# SmartKitchen

**Repository Path**: gitc_1_0/smart-kitchen

## Basic Information

- **Project Name**: SmartKitchen
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-01-27
- **Last Updated**: 2026-01-28

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# SmartKitchen (智能厨房)

这是一个基于 **Django + Vue 3** 的全栈智能菜谱推荐系统。它不仅是一个菜谱查询工具，更是一个集成了爬虫数据采集、AI 智能推荐、用户互动（作品分享、评论）的完整美食社区平台。

## 项目特点

*   **全栈架构**：后端采用 Django REST Framework，前端采用 Vue 3 + Pinia + Vite，现代化开发体验。
*   **智能推荐**：基于用户行为（浏览、收藏、发布作品）的混合推荐算法，为您精准推送感兴趣的美食。
*   **数据闭环**：内置 Python 爬虫，可从外部源采集数据，并通过 MinIO 对象存储管理图片资源。
*   **社交互动**：支持用户发布烹饪成品（作品动态），与其他厨友点赞、评论互动。
*   **内网穿透友好**：支持纯前端穿透部署模式，后端无需暴露即可在外网访问。

---

## 🏗️ 系统架构

本项目采用经典的前后端分离架构：

*   **前端**: Vue 3 + Vite + Vue Router + Pinia + Axios
*   **后端**: Django 5.x + Django REST Framework (DRF)
*   **数据库**: MySQL 5.7+ (通过自定义 Backend 兼容新版 Django)
*   **对象存储**: MinIO (兼容 S3 协议)
*   **数据采集**: Python Requests + BeautifulSoup4

### 目录结构

```text
djangoAi/
├── backend/                # Django 后端项目根目录
│   ├── config/             # 项目配置文件 (settings.py, urls.py)
│   ├── recipes/            # 菜谱核心应用 (模型, 爬虫, 接口)
│   ├── users/              # 用户认证应用
│   ├── interactions/       # 用户交互应用 (评论, 收藏, 浏览记录)
│   ├── recommendation/     # 推荐算法引擎
│   ├── mysql_custom/       # MySQL 兼容性补丁
│   └── manage.py           # Django 管理脚本
├── frontend/               # Vue 前端项目根目录
│   ├── src/
│   │   ├── views/          # 页面组件 (Home, Search, Detail...)
│   │   ├── components/     # 通用组件
│   │   ├── stores/         # Pinia 状态管理
│   │   └── api/            # Axios 接口封装
│   └── package.json
└── README.md               # 项目文档
```

---

## 🚀 部署指南

### 1. 环境准备

确保您的开发环境已安装以下软件：
*   **Python**: 3.10+
*   **Node.js**: 18+
*   **MySQL**: 5.7 或 8.0
*   **MinIO**: (可选，推荐 Docker 安装)

### 2. 后端部署 (Backend)

1.  **进入后端目录**:
    ```bash
    cd backend
    ```

2.  **安装依赖**:
    ```bash
    pip install django djangorestframework django-cors-headers pymysql boto3 beautifulsoup4 requests
    ```

3.  **配置数据库**:
    修改 `backend/config/settings.py` 中的 `DATABASES` 配置，填入您的 MySQL 信息。

4.  **配置 MinIO (可选)**:
    在 `settings.py` 中或通过环境变量配置 MinIO 连接信息：
    ```python
    MINIO_ENDPOINT = 'http://localhost:9000'
    MINIO_ACCESS_KEY = 'minioadmin'
    MINIO_SECRET_KEY = 'minioadmin'
    MINIO_BUCKET_NAME = 'recipes'
    ```

5.  **初始化数据库**:
    ```bash
    python manage.py makemigrations
    python manage.py migrate
    ```

6.  **创建超级用户**:
    ```bash
    python manage.py createsuperuser
    ```

7.  **启动服务**:
    ```bash
    python manage.py runserver
    ```

### 3. 前端部署 (Frontend)

1.  **进入前端目录**:
    ```bash
    cd frontend
    ```

2.  **安装依赖**:
    ```bash
    npm install
    ```

3.  **启动开发服务器**:
    ```bash
    npm run dev
    ```
    访问 `http://localhost:5173` 即可看到应用界面。

---

## 🕷️ 数据采集 (爬虫使用)

系统内置了强大的数据采集工具，支持按分类抓取外部数据并自动转存图片到 MinIO。

### 支持的分类
目前支持 20+ 种美食分类，包括但不限于：
*   **八大菜系**：`川菜`, `粤菜`, `湘菜`, `鲁菜`, `浙菜`, `苏菜`, `清真菜`
*   **日常分类**：`家常菜`, `快手菜`, `下饭菜`, `早餐`, `主食`, `汤羹`
*   **特色风味**：`西餐`, `甜点`, `烘焙`, `小吃`, `饮品`

### 方式一：命令行触发 (推荐)
在 `backend` 目录下运行：

```bash
# 抓取 10 道川菜
python manage.py crawl_recipes --category 川菜 --count 10

# 抓取 5 道甜点
python manage.py crawl_recipes --category 甜点 --count 5

# 默认抓取家常菜
python manage.py crawl_recipes --count 5
```

### 方式二：API 触发
向 `/api/recipes/crawl/` 发送 POST 请求 (需管理员权限)：
```json
{
    "keyword": "粤菜",
    "limit": 10
}
```

> **注意**：爬虫会自动去重（基于源链接检测），并处理图片防盗链问题，将图片上传至 MinIO 对象存储，确保前端稳定展示。

---

## 🧠 推荐算法解析

本项目核心亮点在于其**混合推荐引擎** (`recommendation/engine.py`)，它结合了基于内容的推荐和基于流行度的推荐策略。

### 1. 冷启动策略 (Cold Start)
针对未登录用户或无历史行为的新用户，系统采用**流行度推荐**：
*   直接返回全站收藏数 (`favorites_count`) 最高的 TOP10 菜谱。
*   保证新用户看到的一定是高质量、高人气的热门内容。

### 2. 个性化推荐策略 (Personalized)
针对登录用户，系统会基于其实时行为计算偏好：

1.  **行为捕获**：读取用户最近 20 条交互记录。
2.  **加权计算**：
    *   **发布作品 (Post Work)**: 权重 `+5` (极高兴趣)
    *   **收藏菜谱 (Favorite)**: 权重 `+3` (高兴趣)
    *   **浏览详情 (View)**: 权重 `+1` (普通兴趣)
3.  **兴趣建模**：根据上述权重计算用户对不同 `category` (分类) 的兴趣得分。
4.  **召回与排序**：
    *   优先从高分分类中召回热门菜谱。
    *   自动过滤用户已经浏览或收藏过的菜谱（去重）。
    *   如果个性化推荐数量不足，自动使用全局热门菜谱补全。

### 3. 数据闭环
*   用户搜索、点击、收藏行为实时回传后端。
*   数据积累越丰富，推荐算法越精准。