ફેંગ શુઇ સ્વીટ અને ખાટા શ્રિમ્પ રેસીપી

ફેંગ શુઇ સલાહકાર લેસ્લી જેકોબસન દ્વારા આ મીઠી અને ખાટા ઝીંગા રેસીપીમાં ચીની રસોઈમાં યીન અને યાંગનો અનુભવ કરો.

મધ્યમ ઝીંગા આ વાનગીમાં દંડ ફાળવે છે જેનાના, લાલ મરી, કચુંબરની વનસ્પતિ, ગાજર અને ડુંગળી સાથે ફલેશ થાય છે.

તમને જરૂર પડશે

તે કેવી રીતે બનાવો

ઝીંગાને કાપે છે

  1. એક માધ્યમ બાઉલમાં, 1 ચમચી સોયા સોસ અને 1 ચમચી મકાઈનો ટુકડો ભેગા કરો.
  2. ઝીંગા ઉમેરો, ખાતરી કરો કે તમામ બાજુઓ કોટેડ છે, અને આશરે 20 મિનિટ માટે રેફ્રિજરેટરમાં માર્ટીન કરો.

ચટણી બનાવો

  1. એક નાનું બાઉલ અથવા મોટા માપવાળા કપમાં, 2 1/2 ચમચી મકાઈનો લોટ, 1/3 કપ સોયા સોસ (ધીમે ધીમે સોયા સોસ ઉમેરો) અને ચોખા વાઇન સરકો, ડાર્ક બ્રાઉન સુગર, ગ્રાઉન્ડ આદુ, લસણ પાવડર, અને અનેનાસ હિસ્સામાંથી રસ (રેસિપિમાં પાછળથી માટે અનેનાસ હિસ્સાને અનામત કરો.)
  1. કોરે સોસ સેટ કરો.

ડિશ ફ્રાય જગાડવો

  1. હૂંફાળુ અથવા હૂંફાળો-ફ્રાય પણ મધ્યમ-ઉચ્ચ ગરમીથી અને તેલ ઉમેરો. જ્યારે તેલ ગરમ હોય છે, ત્યારે ઝીંગાને પાન સાથે મરીનાડ સાથે ઉમેરો અને ફ્રાય જગાડવો ત્યાં સુધી રાંધવામાં આવે છે (ઝીંગાની ચામડી વક્ર અને ગુલાબી બનશે). ઝીંગાને બાઉલ અથવા પ્લેટમાં કાઢો.
  2. જો જરૂરી હોય તો વધુ તેલ ઉમેરો અથવા પૅન અને ફ્રાય કચુંબરની વનસ્પતિ અને ગાજરને નરમ પાડવા માટે અને પછી શાકભાજીને બાઉલમાં નાંખો (ઝીંગાની સાથે નહીં).
  3. જો જરૂરી હોય તો વધુ તેલ ઉમેરો અને ડુંગળી ઉમેરો અને સોફ્ટ કરવા માટે થોડા સમય માટે ફ્રાય જગાડવો. ઘંટડી મરી સાથે ગાજર અને કચુંબરની વનસ્પતિ પાછા ફરો અને 1 થી 2 મિનિટ માટે જગાડવો. અનેનાસ હિસ્સામાં ઉમેરો અને ઝીંગાને પેન પર પાછા ફરો. થોડા સેકંડ માટે ફ્રાય જગાડવો.
  4. ફરીથી ચટણી ચટણી અને wok અથવા પાન માં રેડવાની છે Wok અથવા પાન માં બધું જગાડવો અને એક બોઇલ લાવવા જેથી મિશ્રણ વધારે જાડું શકે છે.
  5. તરત જ ગરમીથી દૂર કરો અને ચિની સફેદ ચોખા અથવા કડક નૂડલ્સ પર સેવા આપો.

આ ડિશના યીન અને યાંગ

સ્વીટ-અને-સૉરેશ ડીશ એ ચીની રસોઈના યીન અને યાંગનો અનુભવ કરવા માટે અદભૂત સ્વાદિષ્ટ રીત છે.

સોર્સ: ફેંગ શુઈ સલાહકાર લેસ્લી જેકોબ્સન. પરવાનગી સાથે પુનઃપ્રકાશિત

પોષક માર્ગદર્શિકા (સેવા આપતા દીઠ)
કૅલરીઝ 291
કુલ ચરબી 1 જી
સંતૃપ્ત ફેટ 0 જી
અસંતૃપ્ત ચરબી 0 જી
કોલેસ્ટરોલ 151 મિલિગ્રામ
સોડિયમ 1,777 એમજી
કાર્બોહાઇડ્રેટ્સ 50 ગ્રામ
ડાયેટરી ફાઇબર 5 જી
પ્રોટીન 22 ગ્રામ
(અમારા વાનગીઓ પરની પોષણની માહિતીને ઘટક ડેટાબેઝનો ઉપયોગ કરીને ગણવામાં આવે છે અને તેને એક અંદાજ ગણવામાં આવે છે. વ્યક્તિગત પરિણામો બદલાઈ શકે છે.)