Qmd

• Markdownファイルやその他のドキュメントのローカルディレクトリに対して、高速かつオフラインで全文検索およびセマンティック検索を行いたい場合。
• データを外部サービスに送信せずに、ハイブリッド検索（BM25 + ベクター + 再ランク）が必要な場合。
• MCPを介してローカルナレッジベースにクエリを実行する必要があるAIエージェントを構築している場合。
• 異なるディレクトリを指す複数の名前付きコレクションを管理したい場合。

• リモートまたはクラウドでホストされたファイルをインデックスする必要がある場合 — Qmd はローカルパスのみで動作します。
• Ollama をローカルで実行したくない場合。埋め込みおよびリランキングには、Ollama インスタンスが起動している必要があります。
• リアルタイムのインデックスが必要な場合。更新は qmd update で手動でトリガーする必要があります。

BM25キーワード検索（qmd search）、純粋なベクター/セマンティック検索（qmd vsearch）、およびリランキングを伴うハイブリッド検索（qmd query）をサポートしており、ユースケースに応じて最適な検索戦略を選択できます。

任意のローカルディレクトリを名前付きコレクションとして追加し、globマスク（例：**/*.md）を使用してインデックス対象のファイルをオプションで制限できます。複数の独立したインデックスを並べて管理できます。

qmd mcp を実行すると、ローカルの検索インデックスをMCP（Model Context Protocol）サーバーとして公開できます。これにより、AIエージェントや対応ツールがローカルのナレッジベースをプログラムからクエリできるようになります。

すべてのインデックス作成と埋め込み処理はローカルで実行されます。検索インデックスはデフォルトで ~/.cache/qmd に保存され、埋め込みおよび再ランキングにはローカルで動作するOllamaインスタンスを使用します。データが外部に送信されることはありません。

qmd get <path>:<line> -l <count> を使用して、インデックス済みドキュメントから特定の行範囲を取得します。大きなファイルから正確なコンテキストを取り出す際に便利です。

ローカルのObsidianヴォールトまたはノートフォルダをインデックス化し、キーワードとセマンティックな意味の両方で最も関連性の高いノートを抽出するハイブリッドクエリを実行します。すべてオフラインで動作します。

qmd mcp を起動し、MCPを通じてAIエージェントをローカルドキュメントインデックスに接続することで、外部APIコールなしに関連ファイルの抜粋をコンテキストとして取得できるようになります。

プロジェクトの docs/ ディレクトリを **/*.md マスクでコレクションとして追加し、開発中に qmd query を使用して最も関連性の高いドキュメントページを素早く見つけましょう。