OpenClaw 又慢还费钱，你需要给它安装这个 Skill 技能：本地语义搜索引擎 QMD

QMD 是什么

QMD (Quantum Memory Database)是 Shopify 联合创始人兼 CEO Tobias Lütke (Tobi) 开发的本地语义搜索引擎。

核心价值：

• 不要把整个文件塞给 AI，而是先用本地搜索找到最相关的片段（通常只有 2-3 句话），再把这些精准内容传给 AI
• 解决传统记忆系统把整个 MEMORY.md 文件直接塞进上下文导致的"上下文爆炸"问题

实际效果：

• 📊 Token 削减：60-97%（平均 95% 以上）
• ⚡ 响应速度提升：5-50 倍
• 💰 成本降低：90-99%
• 🎯 精准度：93%（纯语义搜索仅 59%）

底层技术：

• 基于 TypeScript + Bun 开发，使用 node-llama-cpp 运行本地模型
• 三层混合检索：BM25 全文搜索 + 向量语义搜索 + LLM 重排序
• 所有模型在本地运行（GGUF 格式），完全离线

核心架构：

在 OpenClaw 中安装 QMD

前提条件

⚠️ OpenClaw 版本需要 ≥ 2026.2.2

检查你的版本：

openclaw --version

如果版本低于 2026.2.2，需要先更新到最新版本。

第一步：安装 QMD

1.1 选择包管理器

推荐使用 Bun（速度更快）：

# 使用 Bun 安装
bun install -g @tobilu/qmd

或使用 npm：

# 使用 npm 安装
npm install -g @tobilu/qmd

或直接运行（无需安装）：

npx @tobilu/qmd ...
# 或
bunx @tobilu/qmd ...

1.2 安装支持扩展的 SQLite

QMD 需要支持 vector 扩展的 SQLite。

macOS 用户：

brew install sqlite

验证安装：

sqlite3 --version
# 应该显示版本号 ≥ 3.40.0

Linux 用户 (Ubuntu/Debian)：

sudo apt update
sudo apt install sqlite3

验证安装：

sqlite3 --version

Windows 用户：

1. 访问 SQLite 官网下载页面：https://www.sqlite.org/download.html
2. 下载 "Precompiled Binaries for Windows" 中的 sqlite-tools-win-x64-*.zip
3. 解压到任意目录（例如 C:\sqlite）
4. 将该目录添加到系统 PATH 环境变量： - 右键"此电脑" → "属性" → "高级系统设置" - "环境变量" → 编辑"Path"变量 - 添加解压路径（例如 C:\sqlite）
5. 重启终端，验证安装：

sqlite3 --version

1.3 验证 QMD 安装

qmd --version

如果显示版本号，说明安装成功。

第二步：配置 OpenClaw 使用 QMD

2.1 找到配置文件

根据你使用的版本和操作系统，配置文件位置：

OpenClaw 用户：

• macOS/Linux: ~/.openclaw/openclaw.json
• Windows: C:\Users\你的用户名\.openclaw\openclaw.json

2.2 修改配置

在配置文件中添加或修改以下内容：

{
  "memory":{
    "backend":"qmd",
    "qmd":{
      "limits":{
        "timeoutMs":8000
      }
    }
}
}

配置说明：

• backend: "qmd"- 切换到 QMD 记忆后端
• timeoutMs: 8000- 设置超时时间为 8 秒（默认 4 秒可能不够）

💡 提示：所有操作系统的配置内容完全相同，只是文件路径不同

第三步：重启 OpenClaw

所有操作系统使用相同命令：

# 重启 OpenClaw Gateway 服务
openclaw gateway restart

重启后的行为：

• OpenClaw 会自动使用 QMD 进行记忆检索
• 如果 QMD 出现问题，会自动回退到内置的 SQLite 记忆系统
• 不影响正常使用

验证 QMD 是否正常工作：

查看 OpenClaw 日志，确认 QMD 后端已启用：

openclaw logs --follow

如果看到类似 Using QMD memory backend的日志，说明配置成功。

实测对比效果

我在启用 QMD 前后做了对比测试，结果让人惊喜。

场景一：长期会话记忆查询

测试问题："我们三个月前讨论的那个项目，最后用的什么方案？"

结论：速度快了 20+ 倍，成本降低 200+ 倍，而且不会失败。

场景二：跨文件知识检索

测试问题："我们之前所有项目用过哪些技术栈？"

结论：速度提升 10 倍，再也没卡死过。

场景三：日常对话

测试问题："帮我写个函数"

结论：日常使用体验天差地别。

技术深度：为什么上下文变小，速度就快那么多？

大模型的推理时间和输入 token 数量基本成正比关系：

我的极端案例： 那个 20 万 token 的会话，单次请求成本高达 $6-8，而且基本上都是超时失败，钱白花了。

启用 QMD 后： 无论历史记录有多长，每次只提取最相关的几句话（通常削减 95% 以上）。

✅ 响应快了 5-50 倍 ✅ 成本降低 90-99% ✅ 精准度反而更高（因为噪音少了） ✅ 再也不会因为上下文太长而卡死或超时

全面对比：启用 QMD 前后

适用场景

必须启用的情况

🔴 会话历史超过 1 万 token（基本上运行一周就会超过） 🔴 经常被慢速响应或卡死困扰（特别是长期会话） 🔴 单次请求成本超过 $1

常见问题

Q1: QMD 和传统记忆系统的区别是什么？

传统系统：

• 把整个 MEMORY.md 文件直接塞进上下文
• 其中 90% 的内容可能和当前问题毫无关系
• 上下文越长，请求越慢，成本越高，AI 还容易被无关信息干扰

QMD 系统：

• 先用本地搜索找到最相关的片段（通常只有 2-3 句话）
• 再把这些精准内容传给 AI
• 大幅减少上下文，提升速度和精准度

Q2: QMD 是否安全？

完全安全：

• ✅ 完全免费
• ✅ 完全本地运行
• ✅ 数据永远不出你的电脑
• ✅ 不消耗任何 API 配额

Q3: QMD 的准确率如何？

根据实测数据：

• 混合搜索精准度：93%
• 纯语义搜索精准度：59%
• 混合搜索明显更准确

Q4: 如果 QMD 出现问题怎么办？

OpenClaw 有自动回退机制：

• 如果 QMD 出现问题，会自动回退到内置的 SQLite 记忆系统
• 不影响正常使用
• 可以查看日志了解具体问题

Q5: QMD 需要联网吗？

不需要：

• 首次安装时会下载模型（需要联网）
• 之后完全离线运行
• 所有处理都在本地完成

Q6: QMD 支持哪些文件格式？

主要支持：

• ✅ Markdown 文件（.md）
• ✅ 文本文件（.txt）

其他格式需要先转换为 Markdown 或文本格式。

Q7: QMD 的性能如何？

非常高效：

• 12 个文件的索引只需几秒钟
• 搜索响应通常在 1-3 秒内
• 完全适合实时交互场景

Q8: 如何优化 QMD 的性能？

可以调整以下参数：

{
  "memory":{
    "backend":"qmd",
    "qmd":{
      "limits":{
        "timeoutMs":8000// 根据需要调整超时时间
      }
    }
}
}

Q9: QMD 占用多少存储空间？

存储空间取决于：

• 索引的文件数量和大小
• 模型文件（约几百 MB）
• 通常总占用在 1-2 GB 左右

Q10: 如何卸载 QMD？

如果要卸载 QMD：

1. 修改配置文件，移除 QMD 配置：

{
  "memory": {
    "backend": "sqlite"  // 改回默认的 SQLite 后端
  }
}

1. 重启 OpenClaw：

openclaw gateway restart

1. 卸载 QMD 包（可选）：

bun uninstall -g @tobilu/qmd
# 或
npm uninstall -g @tobilu/qmd

相关链接

• QMD GitHub: https://github.com/tobi/qmd
• OpenClaw 官网: https://openclaw.ai
• SQLite 官网: https://www.sqlite.org/

推荐阅读

• Anthropic 发布 2026 Agentic Coding 趋势报告 ｜ 开发者的核心竞争力是问题定义和价值判断
• 智谱：GLM-5 从擅长编码进化到复杂系统工程和长期智能体任务
• 谷歌提示工程白皮书｜Google Prompt Engineering White-paper
• 2026年做 Agents 应该看这篇全面的技术综述
• 春节前这波“偷袭”！DeepSeek 没官宣，但偷偷点了什么技能？