Barco a Remo: Colega de Trabalho de IA de Código Aberto com Memória de Grafo de Conhecimento

Rowboat é uma ferramenta de colega de trabalho com IA de código aberto projetada para transformar seu trabalho em um grafo de conhecimento continuamente atualizado. Ele armazena dados localmente em sua máquina como arquivos Markdown editáveis, emulando um sistema de gerenciamento de conhecimento no estilo Obsidian. Esta ferramenta é especialmente projetada para automatizar a extração de contexto de várias fontes, como Gmail e anotações de reuniões, vinculando-as por meio de backlinks e atualizando-as à medida que novas informações chegam.

Principais Recursos

• Grafo de Contexto Vivo: Rowboat captura e organiza informações como decisões, compromissos e prazos de fontes como Gmail, Granola e Fireflies em um grafo de conhecimento local e vivo.
• Assistente de IA Local: Ele incorpora acesso local ao shell e suporte ao Model Context Protocol (MCP), o que permite usar seu contexto existente. Por exemplo, gerar resumos ou criar memos de voz usando serviços como ElevenLabs.
• Armazenamento Baseado em Markdown: As informações são armazenadas em arquivos Markdown simples com backlinks, totalmente editáveis, permitindo que os usuários mantenham ou modifiquem os dados manualmente.
• Integrações: Rowboat se conecta com ferramentas e serviços externos, como mecanismos de busca, bancos de dados, CRMs e outras automações para funcionalidade expandida.
• Automação em Segundo Plano: Os usuários podem automatizar tarefas rotineiras, como redigir respostas de e-mail ou atualizações de projeto, com base no contexto acumulado no grafo de conhecimento.
• Modelo Personalizável: A ferramenta suporta diferentes configurações de modelo de IA, incluindo modelos locais via Ollama ou LM Studio, e modelos hospedados com uma chave de API fornecida.

Este sistema é particularmente benéfico para usuários que precisam de uma ferramenta capaz de gerenciar e utilizar dados densos e ricos em contexto de forma eficiente, sem perder tempo ou insights devido a métodos de busca tradicionais lentos e com perdas.