qmd

QMD 是一款专注于本地 Markdown 知识库搜索与检索的 Agent Skill，它通过封装 qmd CLI 工具的能力，为用户提供三种不同精度和速度的搜索模式，实现个人知识资产的快速定位与调用。

核心用法方面，QMD 支持建立本地文档集合（Collection），对指定目录下的 Markdown 文件进行索引。用户可通过 search 命令执行 BM25 关键词检索，适合查找包含特定术语的文档；使用 vsearch 进行向量语义搜索，能够理解概念相似性，捕获同义表达；或通过 query 模式启用混合搜索结合 LLM 重排序，在复杂查询场景下获得最佳结果质量。此外，工具支持精确文档检索（get/multi-get）获取完整内容，并可通过 MCP 服务器协议与 Claude Code 等编辑器深度集成，实现对话式知识库查询。

显著优点在于其完全的本地运行特性。所有索引和搜索操作均在用户设备上完成，无需上传数据至云端，极大保障了知识资产的隐私安全。三种搜索模式的分层设计允许用户在速度（BM25 毫秒级响应）与质量（语义+LLM 重排）之间灵活权衡。作为纯文档型工具，它无网络通信、无数据收集，且支持 glob 模式批量检索，适合处理大规模笔记库。

潜在缺点与局限性不容忽视。向量搜索（vsearch 和 query）存在约 1 分钟的冷启动延迟，用于初始化向量模型，不适合需要即时响应的交互场景。该 Skill 本身仅为使用文档，实际功能严格依赖外部 qmd CLI 工具，用户需自行安装 Bun 运行时并从 GitHub 拉取代码，增加了环境配置的复杂度。此外，工具仅支持 Markdown 格式，无法处理 PDF、Word 等其他文档类型，且对非结构化数据的检索能力有限。

适合的目标群体主要包括注重隐私的知识管理爱好者、需要快速检索技术文档的开发者、积累大量研究笔记的学术人员，以及希望构建本地 RAG（检索增强生成）工作流的高级用户。对于已将笔记体系建立在 Markdown 基础上的 Obsidian、Logseq 等工具用户尤为适用。

使用风险方面，除前述冷启动性能问题外，还需注意版本依赖风险：qmd CLI 的更新可能导致 Skill 示例命令失效。由于来源为 T3 级个人开发者项目，长期维护稳定性存疑。建议用户定期备份索引数据，并在安装 qmd CLI 前审查其源代码，避免引入不可信的本地执行程序。