Menu
qmd를 사용해 위키를 하이브리드 검색(BM25 + 벡터 + 리랭킹)하여 질문에 답합니다. 사용자가 위키 내용에 대해 질문하거나, 개념 비교/분석을 요청할 때 사용합니다.
Instalar com Codex ou Claude Copie este prompt, cole no Codex, Claude ou outro assistente e deixe que ele revise a página da skill e instale para você.
URL을 입력받아 https://r.jina.ai 를 통해 마크다운으로 변환 후 raw/ 폴더에 저장합니다. 사용자가 URL을 제공하며 위키에 추가해달라고 요청할 때 사용합니다.
새 소스 파일을 위키에 통합합니다. raw/ 디렉토리에 새 파일이 추가되었을 때, 또는 사용자가 특정 파일을 위키에 반영해달라고 요청할 때 사용합니다.
위키 전체를 점검하여 모순, 고립 페이지, 오래된 정보, 누락된 교차 참조를 찾아 수정합니다. 위키 품질 검사가 필요하거나 주기적인 정리 작업을 요청할 때 사용합니다.
Baseado na classificação ocupacional SOC
| 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. |
qmd(로컬 하이브리드 검색 엔진)를 사용해 위키 전체에서 관련 문서를 찾고, 답변을 합성합니다.
/wiki-query [질문]
예) /wiki-query 머신러닝과 딥러닝의 차이점은?
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
새 문서가 추가되거나 기존 문서가 변경된 경우 검색 전에 인덱스를 업데이트합니다:
qmd update -c wiki
qmd embed
인자로 받은 질문(또는 대화에서 이어지는 질문)을 대상으로 아래 순서대로 진행합니다.
qmd status
문서 수가 0이거나 컬렉션이 없으면:
qmd update -c wiki && qmd embed 실행qmd의 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 높음score 0.5-0.8: 적당히 관련성 있음score 0.2-0.5: 어느 정도 관련성 있음검색 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).
([[페이지명]]) 형식으로 명시합니다.wiki/analyses/[주제].md로 저장합니다.qmd update -c wiki## [오늘날짜] query | 질문 요약
- 참조 페이지: [목록]
- 검색 방식: qmd query (하이브리드)
- 결과: [답변 요약 또는 생성된 페이지명]
| 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 |
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
--min-score 낮추기 (기본 0.2 → 0.1)-n 증가 (기본 10 → 20)qmd search