Agent Skills
返回列表
📚

QMD 快速 Markdown 检索

知识管理 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/sundial-org-awesome-openclaw-skills-qmd-2。

技能介绍

要解决什么问题

笔记和文档散落在本地 Markdown 文件里时,全文翻文件夹或只靠编辑器自带搜索,很难在「整库」里做相关性排序,也更难在 Agent 对话里稳定地检索并引用某篇文档。

qmd 面向的就是这类场景:把明确目录下的 Markdown 集合建索引一次,之后在本地用 BM25 做关键词检索,必要时再退到向量语义检索。

技能如何工作

索引对象主要是 Markdown 集合(常见模式如 **/*.md)。分块偏内容驱动(大约数百 token 一块),对结构不那么规整的笔记相对宽容。

默认应优先 qmd search(BM25,通常很快)。只有关键词匹配不够时,再考虑 qmd vsearch(本地向量语义,冷启动可能很慢)。除非用户明确要求高质量混合结果且能容忍超时,否则一般不要走 qmd query(混合 + LLM 重排)。

对 Agent 友好时可用 --json、--files 等输出;需要正文片段时用 --full。

边界与注意点

  • 这是本地笔记/文档检索,不是代码仓库搜索;搜源码应使用专用 code search 工具。
  • 与 Clawdbot 的 memory_search 分工不同:前者查磁盘里你索引的集合,后者查 Agent 交互里沉淀的记忆。
  • 语义检索可能触发本地 GGUF 模型加载(如 Qwen3-1.7B),单次 vsearch 在部分机器上可达约一分钟;索引需定期维护以免漏掉新笔记。

使用场景

  • 用户说「在我的笔记库里找和某个项目决策相关的 md」,需要在已索引集合里做关键词检索并返回路径
  • 写周报前要汇总 Obsidian/本地 vault 里多篇文章的表述,要在整库中定位含特定术语的文档
  • 关键词搜不到近义词表述时,在能接受等待的前提下对同一集合跑一次语义 `vsearch`
  • Agent 需要把检索结果以结构化形式交给下游步骤,要求 `--json` 或 `--files` 输出而非纯终端文本

适合人员

  • 维护数百篇本地 Markdown 笔记的研究者,需要在对话中按主题找回历史文档片段
  • 用 Obsidian 等工具管理个人知识库的知识工作者,想给 Agent 接上「搜我的 vault」能力
  • 运营技术文档站或内部 wiki 导出为 `.md` 的文档负责人,要为本机文档集建索引并定期重建
  • 经常在本地写方案稿的工程师,希望默认走快的 BM25,只在必要时才用慢的语义检索