35 Punkte von xguru 2026-01-29 | Noch keine Kommentare. | Auf WhatsApp teilen
  • Eine leichtgewichtige CLI-Suchmaschine, entwickelt, um verschiedene Markdown-basierte Dokumente lokal zu durchsuchen, darunter persönliche Notizen, technische Dokumentation und Meeting-Protokolle
  • Eine hybride Suchpipeline, die BM25-Volltextsuche, vektorbasierte semantische Suche und LLM-Re-Ranking kombiniert
  • Alle Operationen werden in der lokalen Umgebung ausgeführt und liefern Suchqualität auf AI-Niveau, ohne dass personenbezogene Daten abfließen
  • Unterstützt 3 Suchmodi
    • search: BM25-basierte Stichwortsuche
    • vsearch: einbettungsbasierte semantische Suche
    • query: kombiniert beide Ansätze und ordnet mit einem LLM neu – der Modus mit der besten Qualität
  • Mit integriertem MCP(Model Context Protocol)-Server ist eine direkte Anbindung an LLM-basierte Workflows wie Claude möglich
  • Führt über node-llama-cpp alle Modelle on-device aus
    • GGUF-Format-Modelle wie embeddinggemma-300M, qwen3-reranker-0.6B und Qwen3-1.7B werden automatisch heruntergeladen und zwischengespeichert
  • So wurde die Suchqualität verbessert
    • Die Suchanfrage des Nutzers wird mit dem Modell Qwen3-1.7B per Query Expansion erweitert
    • Parallele Suche über SQLite FTS5 und sqlite-vec
    • Zusammenführung der Ergebnisse mit Reciprocal Rank Fusion (RRF)
    • Neubewertung der Dokumentrelevanz mit Qwen3-Reranker
    • Gewichtsjustierung nach Rang, um Genauigkeit und semantische Ähnlichkeit im Gleichgewicht zu halten
  • Geschrieben in TypeScript und basierend auf der Bun-Laufzeitumgebung. Der Index wird in einer SQLite-Datenbank gespeichert
  • MIT-Lizenz
  • Open Source vom Shopify-Gründer und CEO Tobi Lütke

Anwendungsbeispiele

# Install globally  
bun install -g https://github.com/tobi/qmd  
  
# Create collections for your notes, docs, and meeting transcripts  
qmd collection add ~/notes --name notes  
qmd collection add ~/Documents/meetings --name meetings  
qmd collection add ~/work/docs --name docs  
  
# Add context to help with search results  
qmd context add qmd://notes "Personal notes and ideas"  
qmd context add qmd://meetings "Meeting transcripts and notes"  
qmd context add qmd://docs "Work documentation"  
  
# Generate embeddings for semantic search  
qmd embed  
  
# Search across everything  
qmd search "project timeline"           # Fast keyword search  
qmd vsearch "how to deploy"             # Semantic search  
qmd query "quarterly planning process"  # Hybrid + reranking (best quality)  
  
# Get a specific document  
qmd get "meetings/2024-01-15.md"  
  
# Get a document by docid (shown in search results)  
qmd get "#abc123"  
  
# Get multiple documents by glob pattern  
qmd multi-get "journals/2025-05*.md"  
  
# Search within a specific collection  
qmd search "API" -c notes  
  
# Export all matches for an agent  
qmd search "API" --all --files --min-score 0.3  

Noch keine Kommentare.

Noch keine Kommentare.