Thoth
本地优先的 AI 桌面助手，集成记忆、知识图谱、30+工具和多渠道通信，让 AI 真正成为你的数字分
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
本地优先的 AI 桌面助手，集成记忆、知识图谱、30+工具和多渠道通信，让 AI 真正成为你的数字分
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象一个场景：你正在写一份技术报告，需要 AI 帮你查资料、总结论文、生成 PPT，同时还要回复客户邮件、更新待办事项。以往这需要你在 ChatGPT、Notion AI、邮件客户端、Slack 之间来回切换——每个工具都是一座信息孤岛。
Row-Bot（前身 Thoth）想解决的就是这个问题。它不是又一个聊天窗口，而是一个真正运行在你电脑上的「AI 分身」：会记住你说过的每一句话，建立你的个人知识图谱，主动安排任务，还能通过语音、邮件、Telegram 等渠道和你沟通。整个系统 2026 年 3 月上线 GitHub，到 6 月已获得超过 1200 颗星，发布 4 个大版本，发展速度惊人。
图1：Row-Bot 应用图标（来源：项目文档）
Row-Bot 的设计哲学是「数据主权」——你的对话记录、个人知识、任务安排全部存在本地，不上传到任何服务器。这是它与 ChatGPT、Claude 等云端 AI 服务的根本区别。
系统不包含任何账号体系，没有 Row-Bot 自有的遥测或数据分析管道。LLM 调用直连用户自选的模型提供商（OpenAI、Anthropic、Google 等）或本地 Ollama 实例，API 密钥存于操作系统凭证管理器中。这种架构让 Row-Bot 在隐私敏感场景（医疗记录分析、法律文书处理、企业内部知识管理）中有独特优势——数据永远不离开你的硬盘。
图2：安全与隐私架构（来源：项目文档）
Row-Bot 的名字本身就是设计原则：Reason（推理）、Orchestrate（编排）、Work（执行）。整个系统分为三大层：
Row-Bot 底层是一个基于 LangGraph 实现的 ReAct（Reason + Act）自主 Agent。与传统一问一答的 AI 不同，ReAct Agent 能够自主决定调用哪些工具、调用几次、结果如何处理。例如当你问「帮我分析本月销售数据并生成 PPT」时，Agent 会自动调用数据读取工具 → 分析工具 → PPT 生成工具，串联起完整工作流。
模型路由支持十余种提供商：
| 类型 | 提供商 |
|---|---|
| 本地模型 | Ollama（含 lmstudio、llama.cpp、vLLM 等兼容端点） |
| 云端 API | OpenAI、Anthropic、Google AI、xAI、MiniMax、OpenRouter |
| 订阅服务 | ChatGPT Plus、Claude 订阅 |
| 自托管 | Atlas Cloud |
模型选择策略由用户配置，Row-Bot 会记录每个模型的能力标签（工具调用、视觉、多模态、上下文长度），在任务复杂度不同时自动选择性价比最高的模型。
图3：核心 Agent 架构（来源：项目文档）
这是 Row-Bot 最强大的地方。系统内置超过 30 个核心工具，覆盖：
此外，系统支持 MCP（Model Context Protocol）客户端，可以接入任何兼容 MCP 的外部工具。对于高级用户，还提供了 Custom Tool Builder，无需写代码即可通过自然语言描述构建自定义工具。
系统内置了 17 个预置 Skill（技能），每个 Skill 是一个结构化的 Agent 工作流配置：
deep_research：深度研究模式，递归搜索和综合信息data_analyst：数据分析，完成数据清洗到可视化的全流程humanizer：将 AI 文风改写为更自然的人类表达developer_coding：代码编写辅助，支持多文件项目brain_dump：快速将语音或文字想法存入知识库daily_briefing：每日简报，整合日历、邮件、任务生成晨会材料meeting_notes：会议记录，自动生成结构化会议纪要
图4：多渠道消息架构（来源：项目文档）
Row-Bot 的记忆系统分为三层：
知识图谱让 Row-Bot 能够回答「你之前在哪次对话里提到过 XXX 来着？」这类跨会话的记忆问题，而不是每次都从零开始。
系统还支持 定时任务（基于 APScheduler）和 条件触发工作流，例如「每天早上 8 点生成今日待办」或「收到特定邮件时自动摘要存档」。
v4.1.0 新增的「受控自进化」是 Row-Bot 的亮点功能：Agent 可以根据执行结果自动分析和改进自己的 Prompt、工作流和工具使用策略，同时所有变更都需用户确认后才生效——既保留了 AI 的自主优化能力，又不失去人类控制。
图5：自进化（Self-Evolution）架构（来源：项目文档）
| 层次 | 技术选型 | 说明 |
|---|---|---|
| 前端界面 | NiceGUI | Python 原生 Web UI 框架，无需单独的前端工程 |
| Agent 框架 | LangChain + LangGraph | ReAct 推理引擎，支持有状态多轮对话 |
| 向量检索 | FAISS + Sentence-Transformers | 本地语义搜索，无需云服务 |
| 知识图谱 | NetworkX | Python 原生图数据库 |
| LLM 连接 | LangChain 各类 Provider | OpenAI/Anthropic/Ollama 等十余种 |
| 消息渠道 | python-telegram-bot、slack-bolt、discord.py | 各平台原生 SDK |
| 语音 | soundfile | 音频录制与处理 |
| 定时任务 | APScheduler | Python 任务调度 |
| 文档导出 | FPDF2、python-pptx、python-docx | 多格式文档生成 |
| 可视化 | Plotly + Kaleido | 交互式图表生成 |
值得注意的是，Row-Bot 没有独立的前端代码仓库，整个 UI 通过 NiceGUI（基于 Quasar）用纯 Python 构建，开发者修改界面只需改 Python 代码。这大大降低了技术门槛——任何会写 Python 的人都能定制 Row-Bot。
图6：知识图谱架构（来源：项目文档）
Row-Bot 提供三个平台的原生安装包：
.exe 安装包，双击即装.dmg 安装包，支持 Apple Siliconcurl -fsSL https://row-bot.ai/install.sh | bash安装后首次启动会引导用户配置模型：选择 Ollama（完全本地，免费）或填入 OpenAI/Anthropic 等 API Key。整个设置过程约 5-10 分钟。
使用门槛评估：
硬件需求：
Row-Bot 作为新生项目，仍有以下局限：
Row-Bot 的出现折射出 2025-2026 年 AI 应用领域的一个重要趋势：从「AI 作为工具」到「AI 作为代理」。用户不再满足于在聊天框里问问题，而是希望 AI 能够自主地、持续地在后台完成多步骤任务。
Row-Bot 将知识管理、任务自动化、多渠道通信这些原本分散在多个应用中的能力整合到一个本地应用中，代表了「AI Native Desktop App」的一种实践方向。在隐私合规要求日益严格的企业环境下，本地优先的设计也让其在医疗、法律、金融等领域有独特价值。
从项目活跃度来看（v4.1.0 于 2026-06-13 刚发布），Row-Bot 正处于快速迭代期，17 个内置 Skill 和持续扩展的渠道支持显示了开发者的产品思考。如果你需要一个能够真正「长在」你电脑里、主动帮你工作的 AI 助手，Row-Bot 值得一试。