OpenClaw 的记忆系统：QMD 如何让 AI 助手在本地搜索你的笔记

拆解 OpenClaw 的 QMD 记忆后端 - 一个本地优先的混合搜索引擎，用 BM25 + 向量 + 重排序三级流水线检索 Markdown 笔记，全程离线，不需要 API key。

OpenClaw 是一个跑在本地的个人 AI 助手，能连接 WhatsApp、Telegram、Slack 等消息平台帮你处理日常任务。但一个 AI 助手如果没有”记忆”，每次对话都从零开始，用处就很有限。

OpenClaw 的记忆系统有两套后端：默认的内置 SQLite 方案，和一个实验性的外部方案 - QMD。QMD 是值得单独聊的那个。

QMD 是什么

QMD 全称 Query Markup Documents，是 Shopify 创始人 Tobi 写的一个本地搜索引擎。它专门用来搜索 Markdown 文件 - 笔记、文档、会议记录、知识库，基本上你用 Markdown 写的一切。

QMD 有意思的地方在于，它把三种搜索方式塞进了一个 CLI 工具里：

• BM25 全文搜索 - 经典的关键词匹配，基于 SQLite FTS5

• 向量语义搜索 - 理解语义而不只是匹配关键词，基于 sqlite-vec

• LLM 重排序 - 用小模型对结果做精排

三个能力分别对应三个命令：qmd search、qmd vsearch、qmd query。其中 qmd query 会把三者串成一条完整的检索流水线。

全程本地运行，不需要任何 API key。模型通过 node-llama-cpp 加载 GGUF 格式，首次使用时从 HuggingFace 自动下载。

混合搜索流水线

qmd query 的完整流程是 QMD 最核心的设计，分七步：