Rowboat: открытый ИИ-коворкер с памятью вместо Claude Desktop

Вы открываете чат с Claude — и снова объясняете ему, кто такой Алекс из команды продаж, что обсуждалось на прошлой неделе и почему проект «Феникс» завис на согласовании. Контекст обнуляется при каждой новой сессии. Подписка стоит денег. Ваши данные уходят в облако Anthropic. А что если существует свободная альтернатива, которая не только запоминает всё это — но и хранит у вас на машине?

Знакомьтесь: Rowboat — open-source ИИ-коворкер с персистентной памятью, который работает локально и не привязывает вас ни к одному вендору.

Что такое Rowboat и зачем он появился

Rowboat подключается к вашей электронной почте и заметкам с совещаний, строит долгоживущий граф знаний и использует этот контекст, чтобы помочь вам в работе — приватно, прямо на вашей машине.

Проект (rowboatlabs/rowboat, лицензия Apache-2.0) позиционируется как бесплатная, local-first альтернатива Claude Cowork от Anthropic: открытый десктопный коворкер, который превращает Gmail, календарь и заметки с совещаний в граф знаний в стиле Obsidian, а затем действует в этом контексте с любой LLM на ваш выбор — Ollama, LM Studio или облачными провайдерами — не привязывая вас к подписке Claude или облачной памяти.

Идея возникла из реального опыта команды. В предыдущем стартапе они строили продукт с живыми подсказками для операторов поддержки — и главный урок, который они вынесли: недостаточно, чтобы ИИ был прав; помощь должна появляться там, где происходит работа.

Ключевая идея: граф знаний вместо холодного старта

Тезис Rowboat — долгоживущая рабочая память, а не холодное извлечение контекста при каждой сессии.

В отличие от ИИ-инструментов, которые полагаются на извлечение контекста по запросу, Rowboat строит и поддерживает долгоживущую базу знаний, позволяя контексту накапливаться, а связям — становиться явными и легко доступными.

Вот как это работает на практике:

Rowboat поглощает электронную почту и заметки с совещаний, извлекает людей, проекты, решения и обязательства и записывает их в виде связанных Markdown-файлов, которые можно открыть в Obsidian. Затем локальный агент составляет черновики, планирует, генерирует PDF-презентации или создаёт голосовые брифинги — опираясь на этот граф.

База знаний хранится локально как совместимый с Obsidian набор обычных Markdown-заметок, что обеспечивает прозрачность и позволяет пользователям инспектировать, редактировать и управлять своими данными напрямую.

graph TD
    A[Gmail / Calendar / Fireflies] --> B[Markdown-граф знаний]
    B --> C[Rowboat Agent]
    C --> D[MCP-инструменты: Exa, Slack, GitHub]
    C --> E[Локальная или облачная LLM]
    E --> F[Брифинги / PDF-декки / Голос]
    style B fill:#2d6a4f,color:#fff
    style C fill:#1b4332,color:#fff
    style F fill:#52b788,color:#000

Что именно запоминает Rowboat

Он интегрируется с почтовыми сервисами, такими как Gmail, и платформами для заметок с совещаний, такими как Granola и Fireflies, автоматически извлекая релевантную информацию и включая её в базу знаний пользователя.

Граф знаний использует бэклинки в стиле Obsidian для связывания заметок между собой. Например, встреча с Сарой Чен автоматически свяжется с [[Sarah Chen]] и [[Acme Corp]], создавая сеть связанного контекста.

Практические сценарии использования

Rowboat Copilot помогает с: составлением писем с полным контекстом прошлых переписок; подготовкой к встречам с информацией об участниках, прошлых решениях и открытых вопросах; созданием и редактированием заметок в графе знаний; генерацией PDF-презентаций из рабочего контекста; отслеживанием статуса проектов с использованием накопленной памяти.

При составлении писем Rowboat опирается на вашу реальную историю взаимодействий и договорённостей с каждым получателем. Это устраняет когнитивную нагрузку от необходимости помнить, что было обещано, что ещё не сделано и какой тон уместен в каждых отношениях.

Архитектура: модели, инструменты, интеграции

Гибкость в выборе модели

Rowboat поддерживает различные варианты моделей, включая локальные модели через Ollama или LM Studio и облачные модели через пользовательские API-ключи. Это позволяет каждому выбрать модель, которая лучше всего подходит для его задач и предпочтений.

Интеграция через MCP

Rowboat может подключаться к внешним инструментам и сервисам через Model Context Protocol (MCP). Это означает, что можно подключить, например, поиск, базы данных, CRM-системы, инструменты поддержки и автоматизации — или собственные внутренние инструменты.

Механизм мульти-агентного взаимодействия Rowboat позволяет автоматизировать сложные задачи через специализированных агентов. Каждый агент фокусируется на конкретной задаче или сегменте диалога, оснащён соответствующими инструментами и базами знаний (например, через RAG). Агенты эффективно взаимодействуют через динамические механизмы коммуникации.

Голосовые функции

Для включения голосового ввода и голосовых заметок можно добавить API-ключ Deepgram в ~/.rowboat/config/deepgram.json, а для голосового вывода — API-ключ ElevenLabs в ~/.rowboat/config/elevenlabs.json.

Запуск через Docker

Запустить Rowboat локально очень просто:

# Клонировать репозиторий
git clone https://github.com/rowboatlabs/rowboat.git
cd rowboat

# Поднять через Docker Compose
docker-compose up --build

# Открыть в браузере
# http://localhost:3000

Rowboat также предоставляет stateless HTTP API и Python SDK, что упрощает интеграцию агентов в существующие приложения или сайты.

Пример вызова API:

curl --location 'http://localhost:3000/api/v1/<PROJECT_ID>/chat' \
  --header 'Content-Type: application/json' \
  --header 'Authorization: Bearer <API_KEY>' \
  --data '{
    "messages": [{"role": "user", "content": "Подготовь меня к встрече с Алексом"}],
    "state": null
  }'

Rowboat vs Claude Cowork: честное сравнение

Claude Cowork — сильный инструмент для разовой работы с файлами, но он зависит от облака, тарифицирует каждый токен по API-ставкам поверх абонентской платы, не строит персистентной модели пользователя.

Rowboat атакует более сложную проблему для многих knowledge workers: контекст, который накапливается без аренды закрытого облачного хранилища.

Для команд, сравнивающих агентные десктопы: воспринимайте Cowork как отполированный проприетарный агент, а Rowboat — как проверяемый, модельно-нейтральный, граф-первый коворкер, который можно запустить на собственной машине.

Конфиденциальность и ограничения

Почему local-first — это важно

Rowboat представляет растущее движение к «суверенному ИИ» — системам искусственного интеллекта, которые пользователи владеют, контролируют и эксплуатируют независимо от крупных технологических платформ. Этот подход отвечает трём сходящимся тенденциям: растущей обеспокоенности эксплуатацией данных ИИ-компаниями, регуляторному давлению с требованиями локализации данных и прозрачности.

Rowboat — open-source и бесплатен. Расходы могут возникнуть только на API-ключи при использовании облачных ИИ-моделей (OpenAI, Anthropic и др.), но само приложение не имеет абонентской платы. Локальные модели через Ollama или LM Studio работают полностью бесплатно.

Реальные ограничения

Среди недостатков: сложность первоначальной настройки по сравнению с коммерческими альтернативами; необходимость собственного API-ключа и связанных затрат при использовании облачных моделей; некоторые возможности могут уступать хорошо финансируемым проприетарным инструментам; меньшая экосистема по сравнению с крупными коммерческими платформами.

Rowboat не клонирует каждую функцию Cowork с первого дня — фоновая автоматизация оболочки и действия записи во входящих ещё развиваются — но атакует более сложную проблему для многих knowledge workers: контекст, который накапливается без аренды закрытого хранилища памяти.

Заключение: когда Rowboat — правильный выбор

Интеграция персистентной памяти, локального владения данными и мульти-агентных возможностей позиционирует Rowboat как убедительную альтернативу для профессионалов и организаций, заботящихся о конфиденциальности и стремящихся сохранить контроль над своими ИИ-инструментами.

Модель, при которой каждая сессия начинается с чистого листа, — не технологическая необходимость, а дизайнерское решение, удобное для вендора. Rowboat делает ставку на противоположное: ваш рабочий контекст должен накапливаться, оставаться под вашим контролем и быть доступен любой модели, которую вы выберете сегодня или через год.

Это не просто инструмент — это философия работы с ИИ, в которой данные принадлежат вам.