底的团队（去用 Claude Cowork）；需要在手机上随时访问助手的用户（Rowboat 没有移动端）；处理高度敏感数据且没有能力自行评估提示注入风险的组织；以及想要一个「装完就自动变聪明」的插件式方案的人——Rowboat 给你的是一副很有想法的骨架，不是交钥匙工程。

组合建议： 让 Rowboat 当那个带长期记忆的第二大脑，专管邮件分诊、会议沉淀和知识积累；把穿透登录态的深度调研交给 Fellou；把需要强安全兜底的正式产出交给 Claude Cowork。三者定位不冲突，各取所长的收益远大于死磕一个。

关于 4.2 分： 概念完成度和数据主权设计值 5 分，社区验证与迭代速度值 4.5 分，但沙箱缺位、Google 独苗集成、图谱噪音和 v0.8.x 的成熟度各扣一档。这是一个方向极对、执行仍在半路上的项目——现在装它，你是在投资一个赌注，而不是购买一个成品。

评测声明：本文基于 Rowboat 官网（rowboatlabs.com）、GitHub 官方仓库（rowboatlabs/rowboat，Apache-2.0）与 Releases 页面、Y Combinator 官方公司页与产品发布页、Hacker News 原帖及 56 条社区评论（含团队公开回复）、以及多篇独立中文/英文实测文章交叉核验撰写。版本号、安装包体积、提交数、融资与团队背景等均以官方来源为准；用户体验类描述均标注为第三方实测引用，作者未声称亲自完成全部功能测试。文中已对两家 AI 工具聚合站与官方矛盾的定价信息做出更正说明。本文不含付费推广。