Karpathy曾说过一句值得深思的话："把自己从瓶颈中移开，最大化你的杠杆。只输入很少的tokens，而让大量事情代表你发生。"

但现实中，大多数人的AI几乎没有工作记忆。你参加会议、阅读讨论串、做出决定，而你的大脑会在下一周悄悄丢掉一半内容。然后你又不得不花时间重新阅读、重新提问、重新向自己的AI解释上下文。

Rowboat正是为解决这个问题而生。这个开源项目建立在Markdown + Obsidian基础之上，但进一步扩展到了工作场景。它能将邮件、会议、决策、承诺和截止日期连接到一个知识图谱中，而且这个图谱会随着时间推移每天变得更密，而你几乎不用手动干预。

### 为什么需要第二大脑

当前AI的一个主要限制是缺乏持续记忆。每次对话都像重启一个空白会话，需要重新解释上下文。这不仅低效，还限制了AI作为工作伙伴的潜力。

Rowboat通过以下方式解决了这个问题：

1. 自动从Gmail、会议记录等来源提取信息

2. 将决策、承诺和截止日期作为独立的Markdown文件保存

3. 建立人物、组织和项目之间的关联

### 技术实现

Rowboat完全在本地运行，数据存储在`~/.rowboat/`目录下，采用与Obsidian兼容的Markdown格式。这意味着：

- 你可以继续使用Obsidian编辑笔记

- 所有数据都保留在你的机器上

- 没有供应商锁定风险


### 实际应用场景

- **会议准备**：输入"为我和Sarah Chen的2点会议做准备"，AI会提取过去的相关决策、未解决问题和讨论线索

- **日常摘要**：要求"为我创建今天的语音摘要"，AI会整理当天的会议和邮件

- **长期跟踪**：标记`@rowboat`的笔记会自动更新，保持信息最新

### 如何开始

1. 从[Rowboat官网](https://www.rowboatlabs.com/downloads)下载对应版本

2. 配置模型连接（支持Ollama本地模型或OpenAI等API）

3. 设置Google服务集成（可选）

4. 开始使用

GitHub仓库：[rowboatlabs/rowboat](https://github.com/rowboatlabs/rowboat)

### 思考

Rowboat代表了一种趋势：AI正从单纯的对话工具演变为具有持续记忆的工作伙伴。这种转变可能会改变我们与AI协作的方式，让AI真正成为"杠杆"而非另一个需要管理的工具。

不过，这类系统的一个潜在挑战是如何处理过时或错误的信息。随着时间推移，知识图谱会变得越来越复杂，如何确保其中的信息仍然准确相关，可能是未来需要解决的问题。