QMD 本地語義搜尋工具

QMD（Quick Markdown Search）是一個完全在本機運行的 Markdown 筆記搜尋工具，解決 AI Agent 在大量筆記中找到正確資訊的問題。可作為 OpenClaw 的 Skill 安裝。

三層搜尋架構

QMD 結合三種搜尋技術，而非只用其中一種：

搜尋層	適用場景	類比
Keyword Search	知道確切的關鍵字	Ctrl+F
Semantic Search	只有模糊的概念	「找跟 X 有關的東西」
Smart Re-ranker	多筆結果需要排序	把最相關的排到最前面

對應 CLI 指令：

指令	功能	使用場景
qmd search	BM25 關鍵字搜尋	知道精確名詞時
qmd vsearch	向量語意搜尋 + query expansion	只有模糊描述時
qmd query	組合搜尋 + re-ranking	一般查詢（推薦預設使用）

Agent 會自動判斷使用哪種搜尋方式（也可以手動指定 deep search 來強制使用語義搜尋 + 重排）。

安裝與架構

安裝需要 Bun runtime：

curl -fsSL https://bun.sh/install | bash
bun install -g github:tobi/qmd

qmd 不需要 Ollama。它自帶三個 GGUF 模型，透過 node-llama-cpp 在本機推論，首次使用時自動下載至 ~/.cache/qmd/models/：

模型	用途	大小
embedding-gemma-300M	向量嵌入	~300MB
qwen3-reranker-0.6b	結果重排	~640MB
qmd-query-expansion-1.7B	查詢擴展（fine-tuned）	~1.1GB

索引流程：

qmd collection add notes/ --name my-collection --mask "*.md"  # 首次建立
qmd embed                                                       # 建向量嵌入
qmd update                                                      # 後續更新索引

為什麼重要

這解決了 AI Agent 記憶系統的檢索瓶頸：

• 根據 AI Agent 的記憶系統設計，記憶的關鍵是「寫下來」
• 但當筆記累積到成千上萬篇，找到對的那篇比寫下來更困難
• 不用把整個 vault 丟進 context window（昂貴且低效），而是精準檢索需要的段落

這相當於給 AI Agent 一個**「你個人筆記的 Google」**，完全本地運行，不需雲端。

連結

• 上層：Clawdbot MOC
• 相關：AI Agent 的記憶系統設計、Agent Skills 模式
• 類比：RAG 檢索增強生成 — QMD 本質上是本地化的 RAG

參考

• GitHub：https://github.com/tobi/qmd
• YouTube - OpenClaw use cases by VelvetShark — QMD 介紹與使用演示