本地 Markdown 知识库秒级全文搜索

本地 Markdown 笔记全文搜索引擎，支持 BM25 关键词与语义向量混合检索，秒级响应个人知识库查询。

基本信息

• 技能名称?qmd External Knowledge Base Search
• 中文名称?本地 Markdown 知识库秒级全文搜索
• 作者?levineam
• 分类?专业技能
• 版本?1.1.0
• 标签?search, markdown, knowledge-management, local-first, obsidian, notes, bm25, vector-search

使用方法

使用说明
qmd 核心用法
qmd 是一款专为 Markdown 笔记和文档设计的本地搜索引擎，采用混合架构（BM25 + 向量语义），让用户能够快速检索个人知识库中的内容。
显著优点

1. 极速关键词搜索 ： qmd search 基于 BM25 算法，典型场景下响应近乎即时，无需等待模型加载
2. 隐私优先 ：完全本地运行，依赖本地 GGUF 模型，笔记数据不上传云端
3. 灵活的索引管理 ：支持多集合（collection）管理，可按路径和文件掩码自定义索引范围
4. 多种输出格式 ：支持 --json 和 --files 等机器友好格式，便于自动化集成
5. 自动补全生态 ：与 Clawdbot 集成，可通过定时任务自动保持索引新鲜
   潜在局限
   语义搜索冷启动慢 ： vsearch 和 query 模式因需加载本地 LLM（如 Qwen3-1.7B），首次运行可能耗时约 1 分钟
   非代码搜索工具 ：明确不适用于源码仓库检索，专为 Markdown 内容优化
   Bun 运行时依赖 ：必须使用 Bun（≥1.0）安装，对 Node.js 用户增加额外环境要求
   macOS 额外依赖 ：需要手动安装 SQLite 扩展
   适合人群
   使用 Obsidian、Logseq 等工具管理本地 Markdown 知识库的知识工作者
   注重数据隐私、不愿将笔记上传至云端搜索服务的用户
   需要程序化检索笔记内容的自动化工作流开发者
   常规风险
   索引与源文件不同步：需配置定期 update 和 embed 任务，否则可能检索不到最新内容
   语义搜索超时： query 模式因 LLM 重排序可能超时，交互场景建议优先使用 search
   模型缓存占用：首次使用自动下载的 GGUF 模型会占用磁盘空间（默认 ~/.cache/qmd/models/ ）