企业官网建设流程全解析

• 教程
• 人工智能
• 大模型
• RAG

本篇以 all-in-rag 仓库 C8 章实战项目（尝尝咸淡 RAG 系统）中的一份典型菜谱文档「尖叫牛蛙」为核心样本，完整还原其原料清单、用量计算与烹饪操作全流程，并深入剖析这类 Markdown 菜谱文档如何在 数据准备模块 中被加载、增强元数据、按标题分块，最终经混合检索与查询路由支撑起"今天吃什么"的智能问答。读完本文，你将掌握一份结构化菜谱从"静态 Markdown 文件"到"可检索可问答的知识库单元"的完整链路，并可直接对照源码复现。

一、菜谱文档在仓库中的定位

在 all-in-rag 仓库的 C8 章中，构建了一个名为"尝尝咸淡 RAG 系统"的食谱智能问答项目，其灵感来自社区菜谱仓库 HowToCook——用统一 Markdown 格式记录菜品制作方法。仓库将所有菜谱数据组织在data/C8/cook/dishes/下，按菜品分类建目录，例如：

• meat_dish/（荤菜）
• vegetable_dish/（素菜）
• soup/（汤品）
• dessert/（甜品）
• aquatic/（水产）
• breakfast/（早餐）
• staple/（主食）
• condiment/（调料）
• drink/（饮品）

本文要讲的「尖叫牛蛙」就位于data/C8/cook/dishes/meat_dish/尖叫牛蛙/尖叫牛蛙.md，是一道典型的"荤菜"四星难度（困难级）菜谱。对照data/C8/cook/dishes/template/示例菜/示例菜.md模板可知，仓库对每道菜谱的文件结构有严格要求：标题统一为"菜名 + 的做法"、正文按"必备原料和工具 / 计算 / 操作 / 附加内容"四个二级标题组织、难度用 ★ 数量表达。这种高度规整的结构，正是后文 RAG 分块与元数据提取能够"开箱即用"的前提。

二、尖叫牛蛙菜谱全解：原料、用量与操作

2.1 菜品简介与难度

尖叫牛蛙是一道容易上手的菜，一般初学者 1-2 小时即可完成。味道鲜美且具有开胃功效，特别适合食欲不佳时食用，老少皆宜（能吃辣者更佳）。原文档给出的难度评级为：

预估烹饪难度：★★★★

四星对应仓库源码中的"困难"等级——在 data_preparation.py 的_enhance_metadata中，通过正则re.search(r'★+', content)精确匹配连续星号数量，再按映射{5: '非常困难', 4: '困难', 3: '中等', 2: '简单', 1: '非常简单'}自动生成难度元数据，这意味着尖叫牛蛙文档入库后会被自动打上difficulty = 困难的标签。

2.2 必备原料和工具

原文档列出的原料清单如下（共 15 项），请按此准备：

• 牛蛙肉
• 泡姜
• 泡椒
• 野山椒（也可以用干红辣椒替代）
• 青红辣椒
• 大蒜
• 豆瓣酱（推荐郫县豆瓣）
• 盐巴
• 胡椒粉
• 生粉（干淀粉也可）
• 啤酒（推荐雪花）
• 料酒
• 藤椒油（可选）
• 猪油（可选）
• 葱花

2.3 用量计算（每份）

本菜固定按 1 份制作，每份精确用量如下，请完整保留：

2.4 操作步骤（完整版）

原文档共 10 步，是这道菜的灵魂，逐条保留如下：

1. 牛蛙肉洗净后控干水分，加入 10 克以上的盐巴和 50ml 以上的啤酒，用手抓 5 分钟，去除牛蛙肉的腥味。
2. 对着清水冲洗，直至不再流出血水和杂质，控干水分，放到合适的器皿中，准备腌制。
3. 加入 5 克盐、30 克生粉、10ml 料酒、5 克胡椒粉，用手抓均匀，腌制 5-10 分钟。
4. 将泡姜、泡椒、野山椒切丝或切片（根据自己刀工选择），青红辣椒切成圈圈，大蒜拨开即可。
5. 起锅烧热，加入 200ml 食用油（锅底比较平的可以再加 100ml），烧至 6 成油温（有小气泡出现），将腌制好的牛蛙倒入，快速过油炸制，10 秒钟后捞出（不能超时太多，否则蛙肉会老柴）。
6. 捞出蛙肉后控油，并将锅中的热油倒出到碗中，保留 30ml，加入 20ml 猪油（如果没有，则在锅中保留总共 50ml 食用油）。
7. 待油温 6 成热，加入泡姜、泡椒、野山椒、大蒜，炒出香味，加入豆瓣酱 20 克，中火翻炒至出红油（时间控制在 30 秒），倒入 400ml 啤酒。
8. 倒入炸过的牛蛙肉，用勺子推着翻，不要用力搅拌，加入 5 克胡椒粉，加入 5ml 藤椒油，中火慢焖 3 分钟。
9. 加大火力，大火收汁半分钟，加入青红辣椒圈，再煮 10 秒准备起锅。
10. 盛到盆里，撒上葱花，开动！

2.5 附加技巧

• 控干水分的时候可以选择漏勺按压。
• 生粉抓揉时要均匀覆盖蛙肉。

三、从菜谱到知识库：源码级数据链路解析

一份像「尖叫牛蛙」这样的菜谱 Markdown 文档，是如何进入 RAG 知识库并被检索问答的？C8 项目的 main.py 在build_knowledge_base()中依次调用数据准备、索引构建模块完成入库，链路如下。

3.1 数据加载与元数据增强

data_preparation.py 的load_documents()会递归遍历data_path（默认../../data/C8/cook，见 config.py）下所有.md文件，直接读取原文保持 Markdown 格式，并为每个文档生成基于相对路径的确定性 MD5parent_id。

随后_enhance_metadata()依据文件路径与内容自动打标签：

• 分类（category）：通过路径片段匹配CATEGORY_MAPPING，命中meat_dish即标记为"荤菜"；
• 菜名（dish_name）：取文件名去扩展名，即"尖叫牛蛙"；
• 难度（difficulty）：用正则★+精确匹配连续星号，4 颗星映射为"困难"。

于是用户问"有没有困难的荤菜"时，系统即可通过metadata_filtered_search直接过滤出此类文档——这正是 main.py 中_extract_filters_from_query做的事：从问题中识别分类关键词（荤菜/素菜/汤品…）与难度关键词（非常简单/简单/中等/困难/非常困难），组合成过滤条件。

3.2 Markdown 结构感知分块

chunk_documents()使用MarkdownHeaderTextSplitter按标题层级分块：

headers_to_split_on = [ ("#", "主标题"), # 菜品名称 ("##", "二级标题"), # 必备原料、计算、操作等 ("###", "三级标题") # 简易版本、复杂版本等 ]

并设置strip_headers=False保留标题便于理解上下文。以尖叫牛蛙为例，会被分割成"主标题（菜名+简介+难度）""必备原料和工具""计算""操作""附加内容"等若干子块，每个子块继承父文档元数据，并建立chunk_id -> parent_id的父子映射。这对应 01_env_architecture.md 中强调的设计理念——"小块检索、大块生成"：用小而精确的子块匹配具体问题（如"尖叫牛蛙需要什么调料"命中"必备原料和工具"），生成阶段再通过get_parent_documents()取回完整父文档，保证上下文完整。

3.3 混合检索与 RRF 重排

retrieval_optimization.py 中hybrid_search()同时执行 FAISS 向量检索（embedding 模型为BAAI/bge-small-zh-v1.5）与 BM25 关键词检索，各取 5 个候选，再用 RRF（Reciprocal Rank Fusion）融合：

rrf_score = 1.0 / (k + rank + 1) # k = 60

按融合分数排序后截取top_k（默认 3）返回。向量检索负责语义，BM25 负责精确关键词，两者互补，确保"尖叫牛蛙怎么做"这类口语化问题也能稳定命中。

3.4 查询路由与生成

generation_integration.py 的query_router()将用户问题分为三类：

• list：要菜品列表/推荐（如"推荐几个简单的素菜"）；
• detail：要具体做法（如"尖叫牛蛙怎么做"）——命中后走generate_step_by_step_answer，LLM 会按"菜品介绍 / 所需食材 / 制作步骤 / 制作技巧"输出结构化答案；
• general：其他一般性问题。

detail与general查询还会先经过query_rewrite()做智能重写（具体明确的查询保持原样，模糊查询补全烹饪术语）。最终由配置中的kimi-k2-0711-preview模型（config.py，temperature=0.1, max_tokens=2048）结合检索到的完整父文档生成答案。读者可运行python code/C8/main.py（需配置MOONSHOT_API_KEY）体验，交互式提问"尖叫牛蛙怎么做"即可得到基于本文菜谱的分步指导。

四、小结

「尖叫牛蛙」这份菜谱文档，既是可独立照做的家常菜教程，也是 C8 尝尝咸淡 RAG 系统中一个结构规范、标签完整的知识库样本：路径决定分类、星级决定难度、标题决定分块、正文决定检索质量。对照 data_preparation.py、retrieval_optimization.py、generation_integration.py 与 main.py 源码，可以完整复现从"静态菜谱"到"可问答知识库"的每一个环节。想要扩展菜谱库时，只需参照 示例菜模板 的结构新增 Markdown 文件并重启系统重建索引即可，无需改动任何代码。

• 教程
• 人工智能
• 大模型
• RAG