Перейти к содержимому

17. Recipe Recommendation Agent: рецепты по ингредиентам

Самый «бытовой» разбор в каталоге: ингредиенты на входе, три рецепта на выходе. Полезен как пример дисциплины ограничений — диета, время, порции.

По списку ингредиентов предложить рецепты с инструкциями и nutrition-информацией. Граница: агент не проверяет аллергены и не гарантирует точность калорийности.

flowchart LR
  I["Ингредиенты"] --> P["Промпт с ограничениями"]
  D["Диета"] --> P
  T["Время"] --> P
  S["Порции"] --> P
  P --> L["Модель"]
  L --> J["JSON"]
  J --> O["Карточки рецептов"]
  1. Ингредиенты разбираются из строки в список.
  2. Ограничения (--diet, --time, --servings) добавляются в промпт.
  3. Модель возвращает JSON с рецептами.
  4. display_recipe печатает карточки.
def get_recipes(ingredients: list[str], diet: str, time_limit: int, servings: int) -> dict:
...
return parse_json_response(response.content)
  • Ограничения — параметры, а не пожелания. Диета и время передаются явно.
  • Структура вместо текста. JSON позволяет отрисовать карточку и сохранить рецепт.
  • Бытовой домен — хороший тест. Ошибку видно сразу: рецепт с мясом в вегетарианском запросе заметит любой.
  • Аллергены. Модель не гарантирует отсутствие опасных компонентов; для медицинских ограничений это критично.
  • Калорийность. Числа выглядят точными, но не проверены.
  • Выдуманные блюда. Названия и пропорции могут быть некорректны.
  • Игнорирование ограничения. «20 минут» может стать «запекать час».
  • Явно предупреждать об аллергенах и не выдавать медицинских рекомендаций.
  • Проверять время и состав программно, если данные приходят из справочника.
  • Считать nutrition по базе продуктов, а не по оценке модели.
  • Ограничить список ингредиентов справочником, чтобы исключить несуществующие.