企业官网建设流程全解析

• 教程
• 人工智能
• 大模型
• RAG

本篇指南以 Datawhale all-in-rag 仓库中的真实菜谱文档 无骨鸡爪.md 为核心对象，先完整还原这道酸辣开胃、Q 弹爽口的凉菜做法，再以此为样本，拆解它如何被仓库 code/C8 中的"尝尝咸淡 RAG 系统"加载、增强元数据、按 Markdown 标题结构分块并最终用于混合检索与问答生成。读完你将同时掌握：一道五星难度菜谱的完整烹饪流程，以及一份结构化菜谱文档在 RAG 流水线中从原始 Markdown 到可检索文本块的完整生命周期。

一、食谱档案：一道"做法简单但消耗体力"的五星凉菜

无骨鸡爪是一道典型的"工序决定成败"的菜——调味料本身并不复杂，真正的挑战在于去骨环节需要耐心与体力。原文档中标注其预估烹饪难度为★★★★★（五星），第一次制作的总耗时约为8 小时 15 分钟，其中去骨约 2 小时、冷藏腌制约 6 小时。

从数据结构的角度看，这份文档遵循了仓库菜谱数据的统一规范：以# 一级标题记录菜品名称，以## 二级标题划分"必备原料和工具 / 计算 / 操作 / 附加内容"等章节。这种高度规整的结构正是 docs/chapter8/01_env_architecture.md 中所强调的、最适合按标题层级分块的文档形态。

二、必备原料和工具

制作无骨鸡爪所需原料如下（后续"计算"一节会给出精确用量）：

• 鸡爪
• 姜
• 料酒
• 大葱
• 大蒜
• 小米辣
• 洋葱
• 生抽
• 蚝油
• 黑醋（推荐陈醋）
• 白糖
• 盐
• 花椒油
• 香菜
• 柠檬

需要说明的是，原文档附注指出成品图片颜色较浅，是因为家里人口味偏好酱油少的版本——生抽用量可以根据口味在参考值基础上自由调整。

三、计算：2-3 人份的标准用量

原文档明确说明一份正好够2-3 个人食用，用量配比是一份完整的可执行清单：

小米辣的辣度档位设计是这道菜的灵活变量：不吃辣可以减到 4 个，追求刺激则直接上 12 个。柠檬同理，酸度以"颗"为单位调节，2 颗是推荐值，但完全可以按口味增减。

四、操作流程

4.1 鸡爪处理（焯水去腥）

1. 用剪刀或刀把鸡爪上的指甲部分全部剪掉，包括指甲下面的肉和骨头，让它一点指甲都不剩；
2. 用水把鸡爪洗干净，放一边备用；
3. 将鸡爪放入大锅中，准备去腥；
4. 放入全部大葱、料酒、姜；
5. 加水没过鸡爪；
6. 大火煮开，中途可以把浮末捞起来；
7. 水开（100 度沸腾）后等 10 分钟；
8. 关火，捞出来，把水沥干，洗干净，放入盆里。

⚠️ 附加提示：操作时需要注意观察沸腾的水位线，如发现水位低于食材的 3/4，应加热水至没过食材，避免煮制不均匀。

4.2 去骨（可省略，约 2 小时）

这是全流程最耗体力的一步，原文档明确说明此步骤可以省略（省略后即为带骨版本，风味相近但少了"无骨"的口感体验）。完整去骨步骤如下：

1. 将焯好洗净的鸡爪放入冰箱冷冻层 20 分钟——冷冻能让皮肉适度收紧、骨头更好分离；
2. 从冷冻层取出后放入非冷冻层冷藏，然后分批 10 个一批拿出来去骨（避免长时间暴露在室温下）；
3. 从鸡爪的手指最前端开始，每只手指都要用刀划开，划到它的手背部分；
4. 再从手背部用刀分划开至整个手臂；
5. 把每只手指的关节处都掰一掰（像按压手指发出声响那样），松动关节；
6. 按着手指最前端，往里推，每只手指都一样，先推到中间手掌、手背部分；
7. 每只手指的皮脱离后，从手掌开始往手臂部分推，直到整个鸡爪皮肉完整脱下来；
8. 放入碗中，备用。

4.3 调配腌料（核心风味成型）

1. 小米辣切成均匀小颗；
2. 大蒜、洋葱、香菜切碎；
3. 柠檬对半切开，把柠檬汁挤入装鸡爪的容器里；
4. 把全部调料倒入装鸡爪的容器，小米辣、大蒜、洋葱和香菜也一并放进去；
5. 抓拌均匀；
6. 调配好后全部放入准备好的鸡爪；
7. 放入冰箱冷藏一个晚上（约 6 个小时）入味。

至此，一份酸辣开胃、Q 弹爽口的无骨鸡爪就完成了。总耗时中绝大部分来自冷藏腌制（6 小时），实际手工作业时间约 2 小时出头的去骨加上约 15 分钟的焯水与调料处理。

五、数据视角：无骨鸡爪文档如何进入 RAG 流水线

上面还原的是原文档的完整烹饪内容。接下来我们切换视角，看看仓库中的"尝尝咸淡 RAG 系统"（code/C8）是如何消费这份文档的——这既是 docs/chapter8/02_data_preparation.md 所述"小块检索，大块生成"父子文本块策略的真实样本，也是验证整条 RAG 链路的最佳载体。

5.1 文档加载与元数据增强

系统启动后，数据准备模块 data_preparation.py 通过rglob("*.md")递归扫描 data/C8/cook 目录下的所有菜谱文件，对每个文件执行_enhance_metadata元数据增强。以无骨鸡爪这份文档为例，实际提取结果如下：

• 菜品分类（category）：从文件路径中的目录名推断。meat_dish在CATEGORY_MAPPING中映射为"荤菜"，因此data/C8/cook/dishes/meat_dish/无骨鸡爪/路径下的文档被标记为"荤菜"；
• 菜品名称（dish_name）：直接取文件名主干（stem），即"无骨鸡爪"；
• 难度等级（difficulty）：用正则re.search(r'★+', content)匹配文档中的连续星号，5 颗星映射为"非常困难"。这也解释了原文档中"预估烹饪难度：★★★★★"这行看似普通的描述，在 RAG 系统中其实承担着结构化难度元数据的职责，可被用于"来一道困难的荤菜"这类带过滤条件的检索。

5.2 按 Markdown 标题结构分块

元数据增强后，chunk_documents调用_markdown_header_split，使用MarkdownHeaderTextSplitter按三级标题结构对文档进行切分（strip_headers=False保留标题，便于模型理解上下文）。无骨鸡爪这份文档会被切分成如下几个子块：

父文档：无骨鸡爪的做法.md ├── 子块1：# 无骨鸡爪的做法 + 简介 + 难度评级（★★★★★） ├── 子块2：## 必备原料和工具 + 食材清单 ├── 子块3：## 计算 + 2-3人份用量配比表 ├── 子块4：## 操作 + 鸡爪处理/去骨/调配腌料步骤 └── 子块5：## 附加内容 + 注意事项

每个子块都会继承父文档的元数据（分类、菜名、难度），并额外获得chunk_id、parent_id、doc_type="child"、chunk_index等字段，同时建立parent_child_map父子映射。这正是 docs/chapter8/02_data_preparation.md 中"检索用小子块、生成用父文档"设计的落地：当用户问"无骨鸡爪需要什么食材"时，向量检索能精确命中子块 2，而回答生成时则通过get_parent_documents取回包含完整步骤的父文档。

5.3 混合检索与 RRF 重排

索引构建（index_construction.py）使用BAAI/bge-small-zh-v1.5嵌入模型对子块向量化并存入 FAISS 后，检索优化模块 retrieval_optimization.py 会同时运行 FAISS 向量检索和 BM25 关键词检索，再用 RRF（Reciprocal Rank Fusion，1 / (k + rank)，默认 k=60）对两路结果融合重排。例如"无骨鸡爪怎么去骨"这样的查询，向量路负责语义匹配"去骨"步骤，BM25 路负责关键词精确命中"去骨"二字，双路融合能显著提升召回质量。

5.4 生成回答

最终由生成集成模块 generation_integration.py 根据查询路由结果选择回答模式：detail类型查询（如"无骨鸡爪怎么做"）走分步指导模式，提示词会引导模型组织"菜品介绍 / 所需食材 / 制作步骤 / 制作技巧"四段式回答，并明确要求"优先使用原文中的实用技巧"，从而把原文档"附加内容"里的水位线提醒等经验完整传递给用户。

六、实操验证：让 RAG 系统回答这道菜

如果你想在本地亲自验证这条链路，可以按 docs/chapter8/01_env_architecture.md 的说明操作：

# 创建虚拟环境并安装依赖 conda create -n cook-rag-1 python=3.12.7 conda activate cook-rag-1 cd code/C8 pip install -r requirements.txt

配置好MOONSHOT_API_KEY环境变量后运行：

python main.py

启动交互式问答后，可以尝试输入"无骨鸡爪怎么做"（触发detail路由与分步指导模式）、"无骨鸡爪需要什么食材"（触发子块 2 的精确检索），或"推荐几个五星难度的荤菜"（触发难度 + 分类的元数据过滤检索）。整个流程中，无骨鸡爪这份文档会先后经历：加载 → 元数据增强 → 标题分块 → 向量化建索引 → 混合检索 → 父子文档回溯 → LLM 生成，每一环都可以在 main.py 的日志输出中看到对应打印信息，便于对照理解。

七、附加内容与要点小结

• 去骨可省略：嫌麻烦可以直接做带骨版本，酸辣调味部分完全一致；
• 看护水位线：焯水沸腾期间如水位低于食材 3/4，需加热水至没过食材；
• 冷藏是关键：6 小时冷藏腌制是入味核心，不建议大幅缩短；
• 辣度酸度可调：小米辣 4/6/12 个对应少/中/大辣，柠檬以 1 颗为单位增减；
• 文档结构即数据资产：这份菜谱之所以能无缝接入 code/C8 的 RAG 系统，正是因为其严格的 Markdown 标题层级与统一的难度标注规范——在 all-in-rag 的菜谱数据集中，每一份.md文件都是经过良好预处理的 RAG 语料。

从一口酸辣爽脆的无骨鸡爪，到一条完整的"文档 → 元数据 → 子块 → 向量索引 → 检索重排 → 生成回答"的 RAG 数据流水线，这就是 Datawhale all-in-rag 仓库中"以结构化食谱为载体的 RAG 实战"最直观的缩影。相关实现细节可继续阅读 docs/chapter8/02_data_preparation.md 与 docs/chapter8/03_index_retrieval.md 获取更完整的模块级讲解。

• 教程
• 人工智能
• 大模型
• RAG