# recipe-graph-engine

> 그래프 DB(Neo4j) 기반 레시피 추천 엔진 구축 스킬. 
재료 → 레시피 역방향 쿼리, 건강/다이어트 필터링, 페르소나별 응답 생성.

Use when:
- 레시피 데이터 수집/크롤링/구조화
- Neo4j 스키마 설계 및 데이터 적재
- Cypher 쿼리 개발 (재료 매칭, 건강 필터 등)
- 페르소나 기반 응답 생성 (엄마밥, 다이어트코치 등)
- 레시피 추천 API/앱 개발

- Author: js
- Repository: trues38/recipe-graph-engine
- Version: 20260102102911
- Stars: 0
- Forks: 0
- Last Updated: 2026-02-06
- Source: https://github.com/trues38/recipe-graph-engine
- Web: https://mule.run/skillshub/@@trues38/recipe-graph-engine~recipe-graph-engine:20260102102911

---

---
name: recipe-graph-engine
description: |
  그래프 DB(Neo4j) 기반 레시피 추천 엔진 구축 스킬. 
  재료 → 레시피 역방향 쿼리, 건강/다이어트 필터링, 페르소나별 응답 생성.
  
  Use when:
  - 레시피 데이터 수집/크롤링/구조화
  - Neo4j 스키마 설계 및 데이터 적재
  - Cypher 쿼리 개발 (재료 매칭, 건강 필터 등)
  - 페르소나 기반 응답 생성 (엄마밥, 다이어트코치 등)
  - 레시피 추천 API/앱 개발
---

# Recipe Graph Engine

그래프 기반 레시피 추천 엔진. RAG가 아닌 **상태 그래프**로 레시피를 구조화하여 맥락 있는 추천 제공.

## 핵심 차별점

| 기존 (RAG) | 그래프 엔진 |
|------------|-------------|
| 문서 청킹 + 임베딩 | 노드/엣지 구조화 |
| "김치찌개 레시피 알려줘" | "냉장고에 이것만 있는데 뭐 해먹지?" |
| 단방향 검색 | 역방향 쿼리 (재료 → 레시피) |

## 워크플로우 개요

```
Phase 1: 데이터 수집 (1-2일)
    ↓
Phase 2: 그래프 스키마 (0.5일)
    ↓
Phase 3: 데이터 적재 (0.5일)
    ↓
Phase 4: 쿼리 엔진 (1일)
    ↓
Phase 5: 페르소나 엔진 (0.5일)
    ↓
Phase 6: API 래핑 (0.5일)
```

---

## Phase 1: 데이터 수집

### 1.1 공개 데이터셋

| 소스 | 내용 | 용도 |
|------|------|------|
| 농림축산식품부 | 한식 레시피 DB | 기본 레시피 |
| 식약처 영양 DB | 한국 식품 영양정보 | 칼로리/영양소 |
| Recipe1M+ | 100만+ 글로벌 레시피 | 확장용 |
| USDA Food DB | 영양소 정보 | 영양 계산 |

### 1.2 크롤링 (구조만 추출)

**저장하는 것** (팩트): 재료 목록, 조리 시간, 난이도, 카테고리, 태그

**저장 안 하는 것** (저작권): 레시피 원문, 조리 설명 문장, 이미지

### 1.3 LLM 구조화

크롤링한 메타데이터를 LLM으로 정규화. **상세**: `references/data-pipeline.md`

---

## Phase 2: 그래프 스키마

### 노드 타입

```
(:Ingredient)  - 재료 (돼지고기, 김치, 두부...)
(:Recipe)      - 레시피 (김치찌개, 된장찌개...)
(:Goal)        - 목표 (다이어트, 벌크업...)
(:Condition)   - 건강상태 (당뇨, 고혈압, 통풍...)
(:Diet)        - 식단 (비건, 락토, 페스코...)
(:Technique)   - 기법 (수비드, 에어프라이어...)
```

### 엣지 타입

```
(Ingredient)-[:REQUIRED_FOR {amount, unit}]->(Recipe)
(Ingredient)-[:CAN_REPLACE {ratio}]->(Ingredient)
(Recipe)-[:SUITABLE_FOR {score}]->(Goal)
(Recipe)-[:SAFE_FOR | :AVOID_FOR {reason}]->(Condition)
(Recipe)-[:COMPATIBLE_WITH]->(Diet)
(Recipe)-[:USES_TECHNIQUE]->(Technique)
```

**상세**: `references/schema.md`

---

## Phase 3: 데이터 적재

### 적재 순서

1. Ingredient 노드 → 2. Recipe 노드 → 3. REQUIRED_FOR 엣지 → 4. 메타 노드/엣지

**스크립트**: `scripts/neo4j_loader.py`

---

## Phase 4: 쿼리 엔진

### 핵심 쿼리

**재료 → 레시피 (역방향)**
```cypher
MATCH (r:Recipe)-[:REQUIRED_FOR]-(i:Ingredient)
WHERE i.name IN $my_ingredients
WITH r, count(i) AS matched, size((r)-[:REQUIRED_FOR]-()) AS total
WITH r, round(matched * 100.0 / total) AS coverage
WHERE coverage >= 60
RETURN r.name, coverage ORDER BY coverage DESC LIMIT 10
```

**상세 쿼리 목록**: `references/queries.md`

---

## Phase 5: 페르소나 엔진

| 티어 | 페르소나 | 톤 |
|------|----------|-----|
| FREE | 엄마밥 👩‍🍳 | "우리 OO이 뭐 해먹을까~ 이거 해먹어!" |
| PREMIUM | 흑백요리사 🖤 | "이 재료엔 수비드가 최적입니다" |
| PREMIUM | 다이어트코치 💪 | "이거 먹으면 -300kcal 절약!" |
| PREMIUM | 건강맞춤 🏥 | "당뇨에 안전한 레시피입니다" |
| PREMIUM | 무지개요리사 🌈 | "동물 없이도 이렇게 맛있어요" |

**상세**: `references/personas.md`

---

## Phase 6: API

```python
@app.post("/recommend")
async def recommend(ingredients: List[str], persona: str = "엄마밥"):
    results = query_engine.find_recipes(ingredients)
    response = persona_engine.generate(results, persona)
    return {"recipes": results, "message": response}
```

---

## 파일 참조

| 파일 | 내용 |
|------|------|
| `references/schema.md` | Neo4j 노드/엣지 상세 스키마 |
| `references/queries.md` | Cypher 쿼리 전체 목록 |
| `references/personas.md` | 페르소나별 응답 스타일 |
| `references/data-pipeline.md` | 데이터 수집/구조화 상세 |
| `scripts/structurizer.py` | LLM 구조화 스크립트 |
| `scripts/neo4j_loader.py` | 그래프 적재 스크립트 |
| `scripts/query_engine.py` | 쿼리 엔진 클래스 |