最近给 OpenClaw 接上了 Qmd 做本地语义搜索，Token 账单直接砍了 90% 以上。这篇记录一下踩坑过程，方便以后复现。
一、Qmd 是什么
简单说：Qmd 是一个跑在你本地的语义搜索引擎。它会把你的 Markdown 笔记转成向量，搜的时候用语义匹配而不是关键词匹配。
为什么选它：
- 完全本地，模型下载完就断网能用
- 和 OpenClaw 官方对接，配置即插即用
- 响应速度比 OpenClaw 自带的记忆快 5-50 倍
代价：
- 第一次要下两个模型（加起来 1GB 左右）
- 需要手动维护索引
二、安装 Qmd
方式一：npm（推荐）
方式二：Bun（某些环境更顺）
第一次运行会自动下载：
- （330MB）
- （640MB）
下完就离线可用。
三、OpenClaw 配置
- 备份原配置
- 修改配置
编辑 ，在 段加：
- 重启生效
四、初始化索引（关键）
光改配置不够，得手动把现有笔记喂给 Qmd。
五、验证是否跑通
看到 就是成功了。
六、Docker 部署注意事项
如果用 Docker 跑 OpenClaw，要进容器装：
坑点： 容器重启后模型会丢，建议挂卷持久化：
七、回退方案
如果搞砸了想回默认记忆：
八、实际效果
改后Token消耗全量加载只加载最相关的6条， 响应时间快 5-50 倍 ，离线可用。
参考
- OpenClaw 官方 Qmd 文档：docs.openclaw.ai/configurati…
- Qmd GitHub：github.com/tobi/qmd
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/231709.html