⚠️ 安全与隐私说明

重要： 本技能需要将查询发送到外部 LLM 进行扩展。这意味着：

1. 1. 你的查询内容会暴露给 LLM 提供商 — 包括搜索关键词、collection 名称等
2. 不要搜索敏感内容 — 避免查询包含密码、API 密钥、私人数据等
3. LLM 响应需要人工确认 — 在安装前查看元数据/集成不一致

运行时指令：

• - 本技能本身不直接调用 LLM，而是生成提示词供用户选择 LLM
• 用户需要自行配置 LLM 调用方式（如 npx @anthropic/claude-code、kimi 等）
• 查询扩展过程在本地完成，只有提示词发送到外部 LLM

数据流：

用户查询 → 本地生成提示词 → 外部 LLM → JSON 响应 → 本地构造 qmd 查询 → 本地搜索

建议： 在生产环境使用前，审查 scripts/expand-query.js 和 scripts/qmd-query-llm.sh 了解数据如何发送。

QMD Plus - 带 LLM 查询扩展的 QMD

基于 LLM 智能查询扩展的增强型 Markdown 内容本地搜索引擎。

安装

bash

通过 ClawHub 安装

clawhub install qmd-plus

或手动克隆

git clone <仓库地址> ~/workspace/skills/qmd_plus

状态

!qmd status 2>/dev/null || echo 未安装：npm install -g @tobilu/qmd

MCP：query

json
{
searches: [
{ type: lex, query: CAP 定理 一致性 },
{ type: vec, query: 一致性和可用性之间的权衡 }
],
collections: [docs],
limit: 10
}

查询类型

类型	方法	输入
lex	BM25	关键词 — 精确术语、名称、代码
vec

向量 | 问题 — 自然语言 | | hyde | 向量 | 答案 — 假设性结果（50-100 字） |

编写优质查询

lex（关键词）

• - 2-5 个词，无填充词
• 精确短语：连接池（带引号）
• 排除词：性能 -体育（减号前缀）
• 代码标识符可用：handleError async

vec（语义）

• - 完整的自然语言问题
• 具体明确：限流器如何处理突发流量
• 包含上下文：在支付服务中，退款是如何处理的

hyde（假设文档）

• - 用 50-100 字描述答案应该是什么样子
• 使用你期望在结果中出现的词汇

expand（自动扩展）

• - 使用单行查询（隐式）或单独一行写 expand: 问题
• 让本地 LLM 生成 lex/vec/hyde 变体
• 不要将 expand: 与其他类型行混合使用 — 要么是独立的扩展查询，要么是完整的查询文档

意图（消歧）

当查询词存在歧义时，添加 intent 来引导结果：

json
{
searches: [
{ type: lex, query: 性能 }
],
intent: 网页加载时间和核心网页指标
}

意图影响扩展、重排序、分块选择和摘要提取。它本身不进行搜索 — 它是一个引导信号，用于消歧像性能这样的查询（网页性能 vs 团队健康 vs 体能）。

组合类型

目标	方法
知道精确术语	仅用 lex
不知道词汇

使用单行查询（隐式 expand:）或 vec | | 最佳召回率 | lex + vec | | 复杂主题 | lex + vec + hyde | | 歧义查询 | 在上述任意组合中添加 intent |

第一个查询在融合中获得 2 倍权重 — 把你最有把握的猜测放在第一位。

Lex 查询语法

语法	含义	示例
term	前缀匹配	perf 匹配performance
短语

精确短语 | 限流器 | | -term | 排除 | 性能 -体育 |

注意：-term 仅适用于 lex 查询，不适用于 vec/hyde。

Collection 过滤

json
{ collections: [docs] } // 单个
{ collections: [docs, notes] } // 多个（或关系）

省略则搜索所有 collection。

其他 MCP 工具

工具	用途
get	按路径或 #docid 检索文档
multi_get

按 glob/列表批量检索多个文档 | | status | 查看 collection 和健康状态 |

CLI

bash
qmd query 问题 # 自动扩展 + 重排序
qmd query $lex: X\nvec: Y # 结构化查询
qmd query $expand: 问题 # 显式扩展
qmd query --json --explain q # 显示评分详情（RRF + 重排序混合）
qmd search 关键词 # 仅 BM25（无 LLM）
qmd get #abc123 # 按文档 ID 获取
qmd multi-get journals/2026-*.md -l 40 # 按 glob 批量拉取摘要
qmd multi-get notes/foo.md,notes/bar.md # 逗号分隔列表，保持顺序

HTTP API

bash
curl -X POST http://localhost:8181/query \
-H Content-Type: application/json \
-d {searches: [{type: lex, query: test}]}

设置

bash
npm install -g @tobilu/qmd
qmd collection add ~/notes --name notes
qmd embed

---

🚀 LLM 查询扩展（QMD Plus）

使用外部 LLM 生成更高质量的查询变体，替代内置的 expand 功能。

为什么用 LLM 扩展？

内置 expand	LLM 扩展
lex 扩展质量不稳定	术语更准确
hyde 固定英文

可指定语言 | | 无法利用上下文 | 可结合笔记内容 | | 模板化生成 | 智能语义理解 |

快速使用

假设 skill 安装在 ~/workspace/skills/qmd_plus/：

bash

方式 1：wrapper 脚本生成提示词

~/workspace/skills/qmd_plus/scripts/qmd-query-llm.sh 汽车测试流程 -c memory-root-main -l zh

方式 2：wrapper 脚本执行（传入 LLM 响应）

~/workspace/skills/qmd_plus/scripts/qmd-query-llm.sh --response {lex:[...],vec:[...]} -c memory-root-main

方式 3：手动扩展 + 搜索

node ~/workspace/skills/qmd_plus/scripts/expand-query.js 汽车测试流程 zh

→ 复制 LLM 输出的 lex/vec → 构造 qmd query

添加到 PATH（可选）

bash

在 ~/.zshrc 或 ~/.bashrc 中添加：

export PATH=$HOME/workspace/skills/qmd_plus/scripts:$PATH

然后可以直接使用：

qmd-query-llm 汽车测试流程 -c memory-root-main -l zh

qmd-query-llm 命令

自动完成：LLM 扩展 → 构造查询 → 执行搜索 → 返回结果

bash

生成 LLM 提示词（模式 1）

qmd-query-llm 汽车测试流程 -c memory-root-main -l zh

执行搜索（模式 2，传入 LLM JSON 响应）

qmd-query-llm --response {lex:[汽车测试,整车试验],vec:[测试流程是什么]} -c memory-root-main

显示评分详情

qmd-query-llm --response -c memory-root-main --explain

脚本直接使用

bash

生成 LLM 提示词

node expand-query.js 汽车测试流程 zh

输出示例：

你是一个专业的知识库搜索