系统架构设计文档

「吃什么」决策助手 — 技术架构总览 v1.0 文档版本：v1.0 关联 PRD：PRD-v1.0.md 编写日期：2026-05-18

一、系统架构概览

1.1 整体架构图

┌──────────────────────────────────────────────────────────────┐
│                        用户层（WeChat Mini Program）          │
│  首页 │ 搜索页 │ 盲盒页 │ 人群页 │ 详情页 │ 个人中心          │
└──────────────────────────────────────────────────────────────┘
                              │
                              │ HTTPS / JSON API
                              ▼
┌──────────────────────────────────────────────────────────────┐
│                        API 网关层                              │
│  统一入口 · 鉴权 · 限流 · 路由                                │
└──────────────────────────────────────────────────────────────┘
                              │
          ┌───────────────────┼───────────────────┐
          ▼                   ▼                   ▼
┌──────────────────┐ ┌──────────────────┐ ┌──────────────────┐
│   推荐服务         │ │   菜谱服务         │ │   用户服务        │
│   (Recommend)     │ │   (Dish)          │ │   (User)         │
│                  │ │                  │ │                  │
│  · F1 食材搜索    │ │  · F4 菜谱详情    │ │  · 收藏管理      │
│  · F2 盲盒推荐    │ │  · F5 营养查询    │ │  · 偏好设置      │
│  · F3 人群推荐    │ │  · F6 季节节日    │ │  · 搜索历史      │
│  · F7 场景推荐    │ │                   │ │                  │
└──────────────────┘ └──────────────────┘ └──────────────────┘
          │                   │                   │
          └───────────────────┼───────────────────┘
                              ▼
┌──────────────────────────────────────────────────────────────┐
│                        数据层                                  │
│  ┌─────────┐  ┌─────────┐  ┌─────────┐  ┌─────────┐         │
│  │ 菜品库   │  │ 用户库   │  │ 节日历  │  │ 推荐日志│         │
│  │ MongoDB  │  │ MySQL   │  │ Redis   │  │ ClickHouse│        │
│  └─────────┘  └─────────┘  └─────────┘  └─────────┘         │
└──────────────────────────────────────────────────────────────┘
                              │
                              ▼
┌──────────────────────────────────────────────────────────────┐
│                      AI / 数据处理层                           │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐       │
│  │ 菜谱爬虫系统   │  │ 菜谱清洗/结构化│  │ 营养数据计算  │       │
│  │ (Python爬虫)  │  │ (AI+LLM)     │  │ (营养API)    │       │
│  └──────────────┘  └──────────────┘  └──────────────┘       │
│                                                              │
│  ┌──────────────┐  ┌──────────────┐                          │
│  │ 推荐算法引擎  │  │ 意图识别引擎  │                          │
│  │ (规则+CF)    │  │ (NLP)        │                          │
│  └──────────────┘  └──────────────┘                          │
└──────────────────────────────────────────────────────────────┘

二、技术栈选型

2.1 前端（小程序）

技术	选型	说明
框架	原生小程序 / Taro	MVP 阶段用原生，跨平台时切换 Taro
状态管理	MobX / Redux	管理用户状态和推荐上下文
UI 组件	Vant Weapp	有赞出品的轻量组件库
动画	Lottie / wx.createAnimation	盲盒动画
网络请求	Fly.js	统一请求拦截和错误处理

2.2 后端

技术	选型	说明
框架	Node.js (Express/Koa) 或 Python (FastAPI)	推荐 FastAPI，Python 方便 AI 集成
API 风格	RESTful + GraphQL（部分场景）	REST 作为主协议
网关	Kong / Nginx	限流、鉴权、路由
ORM	Prisma（Node）/ SQLAlchemy（Python）	类型安全

2.3 数据存储

存储	选型	用途
菜品数据库	MongoDB	菜品非结构化数据，灵活扩展
用户数据	MySQL	用户信息、收藏、偏好
缓存	Redis	热门菜品缓存、Session、节日数据
日志/分析	ClickHouse	用户行为日志、推荐效果分析
对象存储	阿里云 OSS / 腾讯云 COS	菜品图片 CDN

2.4 AI 层

能力	技术选型	说明
菜谱清洗/结构化	LLM API（GPT-4 / 通义千问）	将爬取的原始数据转为结构化字段
意图识别	轻量 NLP 模型 / 关键词匹配	识别用户模糊输入的意图
营养数据计算	本地营养数据库 + AI 辅助	参考 USDA 食物营养数据库
相似菜品推荐	向量数据库（Milvus）	语义相似菜品匹配

三、数据模型设计

3.1 核心实体关系

┌─────────────┐       ┌─────────────┐
│   User      │       │   Dish      │
├─────────────┤       ├─────────────┤
│ id          │──┐    │ id          │
│ nickname    │  │    │ name        │
│ avatar      │  │    │ coverImage  │
│ crowdType   │  │    │ ingredients │
│ preferences │  │    │ nutrition   │
│ createdAt   │  │    │ steps       │
└─────────────┘  │    │ crowdType   │
      │          │    │ scenes      │
      │          │    │ seasons     │
      │          │    │ festivals   │
      ▼          │    │ createdAt   │
┌─────────────┐  │    └─────────────┘
│ Collection  │  │          │
├─────────────┤  │          │
│ id          │  │          │
│ userId      │──┘          │
│ dishId      │─────────────┘
│ createdAt   │
└─────────────┘

3.2 菜品索引设计

MongoDB 菜品集合需建立复合索引：

// 食材搜索索引
db.dishes.createIndex({ "ingredients.name": 1 })

// 人群推荐索引
db.dishes.createIndex({ crowdType: 1, "nutrition.calories": 1 })

// 季节节日索引
db.dishes.createIndex({ seasons: 1, festivals: 1 })

// 场景索引
db.dishes.createIndex({ "sceneTags.suitableScenes": 1, "sceneTags.maxDuration": 1 })

// 全文搜索索引（菜品名、描述）
db.dishes.createIndex({ name: "text", description: "text" })

四、核心服务设计

4.1 推荐服务（Recommendation Service）

核心职责：聚合所有推荐场景（F1/F2/F3/F6/F7），输出统一推荐结果

interface RecommendService {
  // F1: 食材搜索推荐
  searchByIngredients(ingredients: string[], filters?: Filter): Promise<Dish[]>;
  
  // F2: 盲盒推荐
  mysteryBox(mode: 'global' | 'category' | 'crowd', context?: any): Promise<Dish>;
  
  // F3: 人群定向推荐
  recommendForCrowd(crowdType: string, formData: any): Promise<Dish[]>;
  
  // F6: 季节节日推荐（叠加层）
  applySeasonalBoost(dishes: Dish[]): Dish[];
  
  // F7: 场景推荐
  recommendByScene(sceneContext: SceneContext): Promise<Dish[]>;
}

推荐流程：

用户请求
    │
    ▼
意图识别（判断是哪种推荐场景）
    │
    ├── F1 食材搜索 → 食材匹配引擎
    ├── F2 盲盒     → 随机抽取引擎 + 防重复
    ├── F3 人群推荐 → 人群规则引擎
    ├── F6 季节节日 → 时令加权层
    └── F7 场景推荐 → 场景过滤引擎
    │
    ▼
综合排序（融合多维度得分）
    │
    ▼
返回结果 + 记录日志

4.2 菜谱服务（Dish Service）

核心职责：菜品 CRUD、营养数据查询

interface DishService {
  getDishDetail(id: string): Promise<DishDetail>;
  getNutritionInfo(dishId: string, servingSize?: number): Promise<Nutrition>;
  compareNutrition(dishIds: string[]): Promise<NutritionCompare>;
  getRelatedDishes(dishId: string, limit?: number): Promise<Dish[]>;
  getDishesByTags(tags: string[], page?: number): Promise<Dish[]>;
}

4.3 用户服务（User Service）

核心职责：用户信息、收藏、偏好管理

interface UserService {
  getUserProfile(userId: string): Promise<User>;
  updateCrowdPreference(userId: string, crowdType: string, formData: any): Promise<void>;
  collectDish(userId: string, dishId: string): Promise<void>;
  uncollectDish(userId: string, dishId: string): Promise<void>;
  getCollections(userId: string, page?: number): Promise<Dish[]>;
  recordSearchHistory(userId: string, ingredients: string[]): Promise<void>;
}

五、API 接口设计

5.1 接口目录

方法	路径	说明
POST	`/api/v1/search/ingredients`	F1 食材搜索
POST	`/api/v1/mystery-box/open`	F2 开盲盒
POST	`/api/v1/recommend/crowd`	F3 人群推荐
GET	`/api/v1/dish/:id`	F4 菜品详情
GET	`/api/v1/dish/:id/nutrition`	F5 营养详情
POST	`/api/v1/dish/compare`	F5 营养对比
GET	`/api/v1/seasonal/current`	F6 当前季节节日
GET	`/api/v1/festival/:festivalId`	F6 节日专题
POST	`/api/v1/recommend/scene`	F7 场景推荐
GET	`/api/v1/user/collections`	用户收藏列表
POST	`/api/v1/user/collect`	收藏菜品
DELETE	`/api/v1/user/collect/:dishId`	取消收藏

5.2 统一响应格式

interface ApiResponse<T> {
  code: number;       // 0 = 成功，其他 = 错误码
  message: string;    // 错误信息
  data: T;           // 响应数据
  timestamp: number; // 时间戳
  requestId: string; // 请求追踪 ID
}

// 示例
{
  "code": 0,
  "message": "success",
  "data": { ... },
  "timestamp": 1747564800000,
  "requestId": "req_abc123"
}

5.3 错误码规范

错误码	说明
0	成功
1001	参数错误
1002	鉴权失败
2001	菜品不存在
2002	菜品库为空
3001	推荐服务异常
3002	推荐结果为空
5001	服务器内部错误

六、AI 数据处理流水线

6.1 菜谱采集流程

1. 确定数据源网站列表（美食天下、下厨房等）
    │
    ▼
2. AI 生成爬虫脚本（Python + requests + BeautifulSoup）
    │
    ▼
3. 批量抓取原始菜谱数据（HTML）
    │
    ▼
4. 数据清洗
    ├── 去除 HTML 标签
    ├── 标准化食材格式（如「2个鸡蛋」→「鸡蛋 2个」）
    └── 去重（根据菜名+主料指纹）
    │
    ▼
5. LLM 结构化处理（GPT-4 / 通义千问）
    └── 将非结构化文本转为标准 Dish 数据模型
    │
    ▼
6. 营养数据估算
    ├── 匹配 USDA 食物营养数据库
    └── AI 辅助计算整道菜营养成分
    │
    ▼
7. 质量抽检
    ├── 每 50 道随机抽检 1 道
    └── 人工审核 + 反馈修正
    │
    ▼
8. 入库 MongoDB

6.2 数据质量指标

指标	目标值
爬取成功率	> 95%
字段完整率	> 90%（必填字段）
营养数据准确率	> 85%（抽检）
每日新增菜品	500-1000 道（MVP 期）

七、部署架构（MVP 阶段）

7.1 最小化部署

┌──────────────────────────────────────┐
│           微信小程序                  │
└──────────────────────────────────────┘
                   │
                   │ HTTPS
                   ▼
┌──────────────────────────────────────┐
│          阿里云 / 腾讯云               │
│                                      │
│  ┌──────────────────────────────┐   │
│  │      Nginx (反向代理)          │   │
│  │      + SSL 证书               │   │
│  └──────────────────────────────┘   │
│                   │                  │
│  ┌────────────────────────────────┐  │
│  │    Docker Compose (单节点)     │  │
│  │                                 │  │
│  │  [API Service]                 │  │
│  │  [Recommendation Service]     │  │
│  │  [MongoDB]                     │  │
│  │  [Redis]                      │  │
│  │  [MySQL]                      │  │
│  └────────────────────────────────┘  │
│                                      │
│  ┌────────────────────────────────┐  │
│  │    阿里云 OSS (CDN)             │  │
│  │    菜品图片存储 + 分发           │  │
│  └────────────────────────────────┘  │
└──────────────────────────────────────┘

7.2 扩容路径

阶段	架构变化
MVP	单节点 Docker Compose
增长期	服务拆分、K8s 编排、多节点
成熟期	微服务架构、数据库读写分离、CDN 加速

八、关键非功能性指标

指标	目标值	说明
API 响应时间 P99	< 500ms	99% 请求在 500ms 内返回
推荐接口响应时间 P99	< 1s	含复杂计算
盲盒开盒响应	< 2s	含动画加载
服务可用性	> 99.9%	核心接口
图片加载时间	< 2s	配合 CDN
系统可支撑 DAU	10万	MVP 阶段目标

九、复核检查项

检查点	状态
前端技术栈选型合理（小程序原生/Taro）	✅
后端技术栈支持 AI 集成	✅
数据存储选型合理（MongoDB/MySQL/Redis）	✅
推荐服务架构覆盖所有 5 个推荐场景	✅
API 接口设计完整	✅
AI 数据流水线完整	✅
错误码规范统一	✅
部署架构可落地	✅
非功能指标可量化	✅
扩容路径清晰	✅

一、系统架构概览​

1.1 整体架构图​

二、技术栈选型​

2.1 前端（小程序）​

2.2 后端​

2.3 数据存储​

2.4 AI 层​

三、数据模型设计​

3.1 核心实体关系​

3.2 菜品索引设计​

四、核心服务设计​

4.1 推荐服务（Recommendation Service）​

4.2 菜谱服务（Dish Service）​

4.3 用户服务（User Service）​

五、API 接口设计​

5.1 接口目录​

5.2 统一响应格式​

5.3 错误码规范​

六、AI 数据处理流水线​

6.1 菜谱采集流程​

6.2 数据质量指标​

七、部署架构（MVP 阶段）​

7.1 最小化部署​

7.2 扩容路径​

八、关键非功能性指标​

九、复核检查项​

一、系统架构概览

1.1 整体架构图

二、技术栈选型

2.1 前端（小程序）

2.2 后端

2.3 数据存储

2.4 AI 层

三、数据模型设计

3.1 核心实体关系

3.2 菜品索引设计

四、核心服务设计

4.1 推荐服务（Recommendation Service）

4.2 菜谱服务（Dish Service）

4.3 用户服务（User Service）

五、API 接口设计

5.1 接口目录

5.2 统一响应格式

5.3 错误码规范

六、AI 数据处理流水线

6.1 菜谱采集流程

6.2 数据质量指标

七、部署架构（MVP 阶段）

7.1 最小化部署

7.2 扩容路径

八、关键非功能性指标

九、复核检查项