openclaw-skill/skills/qmd-brain/SKILL.md

name, description, triggers, tools

name	description	triggers	tools
qmd-brain	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。	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	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）