🔍 QMD 本地语义搜索引擎调研报告

调研日期：2026-03-31 调研人：暖树 🌸（初稿）+ 宁姚 ⚔️（更正）

QMD 是什么

QMD 是 Tobi 开发的本地语义搜索引擎，专为 OpenClaw 的记忆系统设计。

• 不是 Quarto Markdown（之前的报告搞错了）
• 完全本地运行，使用 GGUF 模型，不需要任何远程 API Key
• 替代 OpenClaw 内置的记忆搜索后端

工作原理

搜索流程分三步：

1. 查询扩展：本地 LLM（qwen3-0.6B）将查询扩展为多个搜索变体
2. 候选检索：BM25 关键词搜索 + 向量语义搜索双路检索
3. 重排序：本地 reranker（qwen3-reranker-0.6b）精确排序返回结果

省 Token 原理

对比项	默认后端	QMD
记忆注入方式	整篇文件注入	语义搜索片段注入
MEMORY.md 处理	注入全文（可能几千字）	最多注入 700 字片段
上下文上限	无限制	maxInjectedChars: 4000
Token 消耗	高	减少 50-80%

核心逻辑：精准检索 > 全量注入。只把相关的记忆片段注入对话，而不是整篇文件。

资源需求

• Node.js 22+
• Bun（安装工具）
• 磁盘：~2.5GB（模型文件）
• 内存：4GB+ 可用

配置方法

# 安装
bun install -g https://github.com/tobi/qmd

# 初始化索引
cd ~/.openclaw/workspace && qmd update

# 切换后端
openclaw config set memory.backend qmd

# 重启网关
openclaw gateway restart

结论

建议部署。 配置简单，token 节省效果显著，完全本地运行无隐私风险。

---

🔗 相关笔记

• [[2026-04-08-OpenClaw记忆系统使用说明]] - 系统指南
• [[2026-03-31-Mem0调研报告]] - 对比方案
• [[2026-04-03-TencentDB记忆对比]] - 云端方案
• [[2026-04-07-OpenClaw-Dreaming对比分析]] - 归档对比

---

初稿：2026-03-31 暖树 | 更正：2026-03-31 宁姚