2026年4月8日
QMD：如果你想把笔记、文档和会议记录变成可检索的本地知识库，可以先看它
很多团队现在的问题不是“没有资料”，而是资料散在 Markdown 笔记、会议纪要、项目文档里，关键词搜不到、语义搜不准，交给 AI 又常常上下文不完整。QMD 想解决的就是这件事：它把本地文档索引成一个可查询的知识库，同时把 BM25、向量检索和 LLM rerank 放在同一
很多团队现在的问题不是“没有资料”，而是资料散在 Markdown 笔记、会议纪要、项目文档里，关键词搜不到、语义搜不准，交给 AI 又常常上下文不完整。QMD 想解决的就是这件事：它把本地文档索引成一个可查询的知识库，同时把 BM25、向量检索和 LLM rerank 放在同一条链路里，而且默认走本地运行。对想给自己或团队补一层“文档检索基础设施”的开发者来说，这个项目值得记一下。
📌 这个项目是干什么的
- 它是一个面向 Markdown 文档的本地搜索引擎，适合笔记、知识库、会议记录和项目文档。
- 检索链路是 BM25 全文搜索 + 向量语义搜索 + LLM rerank，不只是简单关键词匹配。
- 它既能当 CLI 工具用，也能通过 MCP 暴露给 Claude、Cursor 一类代理系统使用。
- 对“个人知识库增强”和“给 AI 补文档上下文”这两类场景都比较直接。
🔍 为什么值得关注
第一，它不是泛泛讲 RAG，而是把“本地文档怎么被代理稳定调用”做成了可落地工具。README 里直接给了 collection、context、embed、query、get 这一整套最短路径。
第二，它对 agent 工作流比较友好。QMD 提供 --json、--files 输出，也支持 MCP server；这意味着你可以先把文档索引好，再让代理按需取结果，而不是每次把整份资料硬塞进上下文。
第三，它最近还在持续进化。官方 CHANGELOG 显示，2.1.0 在 2026-04-05 发布，新增了基于 tree-sitter 的代码分块、可点击编辑器链接、按 collection 配模型等能力，说明项目不只是概念演示，而是在往可长期使用的工具打磨。
🧪 谁适合试，怎么开始
如果你经常维护 Obsidian、项目文档库、研究资料库，或者正在给 AI 编码/研究代理准备知识底座，可以先试一下。
最短路径也不复杂：先全局安装 @tobilu/qmd，再把你的 notes、docs、meetings 目录加成 collection，随后执行 qmd embed 建索引，最后用 qmd query "你的问题" 试检索效果。若你已经在用 Claude Desktop 或 Claude Code，也可以直接把它接成 MCP 服务。
⚠️ 使用提醒
- 它的价值高度依赖你的文档质量；源文档越乱，结果越难稳定。
- 语义检索和 rerank 依赖本地模型，机器资源和模型选择会影响体验。
- 它更适合“已有文档资产的人”，如果你的知识还没沉淀成 Markdown，收益不会立刻最大化。
- 虽然是 MIT 许可证，但真正落到团队内部，还要先考虑索引更新、目录规范和权限边界。