Claude Code用户普遍面临令牌消耗过快的痛点，80%-90%的令牌都浪费在无效的文件探索上。开源工具qmd通过建立本地代码索引，将令牌消耗减少92%-95%，5分钟即可完成搭建，彻底解决AI编程中的成本和效率问题。
智能速览
Claude Code的上下文收集机制天然低效，导致90%令牌浪费
qmd通过本地索引实现精准定位，令牌消耗直降90%以上
三大测试场景显示令牌节省分别为91%、90%、93%
5分钟完成搭建，仅需4步配置即可启用
提供三种搜索模式适配不同查询需求
工具仅适用于本地代码库，无法处理在线代码
精华内容
深入了解qmd如何通过改变Claude Code的工作模式，从根源解决令牌浪费问题，让AI编程成本大幅降低。
令牌浪费根源
Claude Code的查询机制存在天然缺陷。当用户发起查询时，AI会经历四个步骤：运行Glob命令列出所有文件、运行Grep命令全局搜索、随机读取3-4个完整文件，最后才读取真正需要的代码片段。这种"先探索再找目标"的模式，让中等规模代码库在使用时，绝大部分令牌都消耗在"找东西"而非"处理东西"上，导致响应速度慢且成本高昂。
qmd核心原理
qmd将Claude Code的"盲目读文件"模式转变为"精准查索引"模式。它对本地项目目录进行全量索引，以MCP服务器形式对接Claude Code。没有qmd时，Claude需要读完所有文件才能找到目标；有了qmd后，直接通过索引提取关键片段开始处理。这种转变从根源砍掉了无效令牌消耗，实现大幅节省。
实测数据验证
三大高频场景的测试数据直观展现效果：查找认证逻辑从2700令牌降至250令牌，节省91%；修复结账bug从3950令牌降至400令牌，节省90%；理解数据库架构从6050令牌降至400令牌，节省93%。日均20-30次查询的使用频率下，原本一小时烧完的限额现在能用一整天。
快速搭建指南
安装qmd需先装Bun环境：curl -fsSL https://bun.sh/install | bash，然后bun install -g qmd。为项目建立索引：qmd collection add ./my-project --name myproject。生成向量嵌入：qmd embed。在MCP配置文件中添加服务器配置，最后在CLAUDE.md中添加规则让AI优先使用qmd，全程5分钟即可完成。
搜索模式选择
qmd提供三种搜索方式：search模式使用BM25关键词搜索，速度最快，适合准确关键词查询；vsearch模式进行向量相似度搜索，无需精确关键词，适合探索性查询；query模式结合两者优势并重新排序，结果最精准但速度稍慢，适合复杂问题深度查询。80%场景使用第一种即可。
适用边界分析
qmd仅适用于本地代码库，无法处理在线或云端代码库；需要基础命令行操作能力，对纯新手有一定门槛；核心作用是精准找代码而非优化代码处理能力，无法提升AI本身的编程水平；当代码库极小时优势不明显，使用原生Claude反而更高效。
qmd的出现反映了AI工具发展的新趋势：专用辅助工具弥补通用型工具的短板，实现效率最大化。这种"主工具+辅助工具"模式将推动AI编程向更高效、更精准、更低成本方向发展，最终让所有开发者受益。
