Qmd

• Você quer busca de texto completo e semântica rápida e offline em um diretório local de arquivos Markdown ou outros documentos.
• Você precisa de busca híbrida (BM25 + vetorial + reranking) sem enviar dados para um serviço externo.
• Você está construindo um agente de IA que precisa consultar uma base de conhecimento local via MCP.
• Você quer manter múltiplas coleções nomeadas apontando para diretórios diferentes.

• Você precisa indexar arquivos remotos ou hospedados na nuvem — o qmd opera apenas em caminhos locais.
• Você não quer executar o Ollama localmente, pois embeddings e reranking exigem uma instância do Ollama em execução.
• Você precisa de indexação em tempo real; as atualizações devem ser acionadas manualmente com qmd update.

Suporta busca por palavras-chave BM25 (qmd search), busca vetorial/semântica pura (qmd vsearch) e busca híbrida com reranking (qmd query), para que você possa escolher a estratégia de recuperação ideal para o seu caso de uso.

Adicione qualquer diretório local como uma coleção nomeada e, opcionalmente, restrinja quais arquivos são indexados usando uma máscara glob (ex.: **/*.md). Gerencie múltiplos índices independentes lado a lado.

Execute qmd mcp para expor seu índice de busca local como um servidor MCP (Model Context Protocol), permitindo que agentes de IA e ferramentas compatíveis consultem sua base de conhecimento local de forma programática.

Todo o indexamento e os embeddings são computados localmente. O índice de busca é armazenado em ~/.cache/qmd por padrão, e os embeddings/reranking utilizam uma instância do Ollama em execução local — nenhum dado sai da sua máquina.

Busque um intervalo específico de linhas de um documento indexado com qmd get <path>:<line> -l <count>, útil para recuperar contexto preciso de arquivos grandes.

Indexe um cofre local do Obsidian ou uma pasta de notas e execute consultas híbridas para encontrar as notas mais relevantes por palavra-chave e significado semântico, totalmente offline.

Inicie o qmd mcp e conecte um agente de IA ao seu índice de documentos local via MCP, permitindo que ele recupere trechos de arquivos relevantes como contexto sem chamadas a APIs externas.

Adicione o diretório docs/ de um projeto como uma coleção com a máscara **/*.md e use qmd query para encontrar rapidamente as páginas de documentação mais relevantes durante o desenvolvimento.