教程人工智能大模型RAG【免费下载链接】all-in-rag大模型应用开发实战一RAG 技术全栈指南在线阅读地址https://datawhalechina.github.io/all-in-rag/项目地址https://gitcode.com/datawhalechina/all-in-rag点击查看免费下载梅菜扣肉是 Datawhale all-in-rag 项目第八章尝尝咸淡食谱问答系统知识库中的一道典型荤菜菜谱它以高度规整的 Markdown 结构记录了从原料配比到蒸制装盘的完整工序。本文以该菜谱为样本一方面完整还原梅菜扣肉从备料到成菜的实操流程另一方面深入解析这份菜谱文档在 code/C8 食谱 RAG 系统中如何被加载、打标、分块、检索与生成帮助读者同时掌握这道菜的烹饪方法与 RAG 结构化数据消费的底层原理。一、梅菜扣肉菜谱在项目中的定位梅菜扣肉文档位于仓库数据目录 data/C8/cook/dishes/meat_dish/梅菜扣肉/梅菜扣肉.md是 code/C8 所构建的食谱问答系统知识库数据根目录为data/C8/cook中的一份荤菜类菜谱。其文件路径本身就携带了三层可被系统自动解析的信息目录层级dishes/meat_dish/表明它属于荤菜分类文件名梅菜扣肉即菜品名称dish_name正文中预估烹饪难度★★★★的星号标记表明其难度等级。从项目架构上看这份文档正是 docs/chapter8/01_env_architecture.md 所述基于结构化菜谱构建 RAG 问答系统的原始数据样本之一内容简短约 700 字量级、标题层级统一、章节语义清晰与按标题分块 小块检索、大块生成的父子文本块策略高度契合。二、必备原料与用量计算2.1 原料清单原文档在必备原料和工具一节给出了制作梅菜扣肉所需的全部原料按一份每人计算如下原料每份用量五花肉200 g梅菜30 g五香粉2 g食用油300 ml白砂糖5 g老抽30 ml生抽20 ml小米椒1 个蒜末10 g食用盐2 g鸡精2 g2.2 用量计算要点解读原文档的计算章节采用每份为单位进行量化这与食谱问答系统的检索语义直接相关当用户询问梅菜扣肉需要什么原料时系统命中必备原料和工具分块即可精确回答当询问五花肉放多少克时系统命中计算分块即可给出精确克数。这种原料清单—用量计算—操作步骤的章节切分恰好验证了 docs/chapter8/02_data_preparation.md 中按标题切分后小块语义纯净、检索命中率高的设计前提。几点实操提示五花肉 200 g 为每份基准多人份可按比例倍增选择肥瘦相间的三层五花更利于蒸后软烂不腻食用油 300 ml 主要用于后续炸肉定型环节实际消耗量远小于该数值可循环利用老抽负责上色酱红油亮的关键生抽负责调味二者搭配使用用量比例约为 3:2白砂糖 5 g 用于帮助老抽上色与提鲜若不喜欢甜口可按附加内容建议直接省略。三、操作步骤详解原文档的操作章节按时间线给出了完整工序本节逐条保留并补充关键控制点泡发梅菜梅菜放入清水中浸泡 1 小时充分去除盐分与杂质后续炒制更易出香。处理猪皮可选锅中倒入 50 ml 食用油将整块五花肉猪皮朝下放入锅中 1 分钟取出后挂掉猪皮。此步可去除残留毛根并收紧表皮便于后续上色不追求极致卖相可跳过。预煮定型锅中加入开水放入五花肉大火煮 20 分钟以筷子能轻松插入为准取出五花肉。预煮使肉质初步熟化、油脂部分析出为后续切片与蒸制奠定基础。腌制上色在五花肉表面均匀涂抹老抽、五香粉、白砂糖放置 15 分钟。老抽与糖在后续油炸时会焦化上色形成酱红油亮的外观。油炸定型起锅烧油中火将五花肉炸至两面金黄色约 3-5 分钟。此步使表皮起泡酥脆同时逼出部分油脂是肥而不腻口感的关键工序。炒制梅菜起锅烧油倒入泡发好的梅菜加入小米椒、蒜蓉、鸡精、食用盐翻炒直至炒干梅干菜水分。炒干水分既激发香味也为后续吸油做准备。装碗码放将五花肉切片后端约 0.5-1 cm 厚整齐码放在大碗中上面撒上炒好的梅干菜。切片厚度均匀可保证受热一致、软烂统一。蒸制中火蒸 45 分钟让肉与梅菜充分融合梅菜吸收肉汁与油脂。倒扣装盘拿一个盘子倒盖在五花肉大碗上迅速翻转将五花肉完整倒扣在盘子中完成扣肉的经典造型。整套工序从预煮20 分钟到油炸3-5 分钟再到蒸制45 分钟时间轴清晰、参数明确属于可被 LLM 直接解析为分步指导的高质量结构化文本。四、附加内容与实战技巧原文档附加内容一节沉淀了作者的真实烹饪经验这些内容在 RAG 系统中同样具有检索价值常被用户以梅菜扣肉有什么技巧类问题命中制作过程中发现脆皮五花肉真香油炸环节是提升口感的亮点可适当关注火候不喜欢吃甜的可以去掉白砂糖不影响主流程倒数第二个步骤蒸制时间可根据个人喜好调整——喜欢更软烂可适当延长蒸制时间炒干梅干菜的作用推测是为了后续吸油梅菜充分干燥后更易吸收五花肉蒸出的油脂使扣肉肥而不腻、梅菜油润咸香。五、从菜谱到知识库结构化文档的 RAG 消费链路梅菜扣肉文档本身只是一份菜谱但它在 code/C8 食谱问答系统中会经过一条完整的数据处理流水线这正是本项目第八章的实战核心。以下结合源码逐一拆解。5.1 元数据增强路径与星号驱动的自动打标code/C8/rag_modules/data_preparation.py 的_enhance_metadata方法在加载文档后自动补全三类元数据分类category通过检查文件路径中的目录名命中CATEGORY_MAPPING中的meat_dish: 荤菜将梅菜扣肉标记为荤菜菜品名dish_name取文件主文件名梅菜扣肉难度difficulty用正则r★精确匹配正文中的星号梅菜扣肉的★★★★映射为困难映射表为{5: 非常困难, 4: 困难, 3: 中等, 2: 简单, 1: 非常简单}。正是这套自动打标机制使得用户提问来一道困难的荤菜时系统能在 code/C8/main.py 的_extract_filters_from_query中提取出category荤菜、difficulty困难过滤条件精确命中本菜谱。5.2 Markdown 结构分块按标题三级切分梅菜扣肉文档严格遵循# 主标题 / ## 二级标题结构恰好满足 code/C8/rag_modules/data_preparation.py 中_markdown_header_split使用的MarkdownHeaderTextSplitter切分配置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 ]分割时设置strip_headersFalse保留标题使每个子块如必备原料和工具块、计算块、操作块、附加内容块都自带语义上下文。梅菜扣肉由此被切分为 4 个左右的独立检索单元每个块语义单一、便于精确命中。5.3 父子文档策略小块检索、大块生成结构分块后每个子块会继承父文档元数据并建立parent_id关联见chunk_documents与get_parent_documents。这一设计解决了 docs/chapter8/01_env_architecture.md 中提出的矛盾若用户问梅菜扣肉怎么做直接命中操作块即可生成时则通过get_parent_documents依据子块聚合出完整的父文档整份梅菜扣肉菜谱传给 LLM保证原料、用量、步骤、技巧信息完整从而输出可执行的完整指导。5.4 检索与生成从命中到成文当用户向系统提问后code/C8/main.py 的ask_question依次执行查询路由由 code/C8/rag_modules/generation_integration.py 的query_router将问题分类为list推荐、detail做法或general一般咨询查询重写对模糊查询进行改写增强检索效果混合检索由 code/C8/rag_modules/retrieval_optimization.py 并行执行向量检索基于 code/C8/config.py 中配置的BAAI/bge-small-zh-v1.5嵌入模型与 FAISS 索引见 code/C8/rag_modules/index_construction.py与 BM25 关键词检索再用 RRFReciprocal Rank Fusion融合重排分步生成detail类问题调用generate_step_by_step_answer提示词要求按菜品介绍—所需食材—制作步骤—制作技巧组织回答梅菜扣肉菜谱正是这类分步指导的直接数据来源。5.5 运行验证按照 docs/chapter8/01_env_architecture.md 的指引创建 Python 3.12 虚拟环境并安装 code/C8/requirements.txt 依赖后配置好MOONSHOT_API_KEY环境变量即可运行cd code/C8 python main.py进入交互界面后输入梅菜扣肉怎么做系统将检索到本菜谱的操作分块聚合父文档后以分步指导形式输出完整做法——这正是本文所解析的菜谱数据在 RAG 链路中的最终价值体现。小结梅菜扣肉菜谱既是地道的家常硬菜指南也是 Datawhale all-in-rag 第八章食谱问答系统的理想结构化数据样本统一的标题层级使其天然适配按标题分块路径与难度星号使其自动获得分类与难度元数据父子文档策略保证了精确检索 完整生成。掌握这份菜谱的烹饪要领与它在 code/C8 流水线中的流转过程即可举一反三地理解整个知识库中数百道菜谱如何被系统化地消费与问答。赞分享教程人工智能大模型RAG【免费下载链接】all-in-rag大模型应用开发实战一RAG 技术全栈指南在线阅读地址https://datawhalechina.github.io/all-in-rag/项目地址https://gitcode.com/datawhalechina/all-in-rag点击查看免费下载相关推荐Datawhale All-in-RAG 食谱知识库实战台式卤肉饭完整做法指南Datawhale All in RAG 食谱知识库实战台式卤肉饭完整做法指南 导读 本文以 Datawhale All in RAG 项目 C8 章节尝尝教程人工智能大模型RAGall-in-rag 实战卤牛肉卤菜完整制作指南与食谱 RAG 知识库中的检索应用all in rag 实战卤牛肉卤菜完整制作指南与食谱 RAG 知识库中的检索应用 卤菜是一道经典的中式卤味料理以卤牛肉为代表肉质鲜嫩多汁、香气四溢教程人工智能大模型RAGDatawhale all-in-rag 食谱知识库实战从「美式炒蛋」看结构化食谱的 RAG 检索与生成Datawhale all in rag 食谱知识库实战从「美式炒蛋」看结构化食谱的 RAG 检索与生成 导读 本文以 all in rag 项目 C8 章食教程人工智能大模型RAG创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
