你的第二大脑需要 QMD 才能健康扩展，附知识库配置与 QMD 上手指南

结论：当 Obsidian + Claude Code 的第二大脑知识库膨胀后，基于 index.md 的检索会同时出现定位精度下降、跨类语义搜索失效、raw 细节丢失三个瓶颈，而 QMD 是作者推荐的补丁方案——它把 Google、Anthropic 内部检索同款的混合检索架构打包成本地工具，让 Claude Code 精准定位相关片段，同时大幅降低 token 消耗。作者引用 Andrew Levine 的实测：600+ notes 的 vault 一次问答从 15000 token 降到 500 token，省 96%，安装到可用约 5 分钟。

步骤：在第二大脑目录启动 Claude Code，粘贴一条提示词依次完成六步：npm install -g @tobilu/qmd 安装 CLI；claude plugin marketplace add tobi/qmd && claude plugin install qmd@qmd 安装插件（自动注册 MCP server 与配套 skill）；qmd collection add . --name brain 把当前目录注册为知识库；切换到 Qwen3-Embedding-0.6B 多语言模型（中文知识库必做，默认模型英文优化）；qmd pull 拉取本地小模型；qmd embed -f 生成向量索引。首次下载约 2.4GB 本地模型，之后 embedding 全在本地跑、不联网、不烧 API；日常新增笔记只需偶尔跑 qmd update 做增量索引。检索链路为 query expansion 后并行跑 BM25 与向量搜索，RRF 合并，再用 qwen3-reranker 重排。

适用场景：适合已经用 Obsidian + Claude Code 跑通 wiki 模式、且明显感到搜索变差或 wiki 数量近千的用户；按 Karpathy 的标准，一百个文件、几百个 wiki 的规模可以继续用 index，暂不需要 QMD。前提是接受首次约 2.4GB 的本地模型下载，并愿意用 Qwen3 系列模型承载中文检索；若你的知识库以英文为主或规模尚小，收益有限。QMD 作者为 Shopify 创始人 Tobias Lütke，GitHub 25000+ stars，Karpathy 在 llm-wiki Gist 中将其列为 wiki 长大后的推荐搜索选项。