284 lines
6.6 KiB
Markdown
284 lines
6.6 KiB
Markdown
---
|
||
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
|