QMD知识库搜索

技能简介

qmd是一款本地Markdown知识库搜索工具，采用BM25算法与向量嵌入混合技术，从预索引的文档集合中返回相关片段而非完整文件，实现高达96%的令牌用量削减。

业务背景

针对个人知识工作者和笔记用户，解决本地Obsidian等Markdown库「记得写过却找不到」的痛点。通过混合检索技术精准定位关键片段，避免大模型处理整篇文档的高额令牌消耗，让历史笔记真正可复用。

落地案例：产品经理撰写季度复盘时，需要引用半年前某次会议的结论。使用qmd输入「用户留存下降原因」，工具返回包含该关键词及语义相关片段的三条笔记节选，直接定位到具体文件路径与上下文，无需逐份打开数十篇周报翻查。

能做什么

• 关键词检索：基于BM25算法快速匹配特定术语
• 语义搜索：通过向量嵌入理解概念层面的相似性
• 混合检索：结合两种方法并经过LLM重排序
• 管理文档集合：添加、列出、更新Obsidian笔记库等

使用说明

安装指令：

bun install -g https://github.com/tobi/qmd

初始化配置：

# 添加文档集合（如Obsidian笔记库）
qmd collection add ~/path/to/vault --name notes
# 生成向量嵌入以支持语义搜索
qmd embed --collection notes

执行搜索：

1. 查看可用集合：qmd collection list
2. 关键词搜索：qmd search "api authentication" --collection notes
3. 语义搜索：qmd vsearch "how to handle errors gracefully" --collection notes

参数处理：若$ARGUMENTS含--semantic则启用向量搜索；含--setup则引导安装流程；可通过--collection指定目标集合。

输入与输出

见下方输入与输出表格。

风险提示

• 首次使用需完成安装和集合配置，否则无法执行搜索
• 向量搜索依赖预生成的嵌入文件，新增大量内容后需重新运行qmd embed
• 混合搜索虽覆盖全面但速度较慢，日常查询建议优先使用单一模式
• 所有索引与计算均在本地完成，不依赖外部API

来源信息

原始链接：https://github.com/openclaw/skills/tree/main/skills/anshumanbh/anshumanbh-qmd/SKILL.md
来源类型：GitHub仓库