🍳 CookingAgent - 智能烹饪助手

一个基于大型语言模型（LLM）的智能做菜推荐系统，利用 HowToCook 开源菜谱库，为用户提供个性化的菜单推荐、购物清单生成和做菜流程规划、做菜步骤，达到小白都知道“吃什么、怎么做”的目标。

上下文工程

docs 下为 AI 开发的基础文档，context_engineering 下为 AI 交互的实时文档。

docs 目录下：

• prd.md：需求文档
• sad.md：架构设计文档

context_engineering 目录下：

• context_chat.txt：生成代码、修复 bug 的全部交互
• context_generate-data.txt：生成做菜数据源、打标签的交互

✨ 核心功能

🎯 智能菜单推荐

• 基于用餐人数、口味偏好、特殊人群需求的个性化推荐
• 考虑食材相克和营养均衡的科学配餐
• 支持荤素搭配和难度适配

🛒 自动购物清单

• 根据确认菜单自动生成详细购物清单
• 包含原料用量计算和工具准备提醒
• 原始菜谱内容完整呈现，确保信息准确

⏰ 智能烹饪流程

• 多菜品并行烹饪的时间优化规划
• 识别关键路径和设备使用冲突
• 适合厨房新手的分步指导

💬 对话式交互

• 自然语言理解用户需求
• 多轮对话支持菜品替换和偏好调整
• 智能问答解决烹饪疑问
• 最终生成完整的烹饪指南在 cooking-guides/ 目录中

🏗️ 技术架构

📊 数据流架构

graph LR
    A[HowToCook MD文件] --> B[RecipeParser]
    B --> C[RawRecipe JSON]
    C --> D[LLM智能打标]
    D --> E[ProcessedRecipe]
    E --> F[双文件存储]
    F --> G[KnowledgeBase]
    G --> H[AI Agents]
    H --> I[CLI界面]

Loading

🧠 AI Agent 架构

• IntentExtractor: 用户偏好提取和意图识别
• MenuRecommender: 基于约束的智能菜单推荐
• WorkflowPlanner: 多任务并行的烹饪流程优化

💾 数据存储优化

• recipes_index.json: 轻量级索引，支持快速筛选
• recipes_data.json: 完整数据，按需O(1)访问
• 增量处理: SHA256哈希检测，最小化LLM调用成本

🚀 快速开始

📋 环境要求

• Node.js >= 16.0.0
• npm 或 yarn 包管理器
• OpenAI API Key 或兼容的 LLM API

🔧 安装步骤

1. 克隆项目

git clone <repository-url>
cd CookBookAgent

2. 安装依赖

npm install

3. 配置环境变量

cp .env.example .env

编辑 .env 文件，配置你的 API 设置：

# OpenAI 配置
OPENAI_API_KEY=your_openai_api_key_here
OPENAI_BASE_URL=https://api.openai.com/v1  # 可选：自定义API端点
OPENAI_MODEL=gpt-3.5-turbo
OPENAI_TEMPERATURE=0.3

# 数据处理配置
OPENAI_MAX_TOKENS=2048
BATCH_SIZE=10
REQUEST_DELAY_MS=1000

4. 启动应用

# 开发模式（推荐）
npm run dev

# 或编译后启动
npm run build
npm start

📖 使用指南

💭 对话示例

👤 您: 我们家三口人想吃点辣的菜，有小孩不要太辣

🤖 CookingAgent: 🎯 根据您的需求，我为您推荐以下菜单：

1. **微辣宫保鸡丁**
   适合家庭聚餐，微辣口感小朋友也能接受

2. **清炒时蔬**
   清爽素菜，平衡荤腥，提供丰富维生素

3. **紫菜蛋花汤**
   温和汤品，有助消化，丰富用餐层次

您可以:
• 输入"确认"接受这个菜单
• 输入"换掉[菜名]"来替换某道菜
• 告诉我您的具体要求来调整菜单

🎛️ 命令行选项

• 退出程序: 输入 退出、quit 或 exit
• 重新开始: 输入 重新开始 或 重新规划
• 菜品替换: 换掉[菜名] 或 不要[菜名]
• 确认菜单: 确认、好的、就这些

🛠️ 开发指南

📁 项目结构

CookBookAgent/
├── src/                      # 源代码
│   ├── agents/              # AI 智能体
│   ├── lib/                 # 核心库
│   ├── components/          # UI 组件
│   └── types/               # 类型定义
├── scripts/                 # 数据处理脚本
│   └── data-processing/     # 数据处理模块
├── data/                    # 处理后的菜谱数据
├── docs/                    # 项目文档
└── HowToCook/              # 外部数据源（需单独获取）

🔄 数据处理流程

如果需要更新菜谱数据或重新处理：

1. 获取数据源

# 克隆 HowToCook 仓库到项目目录
git clone https://github.com/Anduin2017/HowToCook.git

2. 运行数据处理

npm run build-data

此过程将：

• 解析所有 .md 菜谱文件（321+ 道菜）
• 使用 LLM 进行智能标签提取
• 生成优化的索引和数据文件
• 仅处理新增或变更的菜谱（增量处理）

🧪 开发命令

# 类型检查
npm run type-check

# 代码格式化（如果配置了）
npm run lint

# 测试核心功能（无UI）
npx ts-node src/test-cli.ts

🎨 技术特点

🚀 性能优化

• 增量处理: 基于 SHA256 哈希的变更检测
• 内存优化: 完整数据加载，避免运行时 I/O
• 查询优化: 双文件架构，索引筛选 + O(1) 详细查询

🛡️ 健壮性设计

• 容错机制: LLM 调用失败时的智能降级
• 数据验证: Zod schema 确保结构化输出
• 错误恢复: 单点失败不影响整体流程

🔧 可扩展性

• 多模型支持: 支持 OpenAI、Claude、Gemini 等
• 配置驱动: 环境变量控制所有关键参数
• 模块化设计: 清晰的关注点分离

📊 数据统计

当前版本包含的菜谱数据：

• 总菜谱数: 321+ 道
• 分类覆盖: 荤菜、素菜、汤品、主食、甜品等 11 个分类
• 口味标签: 酸、甜、苦、辣、微辣、咸、鲜、麻、香
• 烹饪方式: 炒、蒸、炖、炸、凉拌、烤、烧、焖、煮、煎、烙、汆
• 适用性: 儿童友好、孕妇安全标识

🤝 贡献指南

1. Fork 项目
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 开启 Pull Request

🐛 问题反馈

• 使用 GitHub Issues 报告 Bug
• 提供详细的复现步骤和环境信息
• 欢迎功能建议和改进意见

📄 许可证

本项目采用 ISC 许可证 - 查看 LICENSE 文件了解详情

🙏 致谢

• HowToCook - 优质的开源菜谱数据库
• Vercel AI SDK - 强大的 LLM 集成工具
• Ink - React 构建 CLI 的神器

📞 联系方式

• 项目维护者: [AnswerZhao]
• Email: [[email protected]]
• 项目地址: [https://github.com/AnswerZhao/CookingAgent]

---

🌟 如果这个项目对您有帮助，请给个 Star 支持一下！