企业官网建设流程全解析

• 教程
• 人工智能
• 大模型
• RAG

番茄红酱是一道以碎牛肉、番茄酱与蔬菜为基底、用牛奶小火慢炖而成的浓香百搭酱料，可搭配薄饼、意面等主食食用。本篇指南以 all-in-rag 仓库中 番茄红酱.md 菜谱为主体，完整还原其原料清单、每份用量配比与五步操作流程，并结合仓库 C8 章"尝尝咸淡 RAG 系统"的源码实现，说明这份结构化菜谱是如何被加载、打标、分块并在问答中被检索与生成的。读完本篇，你既能照单做出正宗的番茄红酱，也能理解一份菜谱文档在 RAG 知识库中从"文件"到"可回答"的全过程。

一、菜品概览与难度评估

番茄红酱香浓可口、营养丰富，是一款兼容性极强的百搭酱料，既可以作为薄饼、意面的浇头，也可以搭配其他主食食用。原文档评价其"有些繁琐，适合有烹饪经验的人尝试"，并给出了★★★★（四星）的预估烹饪难度——这意味着它包含较多处理步骤，需要精妙掌握火候、时间与材料组合的技巧，即便是有经验的厨师也需要花费不少时间来准备。

值得说明的是，这份难度标记在 all-in-rag 的 RAG 系统中并不仅仅是一行文字，而是被元数据增强逻辑解析为结构化的难度标签。在 data_preparation.py 的_enhance_metadata方法中，系统通过正则表达式★+匹配连续星号数量，并依据映射表{5: '非常困难', 4: '困难', 3: '中等', 2: '简单', 1: '非常简单'}将其转换为难度元数据：

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')

因此，当用户向系统提问"推荐一个困难的荤菜"时，这份番茄红酱会因为difficulty='困难'且category='荤菜'而被元数据过滤逻辑准确命中。从源码结构可以推断，这一机制正是 main.py 中_extract_filters_from_query与 retrieval_optimization.py 中metadata_filtered_search协同工作的结果。

二、必备原料与工具清单

制作番茄红酱需要准备以下原料，其中干罗勒或百里香为可选香料，其余均为必需项：

原文档将橄榄油单列为必备原料，它同时承担煸炒蔬菜与炒制牛肉两道工序的介质作用。这份清单在 RAG 系统分块后恰好对应"## 必备原料和工具"这个独立子块，用户若询问"番茄红酱需要什么食材"，检索阶段可精确命中该子块，再经由父子文档机制取回完整父文档供大模型组织回答。

三、计算：每份用量配比

原文档按"每份"给出固定配比，一次制作恰好对应一份的量，无需随份数换算：

• 碎牛肉 500g
• 蒜瓣 2 个
• 胡萝卜 半根
• 芹菜 一根
• 洋葱 半个
• 橄榄油（操作中分两次各用 10ml）
• 糖 2g
• 食盐 10g
• 黑胡椒粉 5g
• 番茄酱 300g
• 牛奶 300ml

这组数据体现了酱料的平衡逻辑：500g 碎牛肉提供浓郁肉香，300g 番茄酱奠定酸甜基底，300ml 牛奶则用于中和番茄的酸涩并带来顺滑口感。需要注意的是，原文档特别提示"考虑各个品牌的番茄酱内含盐量不同，建议在炒牛肉时少放盐，煮的时候尝一下再调味"——即 10g 食盐为上限参考值，实际投放量应以所用番茄酱品牌的含盐量为准动态调整。

这份用量数据在知识库中同样被结构化处理：在 RAG 系统的 Markdown 分块流程里（见 data_preparation.py 的_markdown_header_split），"## 计算"标题下的配比内容会作为一个独立子块保存，并携带chunk_id、parent_id、doc_type='child'、chunk_index等元数据，与"必备原料""操作"等子块共同组成父子文档结构。

四、操作步骤详解

原文档将整个制作过程浓缩为五个步骤，下面结合烹饪原理逐条展开：

第一步：备料将胡萝卜、芹菜、洋葱切碎，蒜瓣切片。蔬菜切碎粒度保持均匀，既有利于快速煸炒出香，也能在后续 30 分钟慢炖中与肉酱充分融合。

第二步：煸炒蔬菜锅中加入 10ml 橄榄油，油热后下入蔬菜，大火翻炒至略微变色后盛出备用。大火快炒的目的是在保留蔬菜水分与清甜口感的同时，激发出洋葱、胡萝卜、芹菜的香气——这三者正是西式酱料中经典的"香蔬三件套"（Mirepoix）。

第三步：炒制牛肉锅内再加入 10ml 橄榄油，放入蒜片翻炒 10 秒，随后加入碎牛肉、糖、盐、胡椒粉和香料（干罗勒或百里香），将牛肉炒脆、炒出颗粒感。炒至颗粒状能让牛肉在后续炖煮中更好地吸附酱汁，同时避免结块；此阶段加糖也可帮助牛肉上色并平衡整体风味。

第四步：合炒将炒好的蔬菜和番茄酱加入锅中，与牛肉充分翻炒、搅拌均匀。让酱料、油脂与肉末在高温下融合，为下一步的慢炖做铺垫。

第五步：慢炖收汁分多次缓缓倒入 300ml 牛奶，转中小火煮 30 分钟即可完成。分次倒入牛奶可以防止温度骤降导致酱料分离；中小火慢炖则让牛肉、蔬菜与番茄酱的风味充分交融，牛奶中的乳脂还能柔化番茄的酸度，最终形成浓稠顺滑的质地。原文档强调，煮酱料期间请持续搅动以免粘锅，待酱料变得粘稠即可出锅。

从 RAG 系统视角看，这五个步骤对应"## 操作"子块，是回答"番茄红酱怎么做"时的核心检索内容。当查询被路由为detail类型时，generation_integration.py 中的generate_step_by_step_answer会使用"分步指导模式"提示词，将完整的父文档作为上下文，组织出包含菜品介绍、所需食材、制作步骤与制作技巧的结构化回答——大模型严格以这份操作步骤为事实依据，不会凭空捏造烹饪环节。

五、附加技巧与灵活变体

原文档在"附加内容"一节给出了三条实用经验，它们是保证成品质量的关键补充：

1. 盐量控制：各品牌番茄酱含盐量差异较大，建议炒牛肉时少放盐，煮制过程中尝味后再做最终调味，避免成品过咸。
2. 防粘锅：煮酱料期间必须持续搅动；当酱料变得粘稠时即为出锅时机，无需死守 30 分钟。
3. 口味变体：可根据个人口味将碎牛肉替换为"一半碎猪肉一半碎牛肉"的混合肉末，或将牛奶替换为鸡汤或饮用水，以适配不同的风味偏好与饮食需求。

此外，原文档还补充了一个生活化建议：一次吃不完也没有关系，酱料可以冷冻保存，需要时随时取出加热即可（但务必记得食用）。这一特性也使其非常适合批量制作。

在 RAG 系统中，"## 附加内容"是独立的第五个子块。由于父子文档机制的存在，即使用户的问题只命中了"附加内容"子块（例如询问"番茄红酱能冷冻吗"），系统也能通过 data_preparation.py 中的get_parent_documents依据parent_id映射回完整父文档，按子块匹配次数统计相关性并去重排序，确保回答时上下文完整、不缺失食材与步骤信息。

六、这份菜谱在 RAG 知识库中的全生命周期

结合 all-in-rag 项目 C8 章"尝尝咸淡 RAG 系统"的实现（环境与架构说明见 01_env_architecture.md），这份番茄红酱菜谱从落盘到被问答，完整经历以下链路：

1. 加载与元数据增强

系统通过rglob("*.md")递归扫描数据目录（默认data_path = ../../data/C8/cook，配置见 config.py）。对番茄红酱这份文件而言，路径中的meat_dish会被 data_preparation.py 的CATEGORY_MAPPING映射为荤菜，文件名番茄红酱被提取为dish_name，正文中的★★★★被解析为困难难度。

2. 结构感知分块

使用MarkdownHeaderTextSplitter按#、##、###三级标题分割，strip_headers=False保留标题以维持上下文可读性。番茄红酱文档由此被切分为约 5 个子块（主标题与简介、必备原料和工具、计算、操作、附加内容），每个子块均继承父文档元数据并建立parent_child_map映射。

3. 索引构建

子块经BAAI/bge-small-zh-v1.5嵌入模型向量化后写入 FAISS 向量索引（index_construction.py），并持久化到vector_index目录，二次启动时可直接加载缓存实现秒级就绪。

4. 检索与重排

用户提问"番茄红酱怎么做"时，系统先由查询路由器判断为detail类型，随后执行混合检索——FAISS 向量检索与 BM25 关键词检索并行，再经 RRF（Reciprocal Rank Fusion）算法融合重排，取top_k=3个最相关子块（retrieval_optimization.py）。

5. 父子文档回溯与生成

按子块的parent_id回溯完整父文档并去重，最终由 Moonshot 大模型（默认kimi-k2-0711-preview，temperature 0.1、max_tokens 2048）以分步指导模式生成详细回答。整个过程可通过 main.py 的交互式问答入口体验。

小结

番茄红酱是一道用料常见、逻辑清晰却讲究火候与耐心的高难度酱料：量化配比（牛肉 500g、番茄酱 300g、牛奶 300ml）是基础，大火煸香、牛肉炒脆、分次加奶、中小火慢炖 30 分钟是口感的关键，盐量尝味调整与持续防粘则是成品质量的保障。与此同时，这份菜谱也是 all-in-rag 食谱 RAG 系统中的一个典型样本——从目录路径推断分类、从星号解析难度、按标题结构分块，再到混合检索与父子文档回溯生成，每一步都有仓库源码可循，为理解"结构化文档如何在 RAG 知识库中发挥价值"提供了最直观的实战案例。

• 教程
• 人工智能
• 大模型
• RAG