语义补搜 zhangzhenwen1/qmd-autosearch

qmd-autosearch

自动补搜插件：模型在知识库目录执行 grep / glob 搜索时，自动补充一次 QMD 语义检索，把结果注入模型上下文。

DeepSeek Harness 插件（dsh-plugin）。零外部依赖。

功能

- 自动触发：模型在 QMD 集合对应的目录内执行 grep / glob（顶层调用）即触发，无需显式调用
- 语义补搜：QMD 单次查询（lex + vec，服务端 LLM 重排），检索范围限定在配置的 collections
- 智能查询词：以最近的用户消息（任务要求）为语义主查询；消息过短或与搜索主题无关时，回退使用 grep pattern
- 异步注入：结果排队到 agent.inbox.nextStep，下一个 pre-step 注入模型上下文，不阻塞当前工具调用
- 防重复：同一 agent 内相同（工具、路径、pattern）签名只补搜一次
- 容错：QMD 服务不可用或查询无结果时静默跳过，不影响原流程

工作原理

grep/glob 执行完成 → tools/result 钩子 → 路径在触发范围内（由 QMD status 解析的集合路径）？
→ QMD query（collections 限定 + LLM 重排） → 结果排队 agent.inbox.nextStep → 下一个 pre-step 注入模型上下文（user 角色 system-reminder 风格）

安装

方式一：npm 安装（发布后可用）

dsh plugin --profile web add qmd-autosearch

方式二：本地路径引用（开发调试）

在 ~/.dsh/profiles/web/cordis.patch.yml 的 insert 列表追加：

- insert:
- id: qmd-autosearch
name: 'file:///path/to/qmd-autosearch/index.js'
config:
qmdUrl: http://localhost:6179/mcp
collections:
- knowledge-concepts-keynes
- knowledge-principles-keynes
limit: 5
minScore: 25

配置

| 配置项 | 必填 | 默认值 | 说明 |
| qmdUrl | ✅ | 无 | QMD MCP 服务地址（如 http://localhost:6179/mcp） |
| collections | ✅ | 无 | 搜索范围：QMD 集合名列表（qmd collection list 可查） |
| limit | 否 | 5 | 注入结果的条数上限 |
| minScore | 否 | 25 | 最低匹配度过滤（百分数，低于此值的命中丢弃） |
| triggerRoots | 否 | 自动 | 触发判断的文件系统根路径列表；缺省时从 QMD status 动态解析集合路径 |

未配置 qmdUrl / collections 时插件禁用并输出 warn 日志。

使用

插件全自动运行，无需手动调用。配置完成后，正常使用 DSH 即可：

1. 让模型在知识库目录内搜索（如 grep 某个概念）
2. 插件检测到搜索发生在 QMD 集合目录内，自动补充一次语义检索
3. 结果作为补充提示注入模型的下一步上下文，模型可据此用 read 读取命中文档正文

效果示例

模型执行 grep 内需 后，下一步上下文中会出现：

<system-reminder>
QMD 语义检索补充：你在知识库目录执行了「grep 内需」，系统已自动用语义检索（范围限定 QMD 集合，LLM 重排）补搜，查询词「内需」。结果如下（docid 映射为绝对路径后用 read 读取正文）：

Found 3 results for "内需": #abc123 85% <collection>/concepts/<file>.md - <标题> #def456 42% <collection>/principles/<file>.md - <标题> ... </system-reminder>

验证插件已生效

- 让模型在集合目录内 grep 一个词，观察下一步是否出现上述补充消息
- 或查看宿主日志中的 qmd-autosearch: 触发路径池（来自 QMD 集合）N 个（插件启动后首次触发时输出）

前置条件

- 运行中的 QMD MCP 服务（qmd mcp --http --port 6179）
- 已建立至少一个 collection（qmd collection add <name> <path>）

License

MIT