融合 LLM Agent、RAG 混合检索、多模态理解与营养分析的个性化饮食管理平台
CookHero 是一个全栈个性化饮食管理平台，采用 FastAPI 后端与 React 前端架构，围绕 LLM Agent 体系构建智能饮食管家。系统采用 fast/normal/vision 三层 LLM 分层调用策略，通过 ReAct 推理循环驱动 Subagent 专家体系与丰富的内置工具集（饮食计划管理、营养分析、RAG 检索、Tavily Web 搜索、DALL-E 3 图片生成等），并支持 MCP 协议扩展自定义工具。
在知识检索层面，CookHero 实现了向量检索（Milvus）+ BM25 的双路召回，配合元数据过滤与 Qwen3-Reranker-8B 智能重排序，并通过 Redis + Milvus 双层缓存加速。多模态能力支持图片识别与图文联合理解，兼容 OpenAI 视觉模型 API（默认 Qwen/QVQ-72B-Preview），单次最多 4 张图片、单张 10MB。业务功能覆盖周视图饮食计划制定、AI 文字/图片饮食记录与自动营养估算、每日/每周营养偏差分析及卡路里/蛋白/脂肪/碳水目标追踪。
用户可上传私人 Markdown 食谱构建个性化知识库，与全局 HowToCook 食谱库融合查询。平台内置基于 RAGAS 的 RAG 质量评估（Faithfulness、Answer Relevancy）、LLM 使用统计与结构化 JSON 审计日志（支持 SIEM 对接），并通过 NeMo Guardrails 与规则引擎实现提示词注入防护，Redis 滑动窗口速率限制保障服务安全。
部署方面需 Python >= 3.12、Node.js >= 18，推荐使用 Docker Compose 一键启动 PostgreSQL、Redis、Milvus、MinIO、Etcd 等基础设施。开源协议为 Apache-2.0，421+ commits 持续开发中。食谱数据以中文为主，国际化程度待确认；视觉模型与 Reranker 等依赖外部 API，纯离线部署能力受限。