本地 Markdown 知识库智能检索工具，支持 BM25、向量语义与混合搜索，适合开发者快速索引笔记和文档。
说明：
## 核心用法
QMD 是一款面向本地 Markdown 知识库的检索工具，提供三种搜索模式满足不同场景需求：
– **`qmd search`**：基于 BM25 算法的关键词搜索，速度快，适合精确匹配已知术语
– **`qmd vsearch`**：向量语义搜索，理解概念和同义词，适合模糊查询
– **`qmd query`**：混合搜索 + LLM 重排序，质量最佳但速度最慢，适合复杂问题
支持集合管理（`collection add`）、文档检索（`get`/`multi-get`）、以及 MCP 服务器模式集成。所有命令建议配合 `–json` 使用以获得结构化输出。
## 显著优点
1. **多模式检索策略**：从快速关键词到深度语义理解，灵活覆盖不同查询意图
2. **本地优先架构**：数据完全本地处理，无需云端依赖，隐私可控
3. **MCP 原生支持**：可作为 Model Context Protocol 服务器运行，便于与 AI 工具链集成
4. **精确文档定位**：支持按路径、ID、行号范围精准获取内容片段
## 潜在局限
– **冷启动延迟**：向量搜索（`vsearch`/`query`）首次初始化约需 1 分钟
– **Bun 运行时依赖**：要求使用 Bun 而非 Node.js 安装运行
– **仅支持 Markdown**：非结构化或二进制文档需预处理转换
– **无分布式能力**：单机索引，不适合团队协作的大规模知识库场景
## 适合人群
– 个人开发者、技术写作者管理本地技术笔记
– 需要为 AI 助手提供 RAG（检索增强生成）上下文的知识工作者
– 偏好本地优先、注重数据隐私的终端用户
## 常规风险
– **索引同步风险**：`qmd update` 需手动执行，文件变更后可能返回过时结果
– **路径注入可能**：`multi-get` 支持 glob 模式，需确保集合路径边界受控
– **LLM 重排序成本**：`query` 模式若频繁调用可能产生 API 费用（如配置外部 LLM）
– **无权限管控**：无内置访问控制，多用户环境需谨慎配置文件系统权限
会员专属
