Rowboat : un coworker IA local-first qui transforme ton travail en graphe de connaissance exploitable

https://github.com/rowboatlabs/rowboat

https://x.com/bigaiguy/status/2026220886987354620

📌 Rowboat est un coworker IA open source local-first qui connecte emails et notes de réunion, construit une mémoire durable sous forme de graphe de connaissance, puis s’en sert pour préparer des briefs, rédiger des emails, générer des documents et automatiser des tâches.

Le positionnement du projet est particulièrement intéressant parce qu’il ne se limite pas à un chatbot avec recherche ponctuelle. Rowboat conserve une mémoire de travail durable, inspectable et modifiable, ce qui permet d’accumuler du contexte au fil du temps au lieu de repartir de zéro à chaque demande.

Cette mémoire repose sur un vault de fichiers Markdown compatibles avec Obsidian. Le résultat est plus transparent qu’un système où tout reste caché dans une base propriétaire: tu peux relire, corriger, enrichir, sauvegarder ou supprimer les notes librement.

Rowboat couvre des usages très concrets du quotidien: préparation de réunions à partir d’anciens échanges, rédaction d’emails en s’appuyant sur les décisions passées, génération de docs ou de slides PDF, synthèse de suivis et capture d’actions à partir de notes vocales.

Le projet met aussi en avant des agents de fond pour automatiser des tâches répétitives. L’idée est de laisser tourner des routines utiles (mise à jour du graphe, brouillons, synthèses, suivis) tout en gardant le contrôle sur ce qui s’exécute et ce qui est écrit dans la mémoire locale.

Côté intégrations, la base couvre déjà des sources de contexte utiles comme Gmail et des outils de notes de réunion. Le support MCP ouvre ensuite la porte à des connexions plus larges (recherche, tickets, outils internes, services vocaux, etc.) pour adapter Rowboat à des workflows plus spécifiques.

Le modèle est flexible: usage local avec Ollama/LM Studio, ou providers hébergés si tu préfères. Dans les deux cas, la mémoire de travail reste locale, ce qui renforce l’intérêt du projet pour les usages sensibles ou simplement pour garder la main sur ses données.

• Mémoire durable sous forme de graphe de connaissance
• Local-first avec données stockées en Markdown sur la machine
• Compatible Obsidian (vault lisible et éditable)
• Préparation de réunions, emails, docs et slides PDF
• Agents de fond pour automatiser des routines
• Support MCP pour étendre les outils et intégrations
• Compatible modèles locaux et modèles hébergés

Le plus intéressant ici, c’est la combinaison entre mémoire longue durée, transparence du stockage et actions utiles au quotidien, avec une approche open source qui reste réellement exploitable en local.