企业官网建设流程全解析

• 教程
• 人工智能
• 大模型
• RAG

本篇以 尖椒炒牛肉.md 为蓝本，系统讲解这道预估难度 ★★★ 的家常小炒的完整做法：从按人头计算的食材配比、姜盐酱糖腌制的关键细节，到"冷油下锅—蒜泥金黄—尖椒微皱"的翻炒火候控制。同时，本文将这份结构化菜谱放入 Datawhale all-in-rag 开源仓库的"尝尝咸淡 RAG 系统"（code/C8）中加以印证，展示它如何作为知识库数据被元数据增强、按标题分块并用于精确检索与完整生成。

一、菜品概览与必备原料

尖椒炒牛肉是一道以"香辣开胃、牛肉滑嫩"为特点的快炒家常菜。按照本仓库菜谱的通用模板（可参考 示例菜.md 的注释约定），菜谱文档以一级标题"尖椒炒牛肉的做法"开头，正文首先给出烹饪难度评级，随后依次是"必备原料和工具""计算""操作""附加内容"四个二级章节——这种高度规整的结构，正是下游 RAG 系统能够按标题直接分块的关键前提。

制作这道菜，需要准备以下原料与工具：

二、用量配比：按人头精确计算

菜谱的"计算"章节给出了每人份的精确用量，制作前先确定用餐人数，再按比例放大即可：

这种"给出每人份精确用量、按份数线性放大"的写法，与本仓库 示例菜.md 中"每次制作前需要确定计划做几份"的约定一致，也是 all-in-rag 仓库对菜谱文档质量的要求——避免使用"适量""少许"等不可量化的表述，从而保证 RAG 系统检索到的用量信息可以直接被 LLM 引用为可执行数据。

三、操作步骤全流程

3.1 配菜处理

动手前先完成所有配菜的预处理，做到"备菜在前、下锅不乱"：

• 蒜：剁成蒜泥。蒜泥比蒜片更易炒出金黄焦香，是这道菜风味的核心来源之一；
• 葱：切段。葱段在下锅炒制的中后段加入，避免过早下锅炒蔫失去清甜；
• 姜：切成姜片。姜片用于腌制牛肉去腥，腌制完成后可挑出弃用；
• 尖椒：切成段。尖椒段在蒜泥之后入锅，炒至表皮微皱再下牛肉。

3.2 牛肉的预处理（腌制 30–40 分钟）

牛肉的嫩度与入味程度取决于腌制环节，具体操作：

1. 牛肉放入碗中；
2. 加入姜片、盐、酱油、糖，充分抓拌，使调料均匀包裹牛肉；
3. 腌制 30–40 分钟，让盐分与酱油渗透入肉，同时糖起到提鲜嫩化的辅助作用；
4. 腌制完成后，将姜片挑出即可下锅。

腌制时间是这个环节的关键参数：过短则不入味，过长则可能使肉汁流失。仓库菜谱模板（示例菜.md）也强调，所有"等待类"步骤都必须给出时间或判断标准，这一条在 RAG 问答场景下会被原样检索并传达给用户。

3.3 炒熟：火候与下锅顺序

炒制是决定成品口感的核心环节，下锅顺序与油温节点缺一不可：

1. 冷油下锅，待油温升高至锅底偶有气泡冒出（此时油温约六成热，不宜冒烟，避免蒜泥下锅即焦）；
2. 加入蒜泥，小火煸炒；
3. 待蒜泥变金黄（焦香但未糊），加入尖椒段翻炒；
4. 待尖椒表皮微皱（说明辣椒已断生、辣香被激发），加入腌制好的牛肉，转大火翻炒；
5. 牛肉翻炒至接近变熟时加入葱段，继续翻炒；
6. 翻炒至牛肉完全变熟（表面无生色、质地紧实），立即关火出锅。

提示：尖椒"表皮微皱"是判断尖椒火候的可视化标准，对应仓库菜谱模板中"给出结束步骤的判断标准"的要求；牛肉全程大火快炒，避免久炒变老。

四、附加技巧：嫩化与去腥的两个可选方案

菜谱"附加内容"部分补充了两条实用技巧，能显著提升成品质感：

• 小苏打嫩肉法：腌制时可加入食用小苏打使牛肉更嫩，牛肉与小苏打的比例为 500 g : 3 g。小苏打通过破坏肌肉纤维中的蛋白质结构起到嫩化作用，但务必按比例控制用量，过量会产生碱味；
• 料酒替代姜片：腌制时可用料酒代替姜片去腥，料酒用量为 3 g/人。若家中姜片临时短缺，这是最直接的替代方案，二者取其一即可，不必同时叠加。

五、拓展：这份菜谱在"尝尝咸淡 RAG 系统"中如何被解析与检索

尖椒炒牛肉的菜谱文档并非孤立存在——它是 all-in-rag 仓库第八章"尝尝咸淡 RAG 系统"（docs/chapter8/01_env_architecture.md）知识库中的一份典型数据，位于荤菜分类目录 meat_dish 下。理解系统如何消费这份文档，能帮助你把握整条 RAG 流水线。

5.1 数据加载与元数据增强

在 data_preparation.py 中，load_documents()使用Path.rglob("*.md")递归扫描数据目录，将每个 Markdown 文件作为父文档载入（code/C8/rag_modules/data_preparation.py）。随后_enhance_metadata()会为"尖椒炒牛肉"这份文档自动补齐三类元数据：

• 菜品分类：从文件路径中的目录名meat_dish推断为"荤菜"（CATEGORY_MAPPING中'meat_dish': '荤菜'，见 code/C8/rag_modules/data_preparation.py）；
• 菜品名称：直接取文件名尖椒炒牛肉作为dish_name；
• 难度等级：用正则★+匹配正文中的星级标记，本文档的 ★★★ 会被映射为"中等"（难度映射表见 code/C8/rag_modules/data_preparation.py）。

5.2 按标题分块与"小块检索、大块生成"

文档经元数据增强后，_markdown_header_split()使用 LangChain 的MarkdownHeaderTextSplitter，按照#、##、###三级标题将菜谱切分为结构化子块（code/C8/rag_modules/data_preparation.py）。"尖椒炒牛肉的做法"文档因此被切分为：

父文档：尖椒炒牛肉的做法（完整菜谱） ├── 子块1：# 尖椒炒牛肉的做法 + 难度评级（★★★） ├── 子块2：## 必备原料和工具（牛肉、葱姜蒜、尖椒、酱油、盐、糖） ├── 子块3：## 计算（250g/人、9ml/人 等用量配比） ├── 子块4：## 操作（配菜处理 → 腌制 → 炒熟） └── 子块5：## 附加内容（小苏打嫩肉、料酒替代）

每个子块都保留parent_id与父文档建立映射（父子关系设计详见 docs/chapter8/02_data_preparation.md）。这套"小块检索、大块生成"策略带来的直接效果是：当用户问"尖椒炒牛肉需要什么食材"时，系统通过混合检索精确命中"必备原料和工具"子块；而当用户问"尖椒炒牛肉怎么做"时，get_parent_documents()会按parent_id找回完整的父文档交给 LLM，保证生成阶段上下文完整（智能去重逻辑见 code/C8/rag_modules/data_preparation.py）。

5.3 在完整 RAG 流水线中的位置

这份菜谱文档从入库到被回答的完整链路为：数据加载与元数据增强 → 标题分块 → BGE 嵌入向量化与 FAISS 索引构建（code/C8/rag_modules/index_construction.py，嵌入模型与索引路径在 config.py 中配置）→ 向量 + BM25 混合检索与 RRF 重排（code/C8/rag_modules/retrieval_optimization.py）→ 查询路由与多模式生成（code/C8/rag_modules/generation_integration.py），最终由 main.py 组装为可交互的命令行问答系统。换句话说，你读到的每一个"用量配比"和"火候节点"，正是系统在回答"尖椒炒牛肉怎么做"时从子块中检索、再由完整父文档生成出来的内容。

六、小结

本文完整复现了尖椒炒牛肉从备料、计算、腌制到炒制的全部细节：按人头精确计算的原料配比、30–40 分钟的腌制窗口、冷油下锅与"蒜泥金黄—尖椒微皱—大火快炒"的火候节奏，以及小苏打（500g:3g）与料酒（3g/人）两条实用替代技巧。同时结合 all-in-rag 仓库源码，展示了这份结构化菜谱作为 RAG 知识库数据被解析、分块、检索与生成的全过程——既是一份可以照着下厨的食谱，也是一份理解"结构化数据 + RAG"如何落地的鲜活样例。

• 教程
• 人工智能
• 大模型
• RAG