用途：rag-search 用于在已索引的知识库中查找相关文档，适合用户希望在自有语料中定位资料，或问题可由已索引文档回答的场景。底层使用 qmd。
主要能力：提供 query、vsearch、search 三种模式，分别为语义检索（默认）、带分数的向量检索和混合检索；支持限制返回条数，默认 5 条，可指定 collection，默认检索全部集合。结果以 JSON 输出，包含结果路径、分数与内容。
使用方式：先安装 qmd：bun install -g @tobilu/qmd；集合需先用 /rag-index 建立。用 qmd status 检查知识库与文档数，用 qmd query "<query>" --json 执行检索，例如 qmd query "authentication flow" --json，也可用 --limit 10 限制条数、--collection api-docs 限定集合，向量检索用 qmd vsearch "configuration" --json。作为技能使用时，运行查询、解析 JSON 并展示排名靠前的结果及分数，必要时读取整篇文档补充上下文。
限制与排障：无结果时可检查集合是否存在（qmd status）、确认已生成 embeddings（qmd embed），或改用更宽泛的关键词。当前 qmd 使用本地 SQLite 与 sqlite-vec，embedding 为本地模型，无需 API key，适合中小型语料与离线使用；pinecone 与 weaviate 为计划中的支持，资料未提供其可用状态与具体配置。涉及费用、价格、平台与效果的信息暂未提供。