Qmd

• 您希望对本地 Markdown 文件或其他文档目录进行快速、离线的全文和语义搜索。
• 您需要混合搜索（BM25 + 向量 + 重排序），且无需将数据发送到外部服务。
• 您正在构建一个 AI 智能体，需要通过 MCP 查询本地知识库。
• 您希望维护多个指向不同目录的命名集合。

• 您需要对远程或云端托管的文件建立索引 — qmd 仅支持本地路径。
• 您不想在本地运行 Ollama，因为嵌入和重排序需要一个正在运行的 Ollama 实例。
• 您需要实时索引；更新必须通过 qmd update 手动触发。

支持 BM25 关键词搜索（qmd search）、纯向量/语义搜索（qmd vsearch）以及带重排序的混合搜索（qmd query），让您可以根据实际使用场景选择最合适的检索策略。

将任意本地目录添加为命名集合，并可选择使用通配符掩码（例如 **/*.md）限制哪些文件被索引。可并排管理多个独立索引。

运行 qmd mcp 将您的本地搜索索引作为 MCP（Model Context Protocol）服务器对外开放，允许 AI 代理和兼容工具以编程方式查询您的本地知识库。

所有索引和嵌入均在本地计算。搜索索引默认存储在 ~/.cache/qmd 目录下，嵌入和重排序使用本地运行的 Ollama 实例——您的数据不会离开您的设备。

使用 qmd get <path>:<line> -l <count> 从已索引的文档中获取特定行范围的内容，适用于从大型文件中精确提取所需上下文。

对本地 Obsidian 知识库或笔记文件夹进行索引，并通过关键词与语义含义相结合的混合查询，找出最相关的笔记，全程离线运行。

启动 qmd mcp，通过 MCP 将 AI 代理连接到您的本地文档索引，使其能够在无需外部 API 调用的情况下检索相关文件片段作为上下文。

将项目的 docs/ 目录以 **/*.md 掩码形式添加为一个集合，并在开发过程中使用 qmd query 快速找到最相关的文档页面。