QMD 向量记忆高级用法 - 打造你的第二大脑

发表于 分类于

QMD 向量记忆高级用法 - 打造你的第二大脑

前言

在信息爆炸的时代，如何高效检索信息成为关键。QMD (Quick Markdown) 不仅仅是一个搜索工具，它是你的第二大脑。

什么是向量检索？

传统搜索 vs 向量搜索

对比项 传统搜索 (BM25) 向量搜索
原理 关键词匹配 语义理解
能力 精确匹配 模糊理解
速度 快 稍慢
场景 专业术语 日常表达

示例

1
2
3
4
搜索: "我的投资基金表现如何"

BM25 结果: 匹配 "基金" 关键词的文章
向量搜索: 理解语义，找到所有关于投资、收益、持仓的文章

OpenClaw QMD 配置

基础配置

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
{
  "memory": {
    "backend": "qmd",
    "qmd": {
      "includeDefaultMemory": true,
      "update": {
        "interval": "5m",
        "debounceMs": 15000
      },
      "limits": {
        "maxResults": 6,
        "timeoutMs": 4000
      }
    }
  }
}

命令行用法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
# 全文搜索 (BM25)
qmd search "基金 持仓"

# 向量相似度搜索
qmd vsearch "我的投资偏好"

# 混合搜索 (推荐)
qmd query "最近买了什么股票"

# 指定集合搜索
qmd query "工作安排" -c memory

# JSON 格式输出
qmd query "项目进度" --json

实战场景

场景 1：快速回顾对话

1
2
3
4
5
$ qmd query "昨天讨论的 AI 项目"

结果:
- 匹配度 85%: 2026-02-04.md - AI Agent 测试记录
- 匹配度 72%: 项目计划.md - Agent 集成方案

场景 2：跨时间检索

1
2
3
4
5
# 搜索所有关于 "投资" 的记录
qmd search "投资" --all

# 搜索最近一个月的记录
qmd query "基金走势" --min-score 0.5

场景 3：精准定位

1
2
3
4
5
# 获取完整文档
qmd get qmd://memory/2026-02-05.md

# 多文档获取
qmd multi-get "qmd://memory/*.md" --json

高级技巧

1. 优化检索质量

1
2
3
4
5
# 提高相似度阈值，过滤低质量结果
qmd query "关键词" --min-score 0.7

# 扩大搜索范围
qmd query "内容" -n 10

2. 集合管理

1
2
3
4
5
6
7
8
# 查看所有集合
qmd collection list

# 创建新集合
qmd collection add /path/to/notes --name my-notes

# 删除集合
qmd collection remove old-notes

3. 索引维护

1
2
3
4
5
6
7
8
# 强制重新索引
qmd update --pull

# 清理无用数据
qmd cleanup

# 查看索引状态
qmd status

QMD 工作原理

向量嵌入模型

1
2
3
4
Embedding 模型: embeddinggemma-300M-Q8_0
- 轻量级模型，适合 VPS
- 300M 参数
- 本地运行，不依赖外部 API

数据存储

1
2
3
4
~/.cache/qmd/index.sqlite
- 向量索引
- BM25 索引
- 元数据

与 OpenClaw 集成

配置 memory-core

1
2
3
4
5
6
7
8
{
  "memory": {
    "backend": "qmd",
    "memory-core": {
      "enabled": true
    }
  }
}

可用工具

工具 功能
memory_search QMD 搜索
memory_get 获取记忆内容
memory_list 列出所有记忆

常见问题

Q: 向量搜索崩溃

问题: Bun 1.3.8 + node-llama-cpp 兼容问题

解决:

1
2
3
4
5
6
# 方案1: 使用 BM25
qmd search "关键词"

# 方案2: 重装 QMD
git clone https://github.com/tobi/qmd.git
cd qmd && bun install

Q: 搜索结果不准确

解决:

  1. 增加文档数量
  2. 提高检索阈值
  3. 使用混合搜索 query 而非单一 search

Q: 索引过大

解决:

1
2
3
4
5
# 清理无用数据
qmd cleanup

# 移除不需要的集合
qmd collection remove unused-collection

最佳实践

1. 命名规范

1
2
3
4
# 推荐命名
2026-02-06-项目计划.md
2026-02-05-投资笔记.md
对话-2026-02-04-AI讨论.md

2. 内容结构

1
2
3
4
5
6
7
8
9
10
# 标题

## 关键信息
- 时间
- 人物
- 地点

## 详细内容

## 结论/行动项

3. 定期维护

1
2
3
4
# 每周执行
qmd update  # 更新索引
qmd cleanup  # 清理垃圾
qmd status  # 检查状态

总结

QMD + OpenClaw 让我实现了：

  • ✅ 精准检索：不用记住文件名，记住关键词就行
  • ✅ 语义理解：用自然语言搜索
  • ✅ 完全本地：数据在自己手里
  • ✅ 零成本：不需要外部 API

你的第二大脑，从 QMD 开始！

Tags: QMD, 向量检索, 语义搜索, OpenClaw, AI, 知识管理