भराएको सम्पूर्ण माछा

तैयारी यस विधिको लागि धेरै आधारभूत छ, जसको मतलब यो पुरा तरिकाले योग्य छ, कुकुर सुरुका लागि पनि। ताजा ताज प्रयोग गर्न निश्चित हुनुहोस्, र यसलाई राम्ररी सफा र सुखार्नुहोस्।

तपाईं विभिन्न seasonings (मिर्च मिर्च एक राम्रो विकल्प हो) द्वारा रेशु परिवर्तन गर्न सक्नुहुन्छ र लसुन, कटा हुआ cilantro, हरियो प्याज, या टुक्रा टुक्रा मिर्च संग garnishing। तपाईं अदरकलाई अझ बलियो स्वादको लागि बढाउन सक्नुहुन्छ। सब्जी, मासु वा कुखुरा - कुनै पनि हलचल-फ्राइ डिश संग सेवा गर्नुहोस्।

नोट: तयारी समयले अचम्भित समय समावेश गर्दछ र मान्दछ कि बाँकी सामग्रीहरू तयार पार्नेछ र भ्यामरलाई सेट गर्दै गर्दा माछा खानुपर्छ।

तपाईलाई के चाहिन्छ?

यसलाई कसरी बनाउने?

  1. सानो कटोरामा कालो सेम राख्नु र न्यानो पानी संग आवरण गर्नुहोस्। थप नुन हटाउन लगभग 2 मिनेटसम्म सेमलाई हल गर्नुहोस्।
  2. पानीबाट सेम हटाउनुहोस्, कुल्ला र राम्ररी निलो पार्नुहोस्।
  3. प्रत्येक छेउमा माछा क्रसवार 3 पटक स्लाश गर्नुहोस्।
  4. सानो कटोरामा अदरक, सब्जीको तेल, कालो सेम, लसुन, नमक, चिनी, सोया सस र तिलको तेल मिलाउनुहोस्। मिश्रणबाट गुफा र माछा बाहिर निस्कनुहोस्। 30 मिनेट वा लामो समयको आवरण र प्रशोधन गर्नुहोस्।
  1. हरियो प्याज 2 इन्च टुक्राहरूमा काट्नुहोस्; लम्बाइको बीचमा राम्रो स्ट्राइकहरू। बर्फ पानीको साथ कटोरामा राख्नुहोस्; 10 मिनेट खडा हुन, वा स्ट्रिप्स कर्ल सम्म।
  2. तापक्रम प्लेटमा माछा राख्नुहोस् (तलको नोट हेर्नुहोस्)। लगभग 10 मिनेटमा माछाले फ्याँकिएको सम्ममा सजिलै लामो समयसम्म स्टीमर, आवरण, र भाप उबलते पानीमा रैकमा प्लेटमा राख्नुहोस्। (आवश्यक भए उबलते पानी थप्नुहोस्)। हरियो प्याजको साथ गार्निश।

नोट: यदि तपाईं यो माछा माइक्रोकवमा पकाउन चाहानुहुन्छ भने, माछा माइक्रोकव डिशमा प्लास्टिक लपेटोमा राख्नुहोस् र उच्चमा 3 मिनेटको लागि पकाउनुहोस्। 2 मिनेटको लागि खडा र पकवान घुमाउनुहोस्। एक अतिरिक्त 2 मिनेट माथि उच्चमा पकाउनुहोस्।

रोजाना चिनियाँ पाक कला: क्विक र स्वादिष्ट व्यञ्जनहरू Leann चिन रेस्टुरेन्टहरूबाट अनुमति संग पुनःप्राप्त गरियो।

पोषण दिशानिर्देश (प्रति सेवा)
क्यालोरिज 24 9
कुल मोटा 10 जी
पागलिएको बोसो 1 g
असंतृप्त फैट 5 g
कोलेस्ट्रॉल 396 मिलीग्राम
सोडियम 155 मिलीग्राम
कार्बोहाइड्रेट 11 जी
आहार फाइबर 1 g
प्रोटिन 28 जी
(हाम्रो व्यञ्जनहरूमा पोषण जानकारी घटक डेटाबेस प्रयोग गरी गणना गरिन्छ र अनुमानलाई विचार गर्न सकिन्छ। व्यक्तिगत परिणाम फरक हुन सक्छ।)