원클릭으로 Manus에서 모든 스킬 실행

시작하기

wiki-query

스타2

포크0

업데이트2026년 4월 7일 13:40

qmd를 사용해 위키를 하이브리드 검색(BM25 + 벡터 + 리랭킹)하여 질문에 답합니다. 사용자가 위키 내용에 대해 질문하거나, 개념 비교/분석을 요청할 때 사용합니다.

설치

Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.

Manus에서 실행

출처

gyuha

gyuha/vibe-coding-wiki

GitHub 저장소 열기 Creator 저장소 보기

다운로드

Manus에서 실행

wiki-query

qmd(로컬 하이브리드 검색 엔진)를 사용해 위키 전체에서 관련 문서를 찾고, 답변을 합성합니다.

사용법

/wiki-query [질문]

예) /wiki-query 머신러닝과 딥러닝의 차이점은?

사전 조건

qmd 컬렉션 초기화 (최초 1회)

qmd에 wiki 컬렉션이 없으면 아래 명령으로 초기화합니다:

# wiki 디렉토리를 qmd 컬렉션으로 등록
qmd collection add ./wiki --name wiki --mask "**/*.md"

# 컨텍스트 추가 (검색 품질 향상)
qmd context add qmd://wiki "LLM 지식 위키 - 소스 요약, 엔티티, 개념, 분석 페이지"

# 임베딩 생성 (문서가 있을 때)
qmd embed

인덱스 업데이트 (필요 시)

새 문서가 추가되거나 기존 문서가 변경된 경우 검색 전에 인덱스를 업데이트합니다:

qmd update -c wiki
qmd embed

실행 절차

인자로 받은 질문(또는 대화에서 이어지는 질문)을 대상으로 아래 순서대로 진행합니다.

1. qmd 인덱스 상태 확인

qmd status

문서 수가 0이거나 컬렉션이 없으면:

컬렉션이 없으면 위의 "사전 조건" 절차대로 초기화
wiki/에 문서가 있는데 인덱스가 비어있으면 qmd update -c wiki && qmd embed 실행

2. qmd 하이브리드 검색

qmd의 query 명령을 사용해 BM25 + 벡터 검색 + 리랭킹을 수행합니다:

# 기본 하이브리드 검색 (최고 품질)
qmd query "사용자 질문" -c wiki -n 10 --min-score 0.2 --json

# 한국어 질문인 경우 그대로 사용 (qmd가 의미적 유사도로 검색)
# 결과가 부족하면 키워드 검색으로 보완
qmd search "키워드" -c wiki --full

검색 결과 분석:

score 0.8-1.0: 매우 관련성 높음
score 0.5-0.8: 적당히 관련성 있음
score 0.2-0.5: 어느 정도 관련성 있음

3. 관련 문서 전문 읽기

검색 결과에서 반환된 파일 경로를 바탕으로 전체 문서를 읽습니다:

# 특정 문서 가져오기
qmd get "sources/파일명.md" --full

# 여러 문서 한번에 가져오기
qmd multi-get "sources/*.md" --json

필요시 추가 문서를 재귀적으로 탐색합니다 (관련 페이지의 [[링크]]를 따라가며).

4. 답변 합성

읽은 위키 문서를 기반으로 답변을 작성합니다.
각 클레임에 출처 페이지를 ([[페이지명]]) 형식으로 명시합니다.
위키에 해당 정보가 없으면 솔직하게 "위키에 아직 해당 내용이 없습니다"라고 답합니다.
검색 결과와 qmd 스코어를 참고하여 신뢰도를 평가합니다.

5. 가치 있는 탐색 저장 (해당하는 경우)

비교 분석, 새로운 연결, 심층 탐색 결과는 wiki/analyses/[주제].md로 저장합니다.
사용자에게 저장 여부를 확인한 후 진행합니다.
저장 후 인덱스 업데이트: qmd update -c wiki

6. log.md 업데이트 (최상단에 prepend)

## [오늘날짜] query | 질문 요약
- 참조 페이지: [목록]
- 검색 방식: qmd query (하이브리드)
- 결과: [답변 요약 또는 생성된 페이지명]

검색 팁

질문 유형별 검색 전략

질문 유형	추천 명령	설명
개념 설명	`qmd query`	하이브리드 + 리랭킹으로 최적
특정 키워드	`qmd search`	빠른 BM25 키워드 검색
의미적 유사도	`qmd vsearch`	벡터 유사도 검색
비교/분석	`qmd query` + 다중 쿼리	여러 관련 문서 교차 참조

한국어 지원

기본 임베딩 모델(embeddinggemma)은 한국어 지원이 제한적일 수 있습니다. 한국어 검색 품질이 낮으면:

# Qwen3 멀티링구얼 모델로 전환 (119개 언어 지원, CJK 포함)
export QMD_EMBED_MODEL="hf:Qwen/Qwen3-Embedding-0.6B-GGUF/Qwen3-Embedding-0.6B-Q8_0.gguf"
qmd embed -f

결과가 부족할 때

--min-score 낮추기 (기본 0.2 → 0.1)
-n 증가 (기본 10 → 20)
키워드 검색으로 보완: qmd search
전체 위키 디렉토리를 직접 Grep/Glob으로 탐색

이 저장소의 다른 Skills

같은 저장소

url-to-markdown

gyuha/vibe-coding-wiki

URL을 입력받아 https://r.jina.ai 를 통해 마크다운으로 변환 후 raw/ 폴더에 저장합니다. 사용자가 URL을 제공하며 위키에 추가해달라고 요청할 때 사용합니다.

2026-04-072

wiki-ingest

gyuha/vibe-coding-wiki

새 소스 파일을 위키에 통합합니다. raw/ 디렉토리에 새 파일이 추가되었을 때, 또는 사용자가 특정 파일을 위키에 반영해달라고 요청할 때 사용합니다.

2026-04-072

wiki-lint

gyuha/vibe-coding-wiki

위키 전체를 점검하여 모순, 고립 페이지, 오래된 정보, 누락된 교차 참조를 찾아 수정합니다. 위키 품질 검사가 필요하거나 주기적인 정리 작업을 요청할 때 사용합니다.

2026-04-072

name	wiki-query
description	qmd를 사용해 위키를 하이브리드 검색(BM25 + 벡터 + 리랭킹)하여 질문에 답합니다. 사용자가 위키 내용에 대해 질문하거나, 개념 비교/분석을 요청할 때 사용합니다.

wiki-query

qmd(로컬 하이브리드 검색 엔진)를 사용해 위키 전체에서 관련 문서를 찾고, 답변을 합성합니다.

사용법

/wiki-query [질문]

예) /wiki-query 머신러닝과 딥러닝의 차이점은?

사전 조건

qmd 컬렉션 초기화 (최초 1회)

qmd에 wiki 컬렉션이 없으면 아래 명령으로 초기화합니다:

# wiki 디렉토리를 qmd 컬렉션으로 등록
qmd collection add ./wiki --name wiki --mask "**/*.md"

# 컨텍스트 추가 (검색 품질 향상)
qmd context add qmd://wiki "LLM 지식 위키 - 소스 요약, 엔티티, 개념, 분석 페이지"

# 임베딩 생성 (문서가 있을 때)
qmd embed

인덱스 업데이트 (필요 시)

새 문서가 추가되거나 기존 문서가 변경된 경우 검색 전에 인덱스를 업데이트합니다:

qmd update -c wiki
qmd embed

실행 절차

인자로 받은 질문(또는 대화에서 이어지는 질문)을 대상으로 아래 순서대로 진행합니다.

1. qmd 인덱스 상태 확인

qmd status

문서 수가 0이거나 컬렉션이 없으면:

컬렉션이 없으면 위의 "사전 조건" 절차대로 초기화
wiki/에 문서가 있는데 인덱스가 비어있으면 qmd update -c wiki && qmd embed 실행

2. qmd 하이브리드 검색

qmd의 query 명령을 사용해 BM25 + 벡터 검색 + 리랭킹을 수행합니다:

# 기본 하이브리드 검색 (최고 품질)
qmd query "사용자 질문" -c wiki -n 10 --min-score 0.2 --json

# 한국어 질문인 경우 그대로 사용 (qmd가 의미적 유사도로 검색)
# 결과가 부족하면 키워드 검색으로 보완
qmd search "키워드" -c wiki --full

검색 결과 분석:

score 0.8-1.0: 매우 관련성 높음
score 0.5-0.8: 적당히 관련성 있음
score 0.2-0.5: 어느 정도 관련성 있음

3. 관련 문서 전문 읽기

검색 결과에서 반환된 파일 경로를 바탕으로 전체 문서를 읽습니다:

# 특정 문서 가져오기
qmd get "sources/파일명.md" --full

# 여러 문서 한번에 가져오기
qmd multi-get "sources/*.md" --json

필요시 추가 문서를 재귀적으로 탐색합니다 (관련 페이지의 [[링크]]를 따라가며).

4. 답변 합성

읽은 위키 문서를 기반으로 답변을 작성합니다.
각 클레임에 출처 페이지를 ([[페이지명]]) 형식으로 명시합니다.
위키에 해당 정보가 없으면 솔직하게 "위키에 아직 해당 내용이 없습니다"라고 답합니다.
검색 결과와 qmd 스코어를 참고하여 신뢰도를 평가합니다.

5. 가치 있는 탐색 저장 (해당하는 경우)

비교 분석, 새로운 연결, 심층 탐색 결과는 wiki/analyses/[주제].md로 저장합니다.
사용자에게 저장 여부를 확인한 후 진행합니다.
저장 후 인덱스 업데이트: qmd update -c wiki

6. log.md 업데이트 (최상단에 prepend)

## [오늘날짜] query | 질문 요약
- 참조 페이지: [목록]
- 검색 방식: qmd query (하이브리드)
- 결과: [답변 요약 또는 생성된 페이지명]

검색 팁

질문 유형별 검색 전략

질문 유형	추천 명령	설명
개념 설명	`qmd query`	하이브리드 + 리랭킹으로 최적
특정 키워드	`qmd search`	빠른 BM25 키워드 검색
의미적 유사도	`qmd vsearch`	벡터 유사도 검색
비교/분석	`qmd query` + 다중 쿼리	여러 관련 문서 교차 참조

한국어 지원

기본 임베딩 모델(embeddinggemma)은 한국어 지원이 제한적일 수 있습니다. 한국어 검색 품질이 낮으면:

# Qwen3 멀티링구얼 모델로 전환 (119개 언어 지원, CJK 포함)
export QMD_EMBED_MODEL="hf:Qwen/Qwen3-Embedding-0.6B-GGUF/Qwen3-Embedding-0.6B-Q8_0.gguf"
qmd embed -f

결과가 부족할 때

--min-score 낮추기 (기본 0.2 → 0.1)
-n 증가 (기본 10 → 20)
키워드 검색으로 보완: qmd search
전체 위키 디렉토리를 직접 Grep/Glob으로 탐색