手抓饼做法详解:一份早餐食谱如何成为 RAG 食谱问答系统的结构化数据源
手抓饼做法详解:一份早餐食谱如何成为 RAG 食谱问答系统的结构化数据源
手抓饼是早餐场景中最具代表性的家常面食之一,本文以 data/C8/cook/dishes/breakfast/手抓饼.md 这份食谱为完整主体,先讲透从和面、醒面到煎制的全部实操细节与用料配比,再结合 Datawhale all-in-rag 仓库中"尝尝咸淡 RAG 系统"(code/C8)的数据准备、分块与检索源码,说明这样一份标准化的 Markdown 食谱是如何被解析为可被向量检索、按难度/分类过滤的高质量知识库数据的。读完本文,你既能按图索骥做出层叠酥脆的手抓饼,也能理解"一份结构良好的文档"在 RAG 管线中从头到尾的完整生命周期。
一、食谱概览:为什么手抓饼适合作为 RAG 知识库中的结构化工件
先看这份食谱的原始文件 手抓饼.md,它的组织方式非常规整:
- 一级标题
# 手抓饼的做法作为菜品名称; - 紧随其后的
预估烹饪难度:★★是难度标记; - 随后是
## 必备原料和工具、## 计算、## 操作、## 附加内容四个二级小节。
这种"统一模板 + 小标题分区"的结构,恰好对应 RAG 系统中 Markdown 结构感知分块(MarkdownHeaderTextSplitter)的理想输入。在 环境配置与项目架构文档 中,系统设计者正是基于此类高度规整的菜谱数据,决定"直接按照标题分块,而不需要与常规的递归字符分割器组合使用"——因为单个菜谱文件篇幅较短(通常数百字),单章节内容不会超出模型上下文窗口。手抓饼这份文件就是这一设计决策的典型样本。
在 RAG 系统的数据准备模块 data_preparation.py 中,这份文档会被自动打上三类元数据标签:
| 元数据字段 | 来源 | 手抓饼.md 的实际取值 |
|---|---|---|
category |
文件路径推断(breakfast 目录) |
早餐 |
dish_name |
文件名(file_path.stem) |
手抓饼 |
difficulty |
正则匹配 ★ 连续星号数量 |
2 星 → 简单 |
其中难度判定逻辑位于 _enhance_metadata 方法:使用 re.search(r'★+', content) 精确匹配连续星号,再通过 difficulty_map = {5: '非常困难', 4: '困难', 3: '中等', 2: '简单', 1: '非常简单'} 完成映射。也就是说,读者看到文件头部的 ★★,在系统中会被自动解读为"简单"级别,并成为后续"只推荐简单早餐"这类过滤查询的检索依据。
二、必备原料与工具:一份的完整清单
按原食谱,制作 1 份手抓饼(约够 1~2 人食用)需要以下原料:
- 普通面粉 200 克(中筋面粉即可,不建议用高筋或低筋替代,否则筋度与口感会偏移)
- 开水 100 毫升
- 冷水 50 毫升
- 食用油 15 毫升(涂面用,另需少量煎制用油)
- 盐 3 克
- 鸡蛋 1 个
- 生菜 30 克
- 火腿 30 克
- 芝士片 1 片
工具方面只需常规厨具:和面盆、擀面杖、平底锅(或电饼铛)、刷子、湿布。
原食谱未单独列出工具清单,这里按操作步骤推断补充:揉面需要湿布覆盖醒面,擀制需要案板与擀面杖,煎制需要平底锅。所有原料在 data/C8/cook/dishes/breakfast 目录下的其他早餐食谱中同样以"必备原料和工具"小节形式记录,体现了知识库统一的字段口径。
三、计算:按份数等比放大的配比逻辑
原食谱强调"每次制作前需要确定计划做几份",并给出每份的精确用量(见上表)。这里的配比逻辑与 RAG 系统中的"计算"类子块一致:这类纯数字化的用料信息,在用户提出"手抓饼需要多少面粉"这类精确查询时,会被作为独立子块精确命中——这正是"小块检索"的价值所在。
按份数放大时注意:
- 面粉与水量按比例缩放,但盐和油可略微下调(每份 3 克盐、15 毫升油在 2 份时可取 5~6 克与 25~28 毫升);
- 开水与冷水的比例(2:1)建议保持,这是面皮柔韧的关键;
- 如果一次做多份,生饼皮可冷藏保存(见第五节),无需现做现煎。
四、操作步骤:烫面、醒面与层酥的完整流程
原食谱给出了 6 步核心操作,下面结合面食原理展开讲解,使其可直接照做:
- 和面(烫面 + 冷水和面):面粉放入碗中,先加入开水搅拌成絮状——这一步让部分淀粉糊化、蛋白质部分变性,是面皮"柔韧不硬"的关键;再加入冷水揉成光滑面团。这就是中式面点中经典的"半烫面"手法。
- 静置醒面:覆盖湿布静置 20 分钟。醒发让面筋充分松弛,是后续能擀薄而不回缩的前提。
- 分剂擀片:面团分成每份约 100 克,搓圆,擀成薄片。注意原食谱每份面粉 200 克却分 100 克一个剂子,说明一个剂子对应约半份量,可按实际份数调整剂子数量。
- 涂抹油盐、卷制:表面均匀涂抹食用油,撒上盐,卷成蜗牛状,松弛 10 分钟。油膜的隔离作用会在后续擀制与煎制中形成分层,这是手抓饼"千层"效果的来源。
- 二次擀薄:面团再次擀成厚度均匀的薄饼。松弛后的面团延展性更好,不易破皮。
- 煎制:热锅倒入油,小火煎至两面金黄起泡。小火慢煎保证内部熟透且表面酥脆,起泡说明水分蒸发、层次打开。
煎好的饼依次铺入煎蛋、生菜、火腿、芝士片等配料,卷起即可。
这段"操作"内容在 RAG 系统中会被单独划分为一个子块。参照 数据准备模块文档 中对"西红柿炒鸡蛋"的分块示例,手抓饼.md 会被
MarkdownHeaderTextSplitter(配置于_markdown_header_split,分割层级为#/##/###,strip_headers=False保留标题)切分为约 5 个子块:主标题块、必备原料块、计算块、操作块、附加内容块。当用户问"手抓饼怎么做"时,检索器会优先命中"操作"子块,再通过parent_id映射回完整的父文档参与生成——这就是"小块检索,大块生成"的父子文本块策略(详见 data_preparation.py 中的get_parent_documents智能去重实现)。
五、附加内容与技巧要点
原食谱在"附加内容"中总结了 4 条实操经验,均为可执行要点:
- 开水与冷水混合和面:有助于提升饼皮柔韧度(原理见第四步的烫面说明)。
- 醒发时间不宜少于 20 分钟:否则面筋未松弛,擀薄时容易回缩、破裂。
- 配料总重控制在 100 克以内:避免卷入过多馅料导致饼皮破裂或口感失衡。
- 生饼皮可冷藏保存 24 小时:剩余面剂擀平后用保鲜膜分隔冷藏,使用时回温擀平即可,适合提前备餐。
这些要点在 RAG 系统中同样会被索引为独立的"附加内容"子块。需要说明的是,这类"附加内容"在检索时可能存在副作用——环境配置与项目架构文档 中明确指出,若用户询问基础做法而检索命中的是附加内容子块,"回答就会显得莫名其妙",这正是该 RAG 系统引入父子文本块策略的核心动机之一:让附加内容这类补充信息在生成阶段依然能回落到完整菜谱上下文中。
六、实战:在"尝尝咸淡 RAG 系统"中检索手抓饼
理解了文档侧的结构后,可以实际运行仓库中的 RAG 系统来验证整条链路。环境准备与运行方式如下:
# 创建虚拟环境并安装依赖(参考 docs/chapter8/01_env_architecture.md)
conda create -n cook-rag-1 python=3.12.7
conda activate cook-rag-1
cd code/C8
pip install -r requirements.txt
# 配置 MOONSHOT_API_KEY 环境变量后启动交互式问答
python main.py
系统运行时会经历如下与手抓饼.md 相关的处理链路(对应 main.py 的 build_knowledge_base 与 ask_question):
- 加载与元数据增强:DataPreparationModule 以
data_path = ../../data/C8/cook(见 config.py)递归加载*.md文件,手抓饼.md 被标记为category=早餐、difficulty=简单、dish_name=手抓饼; - 结构分块:按标题层级切分为子块,并为每个子块写入
chunk_id、parent_id、doc_type=child、chunk_index,同时维护parent_child_map映射; - 向量索引构建:IndexConstructionModule 使用
BAAI/bge-small-zh-v1.5嵌入模型将子块向量化并存入 FAISS(配置项index_save_path=./vector_index,支持save_local/load_local持久化,避免重复构建); - 混合检索:RetrievalOptimizationModule 同时执行向量相似度检索与 BM25 关键词检索,再用 RRF(Reciprocal Rank Fusion,
score = 1 / (k + rank + 1))重排融合,按top_k=3返回子块; - 查询路由与生成:GenerationIntegrationModule 的
query_router将"手抓饼怎么做"归类为detail型查询,触发分步指导模式的提示词模板,把完整父文档(含原料、计算、操作、附加内容)作为上下文交给 LLM(默认kimi-k2-0711-preview,temperature=0.1,max_tokens=2048)生成带"菜品介绍 / 所需食材 / 制作步骤 / 制作技巧"的分步回答。
如果你直接问"推荐一个简单的早餐",系统则会走 list 路由:从查询中提取 早餐 与 简单 两个过滤条件(_extract_filters_from_query,匹配 get_supported_categories() 与 get_supported_difficulties() 中的标签),执行 metadata_filtered_search 后返回去重后的菜品名称列表——手抓饼即因"早餐 + 简单"的双标签命中而入选。
七、小结
手抓饼.md 是一份体量虽小但结构完整、字段规整的 Markdown 文档,恰好是 RAG 结构化数据处理的最佳演示样本:路径编码了分类信息,标题组织定义了分块边界,星级标记编码了难度维度,而"原料—计算—操作—附加内容"的四段式结构支撑了"小块精确检索、父文档完整生成"的检索策略。通过 code/C8 的完整实现,你可以复现从一份手抓饼食谱到一次带元数据过滤的混合检索问答的全部链路,这也是 all-in-rag 项目第八章实战篇的核心价值所在。