mmq 是一个本地优先的RAG引擎和记忆管理系统的命令行工具。
make build# 1. 创建集合
mmq collection add ~/Documents/notes --name notes --mask "**/*.md"
# 2. 设置LLM(首次会下载模型)
mmq setup
# 2. 索引文档
mmq update
# 3. 生成嵌入
mmq embed
# 4. 搜索
mmq search "AI chatbot"
mmq vsearch "how to build RAG system"
mmq query "LLM with memory"mmq collection add <path> --name <name>- 创建集合mmq collection list- 列出所有集合mmq collection remove <name>- 删除集合mmq collection rename <old> <new>- 重命名集合
mmq context add [path] <content>- 添加上下文mmq context list- 列出所有上下文mmq context check- 检查缺失的上下文mmq context rm <path>- 删除上下文
mmq ls [collection[/path]]- 列出文档mmq get <file>- 获取文档（按路径或docid）mmq multi-get <pattern>- 批量获取文档
mmq status- 显示索引状态mmq update- 重新索引所有集合mmq embed- 生成向量嵌入
mmq search <query>- BM25全文搜索mmq vsearch <query>- 向量语义搜索mmq query <query>- 混合搜索（最佳质量）
-d, --db <path>- 数据库路径-c, --collection <name>- 集合过滤-f, --format <format>- 输出格式（text|json|csv|md|xml）
-n <num>- 结果数量--min-score <score>- 最小分数阈值--all- 返回所有匹配--full- 显示完整内容
# JSON输出
mmq collection list --format json
# 搜索并限制结果
mmq search "RAG system" -n 5 --min-score 0.5
# 获取文档并显示行号
mmq get docs/readme.md --full --line-numbers
# 批量获取并限制行数
mmq multi-get "docs/**/*.md" -l 100
# 使用集合过滤搜索
mmq search "embedding" --collection notes --format mdMMQ_DB- 自定义数据库路径（默认：~/.mmq/memory.db）YZMA_LIB- 自定义LLM库路径（默认：~/.cache/mmq/lib）