夜雨聆风作为想把 AI Agent 用到极致的朋友，我们必须开动脑筋：有没有办法让 Agent 实现精准回忆，还能完全零成本？答案是：有。
今天给大家安利一个神器 ——QMD本地运行、免费永久、召回精准度 95% 以上，专治 Token 不够用。
什么是 QMD？
QMD 是 Shopify 创始人 Tobi 开发的本地语义搜索引擎，基于 Rust 编写，专为 AI Agent 设计。
核心亮点：
混合搜索：BM25 全文检索 + 向量语义 + LLM 重排序 零 API 成本，不花一分钱 完全本地运行，不上传数据 支持 MCP 集成，直接对接 OpenClaw
3 步配置，10 分钟搞定
第 1 步：安装 qmd
需要先安装 Bun，然后执行：
bun install -g github:tobi/qmd
首次运行会自动下载模型（Embedding 和 Reranker），下载完成后即可完全离线运行。
第 2 步：创建记忆库 + 生成 embeddings
进入 OpenClaw 工作目录，索引你的 memory 文件夹：
# 创建记忆库
qmd collection add memory --name daily-logs --mask "**/*.md"
# 生成 embeddings
qmd embed
索引速度极快，本地运行不联网。
第 3 步：测试搜索
# 混合搜索（最精准）
qmd query "关键词"
# 纯语义搜索
qmd vsearch "关键词"
进阶：MCP 集成
让 AI agent 直接调用 qmd，在 mcporter.json 里加一段配置：
{
"mcpServers": {
"qmd": {
"command": "/Users/你的用户名/.bun/bin/qmd",
"args": ["mcp"]
}
}
}
配置好后，agent 会主动从历史 log 中找最相关的段落，跨文件精准回忆，不再靠你手动提醒。
实际效果
场景 1：回忆用户偏好。不再需要把整个 2000 token 的 http://MEMORY.md 塞进去，qmd 只返回相关的 200 token，省钱又精准。
场景 2：跨文件知识检索。自动从所有 memory 文件中找最相关段落，准确率极高。
如果你在用 OpenClaw 觉得 token 烧得心疼，赶紧折腾起来。
好了，今天的分享就到此结束，咱们下回见；
如果觉得文章对你有帮助，记得点。赞。转。发。收。藏喔！
链接也船长 +WX：913389778，拉你进 OpenClaw 小龙虾交流群！
