AI导哈

鸡尾酒推荐系统

一个基于Python的鸡尾酒推荐系统，使用RAG（检索增强生成）与向量嵌入和Pinecone进行智能鸡尾酒推荐，并集成LMStudio进行本地语言模型推理。

  • by Orio77
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 Orio77/cocktail-mcp

使用说明

鸡尾酒推荐系统

一个基于Python的鸡尾酒推荐系统，使用带有向量嵌入的RAG（检索增强生成）和Pinecone进行智能鸡尾酒建议。该系统与LMStudio集成，用于本地语言模型推理。

特性

  • 🍹 鸡尾酒数据管理和搜索
  • 🔍 基于向量的嵌入相似度搜索
  • 🌲 松果矢量数据库集成
  • 🤖 RAG（检索增强生成）用于智能推荐
  • 🖥️ LMStudio集成用于本地LLM推理
  • 📊 全面的日志记录和错误处理
  • 🧪 全面测试覆盖

项目结构

├── cocktail_server.py          # Main server application
├── config/
│   └── logger.py              # Logging configuration
├── data/
│   └── cocktail_dataset.json  # Cocktail database
├── models/
│   ├── cocktail.py           # Cocktail data model
│   └── ingredient.py         # Ingredient data model
├── services/
│   ├── cocktail_data_service.py  # Cocktail data operations
│   ├── embedding_service.py      # Vector embedding generation
│   ├── pinecone_service.py       # Pinecone vector DB operations
│   └── rag_service.py            # RAG implementation
├── tests/                     # Unit tests
└── logs/                      # Application logs

先决条件

  • Python 3.13（但之前的版本可能适用）
  • LMStudio已安装并正在运行
  • Pinecone帐户、API密钥和创建的索引

安装

  1. 克隆存储库：

    git clone <repository-url>
cd <project-directory>

  2. 创建Anaconda环境：

    conda create -n cocktail-env python=3.13 -y
conda activate cocktail-env

  3. 安装依赖项：

    pip install -r requirements.txt

  4. 设置环境变量：

    cp .env.example .env

    编辑 .env 使用您的配置文件：

    data_path=your/path/to/cocktail_dataset.json
embedding_model=your_embedding_model_here
embedding_dimension=your_embedding_dimension_here
pinecone_index_name=your_pinecone_index_name_here
PINECONE_API_KEY=your_pinecone_api_key_here

LMStudio集成设置

  1. 安装LMStudio：

  2. 下载模型：

    • 打开LMStudio
    • 浏览并下载合适的模型
    • 鸡尾酒推荐模型：
      • qwen3-8b

  3. 集成MCP

    • 在LMStudio中，转到设置->程序->安装->编辑mcp.json
    • 在那里添加以下json：
    {
	"mcpServers": {
		"cocktail-mcp": {
			"command": "C:/path/to/your/environment/python.exe", <!-- mine is "C:/Users/macie/anaconda3/envs/cocktail-mcp/python.exe" -->
			"args": ["c:\\path\\to\\cocktail_server.py"]
		}
	}
}

用法

  • 只需在LMStudio界面聊天，并询问鸡尾酒推荐！

运行测试

执行测试套件：

# Run all tests
python -m pytest tests/

# Run specific test file
python -m pytest tests/test_rag_service.py

日志

检查应用程序日志 logs/ 目录：

tail -f logs/cocktail_app.log

相关 MCP