企业官网建设流程全解析

• 教程
• 人工智能
• 大模型
• RAG

导读

本文以开源仓库 Datawhale all-in-rag 的 C8 章节食谱知识库中的 小炒肉.md 为分析样本，完整还原这道湘式家常菜从原料配比、腌制到出锅的 10 步做法，并以此为窗口，深入解析该菜谱文档在仓库 RAG（检索增强生成）系统中所扮演的数据角色：Markdown 结构感知分块、难度星级元数据解析、混合检索（向量 + BM25 + RRF）与分步骤回答生成的全链路机制。读完本文，你既能照着做出地道的小炒肉，也能理解一份食谱文档如何被「烹饪式」地加工成可检索、可回答的 RAG 知识库语料。

一、小炒肉食谱文档在项目中的定位

小炒肉食谱是 data/C8 食谱数据集下meat_dish（荤菜）分类的一篇标准 Markdown 菜谱。在仓库的目录设计中，每道菜都以独立 Markdown 文件存放，路径本身携带了分类信息：

• 分类依据：路径中的目录名meat_dish会被映射为「荤菜」；
• 菜品名称：文件名小炒肉会被提取为dish_name元数据；
• 难度等级：文档正文中的星级★★★会被解析为「中等」。

这份文档是 code/C8 中「尝尝咸淡」食谱 RAG 系统的输入语料之一。整个系统围绕data/C8/cook下的全部菜谱构建索引，用户提问「小炒肉怎么做」「推荐几个荤菜」时，系统会先检索相关菜谱，再由大模型组织回答。

二、必备原料与工具清单

原文档完整罗列了制作小炒肉所需的原料与调料（摘自 小炒肉.md）：

• 五花肉
• 朝天椒
• 小米椒
• 豆豉
• 豆瓣酱
• 老抽
• 淀粉
• 盐
• 葱
• 蒜

从配料结构看，这是一道典型的「干煸五花 + 双椒 + 豉香」风味菜：朝天椒提供干香，小米椒提供鲜辣，豆豉与豆瓣酱叠加发酵酱香，老抽上色、淀粉锁水，是湘式小炒中「煸香 + 酱香 + 辣香」三味合一的代表做法。

三、每份用量计算（原料配比表）

原文档按「每份」给出精确配比（摘自 小炒肉.md）：

配比要点：豆豉与豆瓣酱均给出 ±5g 的浮动空间，说明这两味酱料是风味弹性最大的变量——喜重口可加到 15g，喜清淡可减至 5g；盐仅需 1-2g，因为豆瓣酱与豆豉本身含盐，腌制时注意不要过咸。

四、分步操作：10 步还原小炒肉

原文档的完整操作步骤（摘自 小炒肉.md）：

1. 切肉：五花肉切片。建议切成 2-3mm 的薄片，肥瘦相连，便于快速煸出油脂。
2. 腌制：肉片放入器皿，加入淀粉、老抽、盐搅拌，腌制半小时。淀粉 + 老抽 + 盐的腌料组合既上色又保水，半小时的静置让肉片充分吸收底味。
3. 备葱：葱切段。
4. 备椒：小米椒、朝天椒斜刀切好。斜刀切法增大辣椒与热油的接触面积，更易释放辣味与香气。
5. 热锅：热锅、倒油（15ml）。
6. 煸肉：油热后加入五花肉煸炒，炒至变色后盛出。这一步目的是逼出五花肉部分油脂，使肉片边缘微焦、口感干香。
7. 煸料头：锅中加蒜煸出香味，加入豆豉翻炒均匀。豆豉需经油温激发才会释放豉香。
8. 下酱：加入豆瓣酱翻炒均匀。豆瓣酱需炒出红油，酱香才充分。
9. 合炒：加入炒好的五花肉继续翻炒均匀，让肉片均匀裹上酱料。
10. 收尾：加入小米椒、朝天椒、葱段翻炒 40 秒后出锅。辣椒与葱段不宜久炒，40 秒恰好断生并保持脆感。

五、从菜谱到语料：Markdown 结构感知分块

小炒肉这道菜谱之所以能被 RAG 系统有效检索，关键在于其规范的 Markdown 标题结构。仓库的数据准备模块 data_preparation.py 使用MarkdownHeaderTextSplitter按三级标题分块：

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 ] markdown_splitter = MarkdownHeaderTextSplitter( headers_to_split_on=headers_to_split_on, strip_headers=False # 保留标题，便于理解上下文 )

对应到小炒肉文档，它会被切分为「主标题（小炒肉的做法）」「二级标题（必备原料和工具）」「二级标题（计算）」「二级标题（操作）」等独立 chunk。strip_headers=False意味着每个 chunk 都保留标题文本，使检索到的片段自带语义上下文——当用户问「小炒肉需要什么原料」时，系统能直接命中「必备原料和工具」这一块。

分块后，每个子块还会被打上chunk_id、parent_id、chunk_index等元数据，并维护parent_child_map父子映射（见 data_preparation.py），为后续「检索子块 → 回溯完整菜谱」的小块召回 / 父文档生成（Parent Document Retrieval）模式奠定基础。

六、元数据增强：星级如何变成「中等」

数据准备模块会对每篇菜谱自动增强元数据（见 data_preparation.py）：

# 提取菜品分类：路径含 meat_dish → '荤菜' # 提取菜品名称：文件名 小炒肉 → '小炒肉' # 分析难度等级（使用正则精确匹配连续星号数量） star_match = re.search(r'★+', content) if star_match: star_count = len(star_match.group()) difficulty_map = {5: '非常困难', 4: '困难', 3: '中等', 2: '简单', 1: '非常简单'} doc.metadata['difficulty'] = difficulty_map.get(star_count, '未知')

小炒肉文档开头的「预估烹饪难度：★★★」会被正则★+匹配到连续 3 颗星，从而映射为难度「中等」。这解释了菜谱文档为什么约定用连续星号而非「三颗星」之类的文字表述——星号长度可直接被正则计算，是机器友好的难度编码方式。

增强后的元数据（category=荤菜、dish_name=小炒肉、difficulty=中等）会随子块一并进入向量索引，并被检索阶段的元数据过滤和回答生成阶段的上下文格式化所复用。

七、检索与生成：小炒肉如何被「回答」出来

7.1 混合检索 + RRF 重排

索引构建模块 index_construction.py 使用BAAI/bge-small-zh-v1.5嵌入模型在 CPU 上完成向量化，并构建 FAISS 索引；检索优化模块 retrieval_optimization.py 则同时启用向量检索与 BM25 检索，再用 RRF（Reciprocal Rank Fusion）融合排序：

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

当用户问「小炒肉怎么做」时，向量检索负责语义匹配「做法 / 操作」类片段，BM25 则精确命中「小炒肉」这一关键词，两者经 RRF 融合后按 config.py 中的top_k=3返回 Top-3 子块。

7.2 查询路由与分步骤回答

主程序 main.py 在检索前先用大模型对问题路由：list（推荐列表）/detail（具体做法）/general（一般问题）。「小炒肉怎么做」会被路由为detail，随后触发generate_step_by_step_answer——生成集成模块 generation_integration.py 中的烹饪导师提示词会要求 LLM 按「菜品介绍 / 所需食材 / 制作步骤 / 制作技巧」组织回答，且明确「优先使用原文中的实用技巧，如果原文的附加内容与烹饪无关或为空，可以省略」——小炒肉文档的「附加内容」章节为空，模型将基于制作步骤总结要点。

检索到的子块会通过get_parent_documents回溯到完整菜谱（见 data_preparation.py），保证生成阶段拿到的是包含原料、用量、操作在内的整篇小炒肉文档，而非零散片段。

八、动手实践：运行与提问

在code/C8目录下按 requirements.txt 安装依赖，设置MOONSHOT_API_KEY环境变量后运行 main.py：

export MOONSHOT_API_KEY=your_key_here python main.py

系统默认数据路径为../../data/C8/cook，可覆盖 config.py 中的data_path、embedding_model、llm_model、top_k、temperature等配置。可尝试的提问：

• 「小炒肉怎么做」→ 路由为 detail，返回分步骤制作指导；
• 「推荐几道荤菜」→ 路由为 list，返回去重后的菜品名列表；
• 「有没有中难度的菜」→ 触发元数据过滤，命中difficulty=中等的菜谱。

九、小结

一份看似简单的小炒肉菜谱，在 Datawhale all-in-rag 的 C8 食谱 RAG 系统中完成了「文档加载 → 元数据增强（分类 / 菜名 / 难度）→ 结构感知分块 → 向量 + 关键词混合索引 → 路由 + 重写 + 检索 + 分步生成」的完整数据旅程。理解这份菜谱文档的格式约定（星号难度、标题层级、分类目录），也就掌握了为 RAG 知识库设计高质量结构化语料的核心要领——无论是菜谱，还是任何领域的技术文档，良好的结构本身就是最好的「可检索性设计」。

• 教程
• 人工智能
• 大模型
• RAG