Drop-in QMD replacement with Korean-aware search.
QMD가 사용하는 토크나이저는 한글 검색률이 떨어집니다. 복합어, 한영 혼합 붙여쓰기, 긴 한국어 질문에서 문서를 찾지 못하는 경우가 많습니다. K-QMD는 QMD에 Kiwi 형태소 분석을 결합해 이 문제를 해결합니다.
| 패턴 | 쿼리 | 문서 텍스트 | QMD | K-QMD |
|---|---|---|---|---|
| 복합어 | 취약점 | 보안취약점 스캔 결과를 감사 로그에... | miss | hit |
| 복합어 | 커버리지 | 테스트커버리지를 확인했습니다... | miss | hit |
| 한영 혼합 | 파이프라인 | Jenkins파이프라인에서 GitHub Actions로... | miss | hit |
| 한영 혼합 | 대시보드 | Grafana대시보드에 API 레이턴시와... | miss | hit |
| 긴 쿼리 | 보안 취약점 스캔은 어떻게 동작해? | 보안 취약점 스캔 동작 단계와 결과 해석... | miss | hit |
Search recall: QMD 23% → K-QMD 100% — 26개 search benchmark (상세 결과) Query recall: QMD 0% → K-QMD 82% — 11개 query benchmark (상세 결과)
- Node.js >= 22
- macOS의 경우 Homebrew SQLite 필요 (extension 지원):
brew install sqlite3 - RAM 16GB 이상 (
query사용 시), 8GB 이상 (search만 사용 시) - GGUF 모델 자동 다운로드 (~2GB): embedding, re-ranker, query expansion
- Kiwi 형태소 분석 모델 자동 다운로드 (~95MB)
npm install -g kqmd설치하면 기존 qmd 명령을 그대로 사용할 수 있습니다. qmd mcp도 그대로 동작합니다.
전체 명령어는 QMD documentation을 참고하세요.
한국어 복합어, 붙여쓰기, 한영 혼합 검색에서 QMD가 놓치는 결과를 찾아줍니다. 인덱스가 준비되지 않은 경우 기존 검색 경로로 fallback합니다.
짧은 한국어 구, 한영 혼합 기술 용어 등 쿼리 유형에 따라 ranking 전략을 다르게 적용하고, 이에 맞춰 벡터 검색 경로도 최적화했습니다. --explain으로 ranking 근거를 확인할 수 있습니다.
owned query는 짧은 한글 구와 한영 혼합 plain query에서 clean Korean shadow index를 보조 신호로 사용해, hybrid query가 놓친 한국어 문서를 소수 rescue candidate로 보강합니다. quoted/negated Hangul query나 stale search health에서는 보수적으로 skip 하여 기존 semantics를 유지합니다.
QMD를 SDK로 사용합니다. 한국어 검색 품질에 영향을 주는 명령(search, query, update, embed, status, mcp)만 확장하고, 나머지는 QMD에 그대로 위임합니다.
Kiwi 형태소 분석 모델과 Qwen3 임베딩 모델은 최초 실행 시 자동으로 다운로드됩니다. 임베딩 모델은 QMD가 제공하는 모델 중 한국어 품질이 나은 Qwen3로 고정됩니다.
OpenClaw 메모리 백엔드로 QMD 대신 K-QMD를 사용할 수 있습니다. 새로 설치하거나 기존 QMD에서 마이그레이션하는 방법은 OpenClaw에서 K-QMD 사용하기를 참고하세요.
이 프로젝트는 설계, 구현, 테스트, 리뷰까지 Codex / Claude Code와 함께 만들었습니다.
"Is this much better than I could do by hand? Sure is." — Linus Torvalds
CONTRIBUTING.md와 docs/development.md를 참고하세요.