---
name: qmd-brain
description: 第二大腦知識庫搜尋與索引。用 qmd（BM25+向量混合）搜尋本地 markdown 文件，並透過 PostgreSQL pgvector 進行深度語意搜尋。
triggers:
  - "搜尋"
  - "查找"
  - "找資料"
  - "recall"
  - "記憶"
  - "之前說過"
  - "知識庫"
  - "找到"
  - "我之前"
  - "幫我找"
  - "查一下"
  - "有沒有"
  - "搜一下"
  - "brain search"
  - "qmd"
tools:
  - exec
  - memory
---

# qmd-brain Skill

## 功能說明

第二大腦（Second Brain）知識庫搜尋工具，整合兩層搜尋：

| 層次 | 工具 | 特色 |
|------|------|------|
| Layer 1 | qmd (BM25 全文搜尋) | 快速關鍵字比對，本地 SQLite |
| Layer 2 | embed_to_pg (語意搜尋) | 向量相似度，PostgreSQL pgvector |

## 觸發範例

```
使用者：「幫我找關於 nginx 設定的資料」
→ qmd search "nginx 設定" → 返回相關文件段落

使用者：「之前有記過 Telegram bot 的設定嗎？」
→ embed_to_pg search "Telegram bot token 設定" → 語意搜尋

使用者：「更新知識庫索引」
→ qmd embed + embed_to_pg embed

使用者：「查知識庫統計」
→ qmd collection list + embed_to_pg stats
```

## 搜尋策略

1. **關鍵字搜尋**（qmd search）：適合確定的詞彙、指令、設定名稱
2. **語意搜尋**（embed_to_pg search）：適合概念性問題、模糊記憶
3. **混合搜尋**：先用 qmd 快速篩選，再用 pgvector 重排

## 輸出格式

搜尋結果包含：
- 文件來源（檔案路徑）
- 相關段落（前 200 字）
- 相似度分數

## 重要路徑

```
qmd 索引：       ~/.cache/qmd/index.sqlite
pgvector DB：    postgresql://qmd_user@localhost/qmd_brain
embed 腳本：     /home/selig/apps/qmd-pg/embed_to_pg.py
qmd collections：selig-home (/home/selig)
```

## 每日排程

凌晨 02:00 自動執行：
1. `qmd embed`（更新 BM25 + 本地向量索引）
2. `embed_to_pg embed`（更新 PostgreSQL 向量庫）