Rozdíly

no way to compare when less than two revisions

Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.

@@ Řádek 1: / Řádek 1: @@
+====== QMD ======
+[[https://github.com/tobi/qmd|QMD]] je lokální search engine pro markdownové dokumenty, poznámky, meeting notes a knowledge base. Podle README kombinuje BM25 fulltext, vektorové vyhledávání a LLM re-ranking, přitom běží on-device nad lokálními soubory. Dobře zapadá například jako doplněk k [[ai:zapisy-a-workflow:inspirace-a-strategie:karpathy-llm-wiki-prubezne-budovana-znalostni-baze|patternu LLM Wiki]], kde může sloužit jako vyhledávací vrstva nad rostoucí wiki.
+===== Co to je =====
+QMD není samotná knowledge base ani agent memory platforma. Je to nástroj pro indexaci a prohledávání dokumentů, které už někde máš – typicky markdown, dokumentaci, zápisky nebo interní wiki. Hlavní hodnota je v tom, že nad těmito soubory umí dělat jak rychlé keyword search, tak i sémantické hledání a následný re-ranking výsledků.
+README ho popisuje jako „Query Markup Documents“ a cílí hlavně na agentic workflows, kde agent potřebuje rychle:
+  * najít relevantní soubory
+  * získat jejich cestu nebo docid
+  * stáhnout konkrétní dokument
+  * omezit hledání jen na vybranou kolekci
+===== Jak funguje =====
+Podle dokumentace používá QMD hybridní pipeline:
+  * **BM25 / FTS5** pro klasické fulltextové hledání
+  * **vector search** pro sémantickou podobnost
+  * **query expansion** pro rozšíření dotazu
+  * **LLM re-ranking** pro přesnější finální pořadí výsledků
+V README je architektura popsaná jako kombinace více retrieval kroků, které se spojují přes RRF (Reciprocal Rank Fusion) a následně se přerovnají pomocí lokálního rerankeru. Prakticky je důležité hlavně to, že nejde jen o jednoduché grepování souborů.
+===== Co umí =====
+QMD umí pracovat jak přes CLI, tak přes MCP server. V praxi nabízí hlavně:
+  * správu kolekcí nad adresáři se soubory
+  * indexaci markdownu a dalších textových zdrojů
+  * ukládání kontextu k adresářům a cestám
+  * vyhledávání v režimech ''search'', ''vsearch'' a ''query''
+  * načítání jednoho nebo více dokumentů přes ''get'' a ''multi-get''
+  * JSON nebo file-oriented výstup vhodný pro agenty
+  * MCP server pro přímé napojení do LLM klientů
+Pro větší bázi je důležité i to, že QMD nevrací jen seznam výsledků, ale umí dodat i snippet, skóre, docid a kontext. Agent tak může udělat dvoukrokový workflow: nejdřív hledat, potom stáhnout konkrétní dokumenty.
+===== Lokální běh a modely =====
+QMD běží lokálně a podle README využívá ''node-llama-cpp'' a GGUF modely pro embeddingy, reranking a query expansion. To je důležitý rozdíl oproti cloudovým službám – obsah dokumentů nemusí odcházet mimo lokální stroj.
+README uvádí tři hlavní lokální modelové role:
+  * embedding model
+  * reranker
+  * model pro query expansion
+Výhodou je soukromí a přímý běh nad lokálními soubory. Nevýhodou jsou vyšší nároky na lokální prostředí a nutnost počítat s tím, že pokročilejší kvalita retrievalu něco stojí i výpočetně.
+===== K čemu je to dobré =====
+QMD dává smysl hlavně v těchto situacích:
+  * máš větší markdownovou knowledge base
+  * agent nad ní potřebuje opakovaně hledat
+  * nechceš pokaždé ručně procházet index nebo adresáře
+  * chceš lokální, souborově orientovaný search bez nutnosti stavět vlastní retrieval stack
+  * potřebuješ rychle připojit vyhledávání do Claude Code, MCP klienta nebo jiného agentního workflow
+Typický use-case je právě větší osobní nebo týmová wiki, kde samotná struktura souborů a ruční index přestávají stačit, ale pořád chceš zůstat u lokálního markdownového workflow.
+===== Jak se liší od LLM Wiki =====
+Tady je dobré rozlišit pattern a nástroj.
+[[ai:zapisy-a-workflow:inspirace-a-strategie:karpathy-llm-wiki-prubezne-budovana-znalostni-baze|LLM Wiki]] je způsob práce s knowledge base. Řeší, jak se zdroje průběžně kompilují do wiki, jak vznikají syntézy, jak se udržují vztahy mezi stránkami a jak se dělá linting.
+QMD oproti tomu řeší hlavně retrieval nad již existujícími soubory. Jinými slovy:
+  * **LLM Wiki** = pattern pro průběžně udržovanou znalostní vrstvu
+  * **QMD** = search vrstva nad markdownem a dokumenty
+Nejsou to konkurenti. QMD může být praktický stavební blok uvnitř workflow LLM Wiki.
+===== Základní použití =====
+README uvádí například tento rychlý start:
+<code bash>
+# instalace
+npm install -g @tobilu/qmd
+# přidání kolekce
+qmd collection add ~/notes --name notes
+# vytvoření embeddingů
+qmd embed
+# fulltext search
+qmd search "project timeline"
+# semantické vyhledávání
+qmd vsearch "how to deploy"
+# hybridní query
+qmd query "quarterly planning process"
+</code>
+Pokud se má QMD používat přímo z agenta, dává smysl i MCP server:
+<code bash>
+qmd mcp
+</code>
+README uvádí také HTTP variantu MCP serveru pro sdílený běh bez opakovaného načítání modelů.
+===== Na co dát pozor =====
+  * QMD není náhrada za kvalitní strukturu knowledge base
+  * výsledky budou jen tak dobré, jak dobré jsou indexované dokumenty a kontext
+  * lokální modely zvyšují nároky na runtime prostředí
+  * hybridní retrieval je užitečný, ale pořád neřeší sám o sobě syntézu, konsolidaci a údržbu wiki
+Jinými slovy: QMD dobře řeší hledání, ale neřeší za tebe znalostní architekturu.
+===== Kdy ho zvažovat =====
+QMD má smysl zvažovat ve chvíli, kdy už máš větší množství markdownu a agent nad ním dělá opakované dotazy. Pokud máš jen malou sadu souborů, může stačit obyčejný filesystem a jednoduché fulltextové nástroje. Jakmile ale knowledge base roste, QMD dává smysl jako hotová lokální retrieval vrstva.
+===== Zdroje =====
+  * [[https://github.com/tobi/qmd|tobi/qmd – GitHub]]
+  * [[https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f|Karpathy – LLM Wiki gist]]
+  * [[https://www.marigold.cz/item/karpathy-llm-knowledgebase/|Marigold.cz – Karpathy přišel na to, jak používat AI jinak. A má pravdu.]]