🍽️ 今天吃什么 - AI美食推荐助手

本项目是基于 Datawhale/all-in-rag 教程的完整实战案例，展示了如何使用图RAG技术构建智能烹饪助手，为您推荐个性化美食和详细烹饪指导。

✨ 特性

• 🤖 智能推荐: 基于图RAG + 向量检索的双重AI推荐
• 🍳 详细指导: 分步骤烹饪指南，新手也能轻松上手
• 💬 对话交互: ChatGPT风格的自然语言交互
• 🎨 现代界面: 玻璃质感的响应式设计
• 📱 跨平台: 支持桌面和移动设备访问

🚀 快速开始

📋 前置要求

✅ Docker Desktop - 下载安装 ✅ Node.js 18+ - 下载安装 (可选，仅开发时需要)

🎯 一键启动

Windows 用户（推荐）:

# 1. 克隆项目
git clone https://github.com/FutureUnreal/What-to-eat-today.git
cd What-to-eat-today

# 2. 双击运行或命令行启动
start.bat

Linux/macOS 用户:

# 1. 克隆项目
git clone https://github.com/FutureUnreal/What-to-eat-today.git
cd What-to-eat-today

# 2. 给脚本执行权限并启动
chmod +x start.sh stop.sh
./start.sh

🌐 访问应用

启动完成后，脚本会自动打开浏览器，或手动访问：

• 🏠 应用首页: http://localhost
• ⚛️ 前端: http://localhost:3000
• 🐍 后端API: http://localhost:8000
• 📊 Neo4j: http://localhost:7474 (neo4j/all-in-rag)
• 🗄️ Milvus: http://localhost:9001 (minioadmin/minioadmin)

🛑 停止服务

# 停止所有服务
stop.bat        # Windows
./stop.sh       # Linux/macOS

# 或者直接使用 Docker Compose
docker-compose down

# 完全重置（清除所有数据）
docker-compose down -v

📝 常用命令

# 查看所有服务状态
docker-compose ps

# 查看特定服务日志
docker-compose logs -f backend
docker-compose logs -f frontend

# 重启特定服务
docker-compose restart backend

# 完全重置（清除所有数据）
docker-compose down -v

🏗️ 架构说明

技术栈

前端:

• Next.js 14 (React框架)
• Tailwind CSS (样式框架)
• Zustand (状态管理)
• Framer Motion (动画)

后端:

• Python 3.11 + Flask
• Neo4j (图数据库)
• Milvus (向量数据库)
• 图RAG + 混合检索

部署:

• Docker + Docker Compose
• Nginx (反向代理)

服务架构

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   Nginx (80)    │────│  Frontend(3000) │────│  Backend(8000)  │
│   反向代理        │    │   Next.js应用    │    │   Flask API     │
└─────────────────┘    └─────────────────┘    └─────────────────┘
                                                        │
                       ┌─────────────────┐    ┌─────────────────┐
                       │  Neo4j (7474)   │────│ Milvus (19530)  │
                       │   图数据库        │    │   向量数据库      │
                       └─────────────────┘    └─────────────────┘

🔧 开发模式

如果您需要修改前端代码：

# 1. 停止容器化的前端服务
docker-compose stop frontend

# 2. 本地运行前端开发服务器
cd frontend
npm install
npm run dev

# 3. 访问 http://localhost:3000 进行开发

🐛 故障排除

问题1：Docker 未运行

❌ 错误：Docker 未运行
✅ 解决：启动 Docker Desktop

问题2：端口被占用

❌ 错误：端口 80/3000/8000 被占用
✅ 解决：关闭占用端口的程序，或修改 docker-compose.yml 中的端口映射

问题3：服务启动超时

❌ 错误：服务启动超时
✅ 解决：
1. 检查网络连接
2. 查看具体服务日志
3. 重启 Docker Desktop
4. 清理 Docker 缓存：docker system prune -f

💡 使用技巧

1. 首次启动：需要下载镜像，可能需要5-10分钟
2. 后续启动：数据已缓存，通常1-2分钟即可完成
3. 开发调试：可以单独重启某个服务而不影响其他服务
4. 数据持久化：除非手动清理，否则数据会永久保存

🙏 致谢

本项目的开发得益于以下开源项目和教程：

📚 教程项目

• Datawhale/all-in-rag - 大模型应用开发实战：RAG技术全栈指南
  • 本项目是该教程的完整实战案例，展示了RAG技术的实际应用
  • 涵盖数据处理、索引构建、检索优化、生成集成等完整技术栈
  • 通过实际的美食推荐场景，帮助学习者理解图RAG技术的实现细节

🍳 菜谱数据

• Anduin2017/HowToCook - 程序员在家做饭方法指南
  • 本项目的菜谱数据主要来源于这个优秀的开源项目
  • 该项目用程序员的思维整理了大量实用的菜谱，格式规范、描述清晰
  • 感谢 @Anduin2017 和所有贡献者们的无私分享

🛠️ 技术栈

• Next.js - React 全栈框架
• Flask - Python Web 框架
• Neo4j - 图数据库
• Milvus - 向量数据库
• Docker - 容器化部署
• Tailwind CSS - 样式框架

🍽️ 享受您的美食推荐之旅！ 如果这个项目对您有帮助，请给个⭐️支持一下！

📄 许可证

本项目采用 MIT License 开源协议。

🔓 使用权限

• ✅ 商业使用 - 可以用于商业项目
• ✅ 修改 - 可以修改源代码
• ✅ 分发 - 可以分发原始或修改后的代码
• ✅ 私人使用 - 可以私人使用
• ✅ 专利使用 - 授予专利使用权

📝 使用条件

• 保留版权声明 - 在所有副本中包含原始版权声明和许可证声明
• 保留许可证 - 在所有副本中包含 MIT 许可证

⚠️ 免责声明

• 软件按"原样"提供，不提供任何明示或暗示的保证
• 作者不承担任何责任或义务

---

Copyright (c) 2025 FutureUnreal. All rights reserved.