笔记
0工具
0此页用于记录用户反馈问题后的每一次改进
关于
“写笔记”支持四种格式——Word 文档、Excel 表格、Markdown、纯文本，起稿或二次编辑时都能随时切换，同一篇笔记想用哪种形态来记，都由你说了算。
md、txt、csv、json 这类纯文本则原样载入，不做多余加工。拿一张现成的表倒进来、改几笔、再导出去，等于白用一台免费的格式转换器。
要带走就在右上角点“下载”，可导出 PDF、Word、Markdown、Excel、TXT 等格式；列表卡片“⋯”菜单里，也有同样的下载入口。
在“工具”页点“＋ 上传工具”即可发布：填好名称与链接，再用 Markdown 把使用方法写清楚——能解决什么问题、怎么装、怎么用，比堆介绍实在。
要分发安装包就一并上传压缩包（ZIP、RAR、7Z、TAR.GZ，最大 35MB），别人在详情页一键下载；只放链接不带附件也可以。
工具按大家的收藏热度排序，好用的自然会被顶上来。发布后可在详情页或卡片菜单里编辑、下架。
写笔记时勾上“隐藏”，这篇就只存在于你自己的账号里：不进列表、不进搜索、不上首页精选，也不会出现在任何公开的页面，链接发给别人同样打不开。
适合放密码、草稿、日记这类只给自己看的内容；想公开，去“发布”打开它，把“隐藏”的勾去掉再保存，之后编辑会默认保持原状态，不会悄悄变回公开。
不想公开、只想临时给人看：点“分享”生成一条带密码和有效期的链接，到期自动失效，你也能随时撤销。
你的内容会同时保存在多个副本上，系统定期做备份与完整性校验，再配合异地容灾机制：就算某台机器出问题，数据也不会丢，可以长期放心存放；特别重要的资料，仍建议你另外再留一份备份。
全站跑在容器化、模块化的现代架构上，更新、部署、回滚都很快，扩展性和稳定性都按长期运营的标准来设计（Built for reliability, designed to scale）。
这个网站最早只是一个人的笔记仓库，后来慢慢长成现在的知识中枢。设计上很克制——没有广告、没有追踪、没有推荐算法，只是干干净净地存放一些东西；既然做好了，就公开出来，万一有人用得上呢。
不做大而全，不做平台梦，保持简单、保持克制、保持好奇。所有内容都由用户贡献、由用户维护：不会突然冒出付费墙，不会在角落塞广告位，也不会把你的数据卖给第三方。
产品会持续迭代，站内日志页记录着每一次改动，改了什么都有迹可循；想了解这个站是怎么一步步走到今天的，翻翻日志就能看到来龙去脉。
如果在这里看到涉嫌违规的内容，点对应卡片右侧的“举报”按钮就能提交，我们会尽快核实处理；也谢谢你花一点时间，一起把这里维护干净。
趋势
Rowboat：开源、本地优先的 Claude Desktop 替代方案深度解析
Rowboat 是一款开源、本地优先、可自托管的 AI 助手桌面应用，旨在替代 Claude Desktop，提供更强的隐私与定制能力。
项目背景与核心理念
Rowboat 的出现源于对现有 AI 桌面助手（尤其是 Claude Desktop）的几点不满：
- 数据隐私问题：Claude Desktop 虽然功能强大，但所有对话数据默认上传到 Anthropic 的云端服务器。对于处理敏感代码、内部文档或商业机密的开发者而言，这不可接受。
- 封闭生态：Claude Desktop 仅支持 Anthropic 的模型（Claude 系列），无法接入本地运行的 LLM（如 Llama、Mistral）或其他云端 API（如 OpenAI、Google Gemini）。
- 缺乏定制性：用户无法自定义提示词模板、工具链或知识库，只能使用官方提供的有限功能。
Rowboat 的核心理念是“本地优先 + 完全开源”。它将 AI 助手的控制权完全交还给用户：数据存储在本机，模型可自由切换，甚至可以在完全离线的环境下运行。
技术架构与实现细节
Rowboat 基于 Electron + React 构建，后端使用 Node.js 与 Python 混合架构。其关键组件包括：
1. 多模型支持引擎
Rowboat 不绑定任何特定模型提供商，而是通过统一的接口层支持：
- 本地模型：通过 llama.cpp 或 Ollama 加载 GGUF 格式的量化模型（如 Llama 3、Mistral、Qwen），完全离线运行。
- 云端 API：支持 OpenAI、Anthropic、Google Gemini、Groq 等主流 API，用户只需填入自己的 API Key。
- 自定义端点：允许接入任何兼容 OpenAI API 格式的自托管服务（如 vLLM、TGI）。
切换模型时，Rowboat 会自动调整上下文窗口大小、最大 Token 数等参数，无需手动配置。
2. 本地知识库（RAG 支持）
Rowboat 内置了检索增强生成（RAG）能力，允许用户将本地文件作为知识库：
- 支持格式：Markdown、PDF、TXT、代码文件（自动检测语言）。
- 嵌入模型：默认使用 all-MiniLM-L6-v2（约 80MB），也可替换为其他 Sentence-Transformer 模型。
- 索引存储：使用 SQLite + FAISS 向量索引，所有数据仅存于本地。
当用户提问时，系统会先检索相关文档片段，再将其作为上下文注入 LLM 提示中。这使得 Rowboat 可以回答关于项目代码库、技术文档或私有知识库的问题，而无需将数据上传到任何第三方。
3. 工具调用（Function Calling）
Rowboat 实现了 OpenAI 兼容的 Function Calling 协议，允许 AI 模型调用本地工具：
- 文件操作：读取、写入、搜索文件系统（限定在用户指定的目录内）。
- 代码执行：在沙箱中运行 Python/JavaScript 代码片段，返回结果。
- Web 搜索：通过用户配置的搜索引擎 API（如 SearXNG 自托管）进行实时搜索。
- 自定义工具：用户可编写 Python 脚本作为工具，Rowboat 会通过 STDIN/STDOUT 与脚本通信。
工具调用采用“请求-批准”模式：AI 会先提出要调用哪个工具及参数，用户确认后才会执行，避免自动执行带来的安全风险。
4. 对话管理
所有对话记录存储在本地 SQLite 数据库中，支持：
- 多会话管理，可命名、搜索、导出。
- 对话历史自动保存，重启应用后恢复。
- 导出格式支持 Markdown 和 JSON，方便分享或备份。
与 Claude Desktop 的对比
| 特性 | Rowboat | Claude Desktop |
|---|---|---|
| 开源 | ✅ (MIT 协议) | ❌ |
| 本地模型 | ✅ (Ollama/llama.cpp) | ❌ |
| 云端模型 | ✅ (多 API) | ❌ (仅 Anthropic) |
| 本地知识库 | ✅ (RAG) | ❌ |
| 工具调用 | ✅ (沙箱执行) | ✅ (有限) |
| 数据存储 | 本地 SQLite | 云端 |
| 离线使用 | ✅ (使用本地模型时) | ❌ |
| 自定义提示词 | ✅ | ❌ |
| 跨平台 | macOS, Windows, Linux | macOS, Windows |
安装与使用
Rowboat 提供了三种安装方式：
- 预编译二进制：从 GitHub Releases 下载对应系统的安装包（支持 macOS DMG、Windows EXE、Linux AppImage）。
- Homebrew（macOS/Linux）：
brew install rowboat - 源码编译：
git clone && npm install && npm run build
首次启动时，用户需要配置模型：
- 选择“本地模型”并指定 Ollama 的端点（默认 http://localhost:11434）。
- 或选择“云端 API”并填入 OpenAI/Anthropic 的 API Key。
接着可以添加本地知识库：点击“Add Folder”选择项目目录，Rowboat 会自动扫描并索引文件。
社区与生态
Rowboat 在发布后 24 小时内获得了 115 分和 28 条评论，社区反馈集中在：
- 对本地优先理念的认可，特别是处理敏感代码的开发者。
- 希望增加对更多嵌入模型的支持（如 OpenAI embeddings）。
- 请求提供 Docker 部署方案，方便在服务器上运行。
项目采用 MIT 协议，鼓励贡献。目前已有 3 位核心维护者，GitHub Issues 中标记了多个 Good First Issue 供新贡献者参与。
总结
Rowboat 不是 Claude Desktop 的简单克隆，而是代表了一类更开放、更注重隐私的 AI 桌面助手范式。它解决了当前主流 AI 助手的两大痛点：数据主权和模型选择自由。对于需要处理敏感代码的企业开发者、希望实验不同模型的 AI 爱好者、以及追求完全离线运行的隐私倡导者来说，Rowboat 提供了一个切实可行的替代方案。