---
categories:
  - '[[LLM Wiki]]'
tags:
  - wiki
  - tool
  - search
  - 知识管理/工具
created: 2026-04-07
source: '[[llm-wiki]]'
type: tool
aliases:
  - qmd search
relations:
  - type: part_of
    target: '[[Obsidian]]'
    description: 同源：llm-wiki
    confidence: 3
---

[raw:llm-wiki:104]# qmd

> **qmd** 是一个本地 Markdown 文件搜索引擎，支持混合 BM25/向量搜索和 LLM 重排序，适用于 [[LLM Wiki]] 规模增长后的搜索需求。

## 基本信息

| 属性 | 值 |
|
------|
-----|
| 仓库 | [github.com/tobi/qmd](https://github.com/tobi/qmd) |
| 版本 | v2.1.0 |
| 类型 | 本地搜索引擎 |
| 支持格式 | Markdown |
| 搜索方式 | BM25 + 向量搜索混合 |
| 排序 | LLM 重排序 |
| 运行方式 | 全设备端（on-device） |
| GPU 加速 | Vulkan (Intel Iris Xe Graphics) |

## 当前配置

### 索引状态

| 指标 | 值 |
|------|-----|
| 索引数据库 | `C:\tmp\.cache\qmd\index.sqlite` (26.2 MB) |
| 已索引文件 | 670 |
| 向量数 | 3060（全部嵌入完成） |
| 待嵌入 | 0 |

### Collections

| 名称 | 路径 | 文件数 | 说明 |
|------|------|--------|------|
| `wiki` | `wiki/**/*.md` | 391 | LLM Wiki 知识库 |
| `raw` | `raw/**/*.md` | 279 | 原始来源文档 |

### 模型

| 模型 | 用途 | 大小 |
|------|------|------|
| embeddinggemma-300M-Q8_0 | 文本嵌入（768维） | 329 MB |
| Qwen3-Reranker-0.6B-Q8_0 | LLM 重排序 | — |
| qmd-query-expansion-1.7B | 查询扩展 | 1.28 GB |

## 搜索模式

### BM25 全文搜索

```bash
qmd search "人工智能教育" -c wiki --limit 5
```

- 基于 SQLite FTS5
- 支持中英文搜索
- 速度快，适合精确关键词匹配

### 向量搜索

```bash
qmd vsearch "AI个性化学习" -c wiki --limit 5
```

- 基于 embeddinggemma 嵌入模型
- 自动进行查询扩展（query expansion）
- 支持语义相似度匹配

### 混合搜索

```bash
qmd query "人工智能教育发展趋势" -c wiki
```

- 结合 BM25 + 向量搜索 + LLM 重排序
- 效果最佳但速度较慢

## Windows 特殊说明

### 运行方式

qmd CLI 脚本引用 `/bin/sh`，在 Windows 上不能直接运行 `qmd` 命令。使用以下方式之一：

```bash
# 方式1：通过 node 直接运行（推荐）
node "C:\Users\hhhh2024\AppData\Roaming\npm\node_modules\@tobilu\qmd\dist\cli\qmd.js" <command>

# 方式2：使用包装脚本
D:\Applications\app\kepano-obsidian-main\tools\scripts\qmd.cmd <command>
```

### 嵌入注意事项

- `qmd embed` 在 Intel Iris Xe 上较慢，670文件约需10-15分钟
- 如果超时，可多次运行，会自动续传
- 使用 `qmd embed -f` 强制重新嵌入（更换模型后需要）

## 接口

| 接口 | 用途 |
|------|------|
| **CLI** | LLM 可以通过 shell 调用 |
| **MCP Server** | `qmd mcp` 启动 MCP 服务器，LLM 作为原生工具使用 |

## 常用命令

```bash
# 查看状态
qmd status

# 重新嵌入（新增文件后）
qmd embed

# 更新 collection（新增文件到索引）
qmd add wiki --pattern "wiki/**/*.md"

# 搜索
qmd search "关键词" -c wiki
qmd vsearch "语义查询" -c wiki
qmd query "综合查询" -c wiki
```

## 在 LLM Wiki 中的角色

- 小规模时：[[index]] 文件足够导航
- 增长后：qmd 提供正式搜索能力
- 作为 MCP Server 可被 LLM Agent 直接调用，无需手动搜索
- 当前已完整配置：670文件、3060向量、BM25+向量搜索均可使用

## 来源

- [[llm-wiki]] — Karpathy 推荐
- [[LLM Wiki]] — 核心概念页

[raw:llm-wiki:104]# qmd

> **qmd** 是一个本地 Markdown 文件搜索引擎，支持混合 BM25/向量搜索和 LLM 重排序，适用于 [[LLM Wiki]] 规模增长后的搜索需求。

## 基本信息

| 属性 | 值 |
|------|-----|
| 仓库 | [github.com/tobi/qmd](https://github.com/tobi/qmd) |
| 版本 | v2.1.0 |
| 类型 | 本地搜索引擎 |
| 支持格式 | Markdown |
| 搜索方式 | BM25 + 向量搜索混合 |
| 排序 | LLM 重排序 |
| 运行方式 | 全设备端（on-device） |
| GPU 加速 | Vulkan (Intel Iris Xe Graphics) |

## 当前配置

### 索引状态

| 指标 | 值 |
|------|-----|
| 索引数据库 | `C:\tmp\.cache\qmd\index.sqlite` (26.2 MB) |
| 已索引文件 | 670 |
| 向量数 | 3060（全部嵌入完成） |
| 待嵌入 | 0 |

### Collections

| 名称 | 路径 | 文件数 | 说明 |
|------|------|--------|------|
| `wiki` | `wiki/**/*.md` | 391 | LLM Wiki 知识库 |
| `raw` | `raw/**/*.md` | 279 | 原始来源文档 |

### 模型

| 模型 | 用途 | 大小 |
|------|------|------|
| embeddinggemma-300M-Q8_0 | 文本嵌入（768维） | 329 MB |
| Qwen3-Reranker-0.6B-Q8_0 | LLM 重排序 | — |
| qmd-query-expansion-1.7B | 查询扩展 | 1.28 GB |

## 搜索模式

### BM25 全文搜索

```bash
qmd search "人工智能教育" -c wiki --limit 5
```

- 基于 SQLite FTS5
- 支持中英文搜索
- 速度快，适合精确关键词匹配

### 向量搜索

```bash
qmd vsearch "AI个性化学习" -c wiki --limit 5
```

- 基于 embeddinggemma 嵌入模型
- 自动进行查询扩展（query expansion）
- 支持语义相似度匹配

### 混合搜索

```bash
qmd query "人工智能教育发展趋势" -c wiki
```

- 结合 BM25 + 向量搜索 + LLM 重排序
- 效果最佳但速度较慢

## Windows 特殊说明

### 运行方式

qmd CLI 脚本引用 `/bin/sh`，在 Windows 上不能直接运行 `qmd` 命令。使用以下方式之一：

```bash
# 方式1：通过 node 直接运行（推荐）
node "C:\Users\hhhh2024\AppData\Roaming\npm\node_modules\@tobilu\qmd\dist\cli\qmd.js" <command>

# 方式2：使用包装脚本
D:\Applications\app\kepano-obsidian-main\tools\scripts\qmd.cmd <command>
```

### 嵌入注意事项

- `qmd embed` 在 Intel Iris Xe 上较慢，670文件约需10-15分钟
- 如果超时，可多次运行，会自动续传
- 使用 `qmd embed -f` 强制重新嵌入（更换模型后需要）

## 接口

| 接口 | 用途 |
|------|------|
| **CLI** | LLM 可以通过 shell 调用 |
| **MCP Server** | `qmd mcp` 启动 MCP 服务器，LLM 作为原生工具使用 |

## 常用命令

```bash
# 查看状态
qmd status

# 重新嵌入（新增文件后）
qmd embed

# 更新 collection（新增文件到索引）
qmd add wiki --pattern "wiki/**/*.md"

# 搜索
qmd search "关键词" -c wiki
qmd vsearch "语义查询" -c wiki
qmd query "综合查询" -c wiki
```

## 在 LLM Wiki 中的角色

- 小规模时：[[index]] 文件足够导航
- 增长后：qmd 提供正式搜索能力
- 作为 MCP Server 可被 LLM Agent 直接调用，无需手动搜索
- 当前已完整配置：670文件、3060向量、BM25+向量搜索均可使用

## 来源

- [[llm-wiki]] — Karpathy 推荐
- [[LLM Wiki]] — 核心概念页