CookHero（烹饪英雄）是一个基于大语言模型（LLM）和检索增强生成（RAG）技术的智能烹饪助手系统。它不仅是一个菜谱库，更是您的私人厨房顾问，能够：
- 🔍 智能问答：解答烹饪技巧、食材搭配、营养知识等问题
- 🍽️ 个性化推荐：根据用户口味、健康目标、饮食限制提供菜品推荐
- 📝 食谱管理：上传并管理个人食谱，构建专属知识库
- 🧠 深度理解：通过多轮对话理解用户意图，提供精准建议
- 🌐 实时搜索：结合 Web 搜索获取最新烹饪资讯和趋势
CookHero 面向厨房新手、健身爱好者、健康饮食倡导者、过敏体质用户等多种人群，致力于让烹饪变得简单、科学、有趣。
- 自然语言理解用户需求（如"我想做一道低脂高蛋白的晚餐"）
- 支持多轮对话，记录上下文历史
- 自动识别用户意图（查询、推荐、闲聊等）
- 向量检索：语义相似度匹配（基于 Milvus）
- BM25 检索：关键词精确匹配
- 元数据过滤：根据烹饪时间、难度、营养成分等筛选
- 多级缓存：Redis + Milvus 双层缓存，提升响应速度
- 用户可上传私人食谱，系统自动分析并索引
- 全局食谱库（来自 HowToCook）与个人食谱融合查询
- 支持 Markdown 格式食谱的智能解析
- 支持用户画像，基于用户偏好进行推荐
- 支持设置模型回答风格
- 使用专门的 Reranker 模型对检索结果进行二次排序
- 提高结果相关性和准确度
- 集成 Tavily 搜索引擎，在知识库不足时自动联网查询
- 结合实时信息和本地知识，给出综合答案
- 用户注册/登录（JWT 身份认证）
- 会话管理（多会话隔离，历史记录保存）
- 图片识别：支持上传食材/菜品图片进行智能识别
- 意图理解：结合图片和文字理解用户完整意图
- 多种场景：菜品识别、食材识别、烹饪指导、食谱查询
- 灵活接入：支持 OpenAI 兼容的视觉模型 API
- 质量监控：基于 RAGAS 框架的自动化评估
- 核心指标：忠实度（Faithfulness）、答案相关性（Answer Relevancy）
- 异步评估：后台异步执行，不影响响应速度
- 趋势分析：支持评估趋势查看和质量告警
- 数据持久化：评估结果存储于 PostgreSQL
- 意图识别：判断用户查询类型（菜谱查询、烹饪技巧、闲聊等）
- 查询改写：优化用户输入，提取关键信息
- 缓存查询：检查 Redis 和 Milvus 缓存
- 混合检索：
- 向量检索（语义相似度）
- BM25 关键词检索
- 元数据过滤（烹饪时间、难度等）
- 结果融合：使用加权融合或 RRF (Reciprocal Rank Fusion)
- 重排序：Reranker 模型对结果精排
- 上下文压缩：提取最相关片段
- LLM 生成：结合检索内容生成最终答案
- Web 增强（可选）：信息不足时触发 Tavily 搜索
详见 项目结构文档
- Python：>= 3.12
- Node.js：>= 18
- Docker 和 Docker Compose（推荐）
-
克隆项目
git clone https://github.com/yourusername/CookHero.git cd CookHero -
配置环境变量
cp .env.example .env # 编辑 .env 文件，填入必要的 API Key -
启动基础设施
cd deployments docker-compose up -d这将启动：
- PostgreSQL (端口 5432)
- Redis (端口 6379)
- Milvus (端口 19530)
- MinIO (端口 9001)
- Etcd (内部使用)
-
安装 Python 依赖并启动后端
cd .. python -m venv .venv source .venv/bin/activate # Windows: .venv\Scripts\activate pip install -r requirements.txt # 初始化数据库 python -m scripts.howtocook_loader # 启动后端服务 uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload
-
启动前端
cd frontend npm install npm run dev -
访问应用
- 前端：http://localhost:5173
- 后端 API：http://localhost:8000
- API 文档：http://localhost:8000/docs
创建 .env 文件（参考 .env.example）：
包含：
- LLM 提供商配置（快速/标准两层模型）
- 向量存储配置
- 检索参数（top_k, score_threshold）
- Reranker 配置
- 缓存策略
- 数据库连接信息
详细说明见 config.yml 中的注释。
- 添加新 API 端点：在
app/api/v1/endpoints/下创建新文件 - 添加新服务：在
app/services/下实现业务逻辑 - 修改对话流程：在
app/conversation/下调整对话管理逻辑 - 修改 RAG 管道：在
app/rag/pipeline/下调整检索流程
cd frontend
npm run dev # 开发服务器
npm run build # 生产构建
npm run lint # 代码检查- 多模态支持：食材图片识别、菜品识别 ✅
- RAG 评估系统：基于 RAGAS 的质量监控 ✅
- 菜品图片生成：AI 生成菜品效果图
- 语音交互：语音输入查询、语音播报步骤
- 营养分析：自动计算卡路里、营养成分
- 社区功能：用户分享、评分、评论
- 智能食材管理：冰箱清单、食材过期提醒
- AR 烹饪指导：增强现实辅助烹饪
欢迎贡献代码、提出问题或建议！
- Fork 本项目
- 创建特性分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 提交 Pull Request
本项目基于 APACHE LICENSE 2.0 许可证开源。详情请参阅 LICENSE 文件。
如果这个项目对您有帮助，请给一个 ⭐️ Star 支持一下！