कारमेलयुक्त ब्राउन मक्खन चकलेट

ब्राउन मक्खन चकलेट पारंपरिक मक्खन आधारित fudges मा एक मोड़ हो। यो नुस्खामा मक्खन पहिला खैरो छ, यो थोपा पोथी, कायालीकृत स्वाद दिन। अन्त परिणाम एक चिकनी हो, सानो अतिरिक्त केहि केहि छ कि स्वाद को कटाई को साथ मिठो खराबी छ।

तपाईलाई के चाहिन्छ?

यसलाई कसरी बनाउने?

  1. यसलाई 8x8 प्यान तयार पार्नुहोस् यसलाई एल्युमिनियम पन्नीमा लैजाने र ननस्टिक पकाउने स्प्रेको साथ पन्नी स्प्रे गरेर।
  2. मध्यम-उच्च गर्मीमा मध्यम-ठूला सॉस्यानमा मक्खन राख्नुहोस्।
  3. मक्खन पिघ्न, कहिलेकाहीँ घिमिरे, र यो एक अमीर, सुनको भूरी सम्म पकाउन जारी राख्नुहोस्। मक्खनलाई मनिटर गर्नुहोस् किनभने यो पकाउँछ र यसलाई केही मिनेटमा हलचल पार्दछ ताकि यसले तलको तल फाँट गर्दैन। मक्खनले थोरै गन्ध लगाउनुपर्छ र सुन्दर पोखरेलको रंग लगाउनुपर्छ।
  1. एकपटक मक्खन खैरो छ, एकपटक चीनी, भत्किएको दूध, र मकई सिरप थप गर्नुहोस्। जब सम्म चिनो घुमाउँदछ तब, एक कैंडी थर्मामीटर घुसाउनुहोस्।
  2. केडीई थर्मामीटरमा 235 एफ (नरम-बल चरण) सम्म पुग्न कैंडी पकाउन जारी राख्नुहोस्।
  3. एकदम सही तापमान पुग्दा, कैंडी हटाउनुहोस् हटाउनुहोस् र यसलाई कोठाको तापमानमा कूल गर्न अनुमति दिनुहोस् जब सम्म यो हल्का 45 मिनेट छ।
  4. एक पटक कैंडी एकदम छोटो स्पर्शको लागी नरम हुन्छ, यसलाई पेडल संलग्नक संग लगाईएको एक बिजुली मिक्सरको कटोरामा राख्नुहोस्। (चकलेट पनि हातले वा हात समात्ने मिक्सरबाट पिट्न सक्छ, तर प्रक्रिया लामो समयसम्म दुई वा तीन पटक लाग्न सक्छ)।
  5. घडी र मोटी हुन्छ जब सम्म केडीईलाई हराउनुहोस् र यसको चमक हराउँछ। ओन-पिट नगर्नुहोस्, वा फोडा घाटी हुनेछ।
  6. चाँडो वेनिला र पागल मा हलचल, यदि प्रयोग गरिरहेको छ।
  7. धुवाँ र फ्याज तयार प्यानमा स्क्रैप गर्नुहोस्, र यसलाई पनि एक तहमा सुधार्नुहोस्।
  8. चकलेटलाई कोठाको तापमान वा फ्रिजमा सेट गर्न अनुमति दिनुहोस्।

एकपटक सेट गर्नुहोस्, यसलाई सानो वर्गमा काट्नुहोस् र कोठाको तापमानमा सेवा गर्नुहोस्। एक वाटरलाइट कन्टेनर वा थोरै कोठामा कोठाको तापमानमा एक हप्तासम्म भण्डारण गर्नुहोस् वा 2-3 हप्ताको लागि प्रशोधन गर्नुहोस्।

पोषण दिशानिर्देश (प्रति सेवा)
क्यालोरिज 61
कुल मोटा 2 जी
पागलिएको बोसो 1 g
असंतृप्त फैट 0 g
कोलेस्ट्रॉल 5 मिलीग्राम
सोडियम 7 मिलीग्राम
कार्बोहाइड्रेट 12 जी
आहार फाइबर 0 g
प्रोटिन 0 g
(हाम्रो व्यञ्जनहरूमा पोषण जानकारी घटक डेटाबेस प्रयोग गरी गणना गरिन्छ र अनुमानलाई विचार गर्न सकिन्छ। व्यक्तिगत परिणाम फरक हुन सक्छ।)