Agent RAG 智能食谱检索与推荐系统：从多模态输入到精准推荐的全链路实践
项目仓库:项目仓库
引言与痛点分析
在传统的食谱检索场景中，用户往往面临以下核心痛点：
检索精度不足：基于关键词的传统搜索难以理解用户的真实意图，例如用户输入"简单家常菜"时，系统无法准确判断用户对烹饪难度、食材获取便利性的隐含需求。
大模型幻觉问题：直接依赖大模型生成食谱时，常常出现食材搭配不合理、步骤缺失等问题，严重影响用户体验。
多模态输入支持薄弱：用户上传食材图片时，现有系统无法准确提取食材信息并进行智能匹配。
缺乏个性化评价体系：推荐结果缺乏可信度，用户无法了解推荐依据。
针对这些痛点，我设计并实现了基于 Agent RAG 架构的智能食谱推荐系统，通过多智能体协作和检索增强生成技术，实现了从自然语言/图片输入到精准食谱推荐的全链路闭环。
系统架构设计
RAG 向量检索在食谱匹配中的应用
系统的核心检索层采用 RAG（Retrieval-Augmented Generation） 架构，具体实现包括：
食谱向量化：将300+道食谱的标题、食材、做法等信息通过 shaw/dmeta-embedding-zh 嵌入模型转换为向量，存储于向量数据库中。
多轮查询策略：
- 第一轮：基于用户意图分析结果进行初步检索
- 第二轮：结合食材匹配度进行二次筛选
- 第三轮：通过毒舌评委的维度评分进行最终排序
单例模式优化：通过实现单例模式确保食谱库只加载一次，避免重复加载导致的性能问题。
双评委 Agent 架构
系统创新性地引入了双评委机制，通过海选评委和毒舌评委的协作，有效解决大模型幻觉问题：
海选评委（初筛阶段）
- 职责：快速筛选出10-15个候选食谱
- 核心能力：基于规则和向量相似度进行初步过滤
- 技术实现：使用 qwen2.5:3b 模型进行意图分析和分类
毒舌评委（终审阶段）
- 职责：对候选食谱进行多维度评分
- 核心评价维度：
- 食材匹配度（用户上传图片时自动计算）
- 烹饪难度匹配
- 口味偏好契合度
- 营养均衡度
- 混合策略优化：采用"4B模型生成维度+3B模型执行评分"的混合策略，在保证质量的同时提升性能
协作机制：海选评委负责数量检索，毒舌评委负责质量评价，两者结合既保证了召回率，又确保了推荐精度。
多模态与视觉模型优化
在图像识别（食材提取）环节，我经历了多次技术迭代：
初期挑战：
- 使用 moondream 模型时，识别准确率不稳定
- 提示词设计不当导致模型输出格式混乱
- 图片路径处理存在问题，影响识别效果
优化方案：
模型升级：将视觉模型更换为 qwen3-vl:4b，利用其更强大的多模态理解能力
封闭式验证提示词策略：
- 设计简洁明确的提示词："这个图片里面有什么食材，给我一个食材列表，格式如[苹果，西红柿] 快速回答"
- 移除冗余示例，避免模型记忆固定结果
- 通过测试脚本验证不同提示词模板的效果
图像预处理：尝试灰度增强、对比度调整等技术，提升识别稳定性
路径处理优化：确保传递绝对路径给识别函数，避免相对路径导致的文件找不到问题
前端沉浸式交互体验
基于 Streamlit 的前端实现了复杂的交互逻辑：
状态管理：通过 st.session_state 管理用户输入、识别结果、推荐进度等动态数据，解决页面刷新导致的状态丢失问题。
动态占位符：使用 st.empty() 实现局部刷新，在评委评分过程中实时展示进度。
双评委面板布局：
- 左侧：用户需求输入框、图片上传按钮、已识别食材列表
- 右侧：图片预览、识别结果、候选食谱池
- 底部：海选评委和毒舌评委的评分结果对比展示
手风琴折叠组件：用于展示食谱详情，包括图片、食材列表和烹饪步骤。
AgentRAG智能食谱推荐
展望
技术价值提炼
多智能体协作模式：通过分工明确的评委架构，有效提升推荐质量，为其他领域的推荐系统提供了可借鉴的范式。
RAG 技术工程化实践：完整实现了从数据向量化、向量检索到结果重排序的全流程，解决了大规模知识库的高效检索问题。
多模态融合能力：成功整合视觉识别与文本理解，实现了真正的多模态输入支持。
复杂前端状态管理：在 Streamlit 框架下实现了类 SPA 的交互体验，为 Python 后端开发者提供了前端开发的新思路。
未来优化方向
运行情况
