欧美成人午夜精品久久久,国产?V天堂一区二区三区,欧美精品va在线观看,亚洲一区二区三区免费在线观看,av无码精品一区二区久久,欧美性爱视频不卡一区三区,欧美乱人伦视频在线观看,国产一级牲交高潮

ARTICLE DETAIL

資訊詳情

深耕商務(wù)建站與企業(yè)官網(wǎng)運(yùn)營(yíng)的一線實(shí)戰(zhàn)洞察。

檢索增強(qiáng)生成全鏈路解析:從文檔加載到評(píng)估的大模型知識(shí)庫工程實(shí)踐

檢索增強(qiáng)生成全鏈路解析:從文檔加載到評(píng)估的大模型知識(shí)庫工程實(shí)踐 很多開發(fā)者第一次接觸大模型時(shí)第一反應(yīng)是“調(diào)用 API 太簡(jiǎn)單了”把 Prompt 封裝好用戶問題丟給 GPT 或國(guó)內(nèi)商用模型一個(gè)聊天機(jī)器人就上線了。但真正進(jìn)入企業(yè)項(xiàng)目就會(huì)發(fā)現(xiàn)API 只是一個(gè)入口真正難的部分在于怎么讓模型“看到”私有知識(shí)、怎么控制幻覺、怎么評(píng)估系統(tǒng)效果、怎么在有限顯存環(huán)境下做推理部署。這些問題背后正是 LLM 工程化的完整鏈路。如果說 LLM 工程是一門需要體系化學(xué)習(xí)的課程那么 GenAI 和 RAG 就是其中最核心的兩個(gè)板塊。RAG 不是“把一個(gè) PDF 塞給大模型”這種一句話能講清的操作而是一套數(shù)據(jù)工程、檢索系統(tǒng)、生成策略和評(píng)估體系的組合。這也是這門 Udemy 課程第三部分的重點(diǎn)從純 Prompt 調(diào)用走向生產(chǎn)級(jí)知識(shí)庫應(yīng)用。這篇文章會(huì)以該課程第三部分為線索梳理 RAG 完整鏈路文檔加載、切分、向量化、檢索、生成、Agentic RAG 和 OAG 等進(jìn)階方向、FP16/FP32/BF16 精度問題以及 RAG 知識(shí)庫評(píng)估指標(biāo)。如果你正在做知識(shí)庫問答、想系統(tǒng)學(xué)習(xí) LLM 工程或者正從傳統(tǒng)后端轉(zhuǎn)向 AI 應(yīng)用開發(fā)這篇內(nèi)容應(yīng)該能幫你建立一份更清晰的行動(dòng)地圖。1. 為什么 RAG 是 LLM 落地繞不開的方向先做一個(gè)判斷在 2025 年這個(gè)時(shí)間點(diǎn)RAG 已經(jīng)不只是“一個(gè)技術(shù)方案”而是 LLM 應(yīng)用落地事實(shí)上的標(biāo)準(zhǔn)形態(tài)。聊天、寫作、翻譯可能用不到 RAG但凡是涉及私有數(shù)據(jù)、實(shí)時(shí)數(shù)據(jù)、專業(yè)文檔的場(chǎng)景RAG 幾乎都是第一選擇。原因在于 LLM 本身有三大硬約束。第一知識(shí)截止。預(yù)訓(xùn)練模型的知識(shí)停留在訓(xùn)練數(shù)據(jù)截止時(shí)間訓(xùn)練之后發(fā)生的事情它不知道。如果你問它某個(gè)產(chǎn)品上周發(fā)布的新功能它大概率會(huì)一本正經(jīng)地編一個(gè)答案。第二私有數(shù)據(jù)不可見。企業(yè)內(nèi)部的規(guī)章制度、產(chǎn)品手冊(cè)、客服工單、專利文檔模型在訓(xùn)練時(shí)根本沒有見過。直接讓模型回答這些內(nèi)容它只能靠“合理猜測(cè)”而合理猜測(cè)在專業(yè)場(chǎng)景里往往就是事故。第三幻覺問題。即使模型不知道答案它也會(huì)因?yàn)檎Z言模型的本質(zhì)而生成一個(gè)看起來通順的回復(fù)。這不是模型“壞”而是概率生成機(jī)制導(dǎo)致的必然結(jié)果。解決幻覺最有效的工程手段之一就是用檢索到的真實(shí)內(nèi)容去約束生成范圍。沒有 RAG 的時(shí)候要讓模型掌握新的領(lǐng)域知識(shí)主流方案是微調(diào)Fine-tuning。但微調(diào)的成本高、周期長(zhǎng)每次知識(shí)更新都要重新訓(xùn)練一輪。更關(guān)鍵的是微調(diào)擅長(zhǎng)改變模型的行為方式和表達(dá)風(fēng)格卻并不擅長(zhǎng)記憶大量新事實(shí)。讓一個(gè) 7B 模型通過微調(diào)背下一本 500 頁的產(chǎn)品手冊(cè)既不經(jīng)濟(jì)也容易過擬合。RAG 的思路是把“記憶”從模型內(nèi)部搬到外部給模型一本可以隨時(shí)翻閱的參考書這個(gè)參考書就是你的知識(shí)庫。模型回答之前先從參考書里找出與問題最相關(guān)的幾個(gè)片段再把這些片段作為上下文交給模型生成答案。用“開卷考試”來類比 RAG 和普通 Prompt 生成的區(qū)別非常直觀。但在真實(shí)項(xiàng)目中這套“開卷考試”的工程復(fù)雜度遠(yuǎn)高于想象。很多人以為 RAG 就是“向量數(shù)據(jù)庫 Prompt”實(shí)際做下去才發(fā)現(xiàn)文檔怎么拆、按什么粒度拆、檢索用什么向量、top-k 怎么設(shè)、重排怎么做、效果用什么指標(biāo)來衡量每一步都可能讓最終效果出現(xiàn)數(shù)倍的差距。2. RAG 完整鏈路與核心概念2.1 RAG 的標(biāo)準(zhǔn)流程一個(gè)標(biāo)準(zhǔn)的 RAG 系統(tǒng)由四個(gè)環(huán)節(jié)組成。第一數(shù)據(jù)準(zhǔn)備階段。原始文檔需要經(jīng)過加載、解析、清洗、切分變成適合檢索的文本塊chunk。這個(gè)環(huán)節(jié)經(jīng)常被低估但它的質(zhì)量直接決定了整個(gè)知識(shí)庫的上限。如果原始文檔是 PDF頁眉頁腳、表格、掃描圖片都會(huì)成為干擾項(xiàng)如果切分粒度不對(duì)再好的向量模型也檢索不準(zhǔn)。第二索引構(gòu)建階段。每個(gè)文本塊通過 embedding 模型轉(zhuǎn)換為向量寫入向量數(shù)據(jù)庫。同時(shí)可以保留原始文本和元數(shù)據(jù)來源、頁碼、標(biāo)題等方便后續(xù)溯源。第三檢索階段。用戶輸入問題后先把問題也轉(zhuǎn)換為向量然后在向量數(shù)據(jù)庫中做相似度檢索取回最相關(guān)的 top-k 個(gè)文本塊。更復(fù)雜的系統(tǒng)會(huì)在這個(gè)階段加入關(guān)鍵詞檢索和重排模型。第四生成階段。把檢索到的文本塊和用戶問題組裝成 Prompt交給 LLM 生成最終答案。為了減少幻覺Prompt 中通常會(huì)明確要求模型只基于檢索內(nèi)容作答無法回答時(shí)要明確說明。2.2 RAG 和微調(diào)不是二選一很多入門者會(huì)在 RAG 和微調(diào)之間糾結(jié)。我的建議是先分清楚你要解決的是哪一類問題。RAG 適合解決“知識(shí)更新”和“私有數(shù)據(jù)接入”的問題。比如 FAQ 問答、產(chǎn)品文檔問答、行業(yè)報(bào)告摘要。它的優(yōu)勢(shì)是知識(shí)可以隨時(shí)更新、答案可以溯源一次數(shù)據(jù)更新不需要重新訓(xùn)練模型。微調(diào)更適合解決“行為方式”和“輸出格式”的問題。比如讓模型學(xué)習(xí)某個(gè)業(yè)務(wù)場(chǎng)景下的固定話術(shù)、指令遵循習(xí)慣或者把輸出格式嚴(yán)格限定成系統(tǒng)需要的 JSON 結(jié)構(gòu)。微調(diào)改變的是模型的“性情”RAG 給的是模型的“素材”兩者服務(wù)的層次完全不同。生產(chǎn)系統(tǒng)里常見的做法是兩者結(jié)合先微調(diào)出一個(gè)懂業(yè)務(wù)話術(shù)的底座模型再用 RAG 為它提供實(shí)時(shí)事實(shí)。對(duì)大部分團(tuán)隊(duì)來說RAG 的性價(jià)比上限更高因?yàn)樗簧婕坝?xùn)練資源。不要一上來就微調(diào)先把 RAG 鏈路跑通。2.3 從 RAG 到 Agentic RAG 和 OAG課程第三部分的內(nèi)容里進(jìn)階方向會(huì)從“單次 RAG”延伸到“Agentic RAG”和“OAG”這類新概念。理解這兩個(gè)概念有助于看清楚 RAG 演進(jìn)的脈絡(luò)。Agentic RAG 的核心變化是把 RAG 從“一次檢索 一次生成”升級(jí)為“多輪決策循環(huán)”。簡(jiǎn)單說就是讓 LLM Agent 承擔(dān)檢索規(guī)劃的角色。它先理解用戶問題決定是否要檢索、檢索什么拿到檢索結(jié)果后判斷信息是否足夠如果不夠就改寫查詢?cè)~再檢索或者調(diào)用外部工具獲取信息最后綜合多輪結(jié)果生成答案。這種設(shè)計(jì)解決的是復(fù)雜問題拆解場(chǎng)景。比如用戶問“幫我對(duì)比一下 A 產(chǎn)品和 B 產(chǎn)品在三個(gè)維度的差異”單次向量檢索很難把三個(gè)維度一次找全。Agent 可以把這個(gè)問題拆成多個(gè)子問題分別檢索再匯總。這就是 LLM Agent 與 RAG 結(jié)合的典型價(jià)值。OAG 指的是 Ontology-Augmented Generation即本體增強(qiáng)生成。它和 RAG 的區(qū)別在于RAG 檢索的是非結(jié)構(gòu)化的自然語言文本OAG 使用的是結(jié)構(gòu)化的本體或知識(shí)圖譜。本體會(huì)預(yù)先定義實(shí)體、關(guān)系和規(guī)則比如在通信協(xié)議文檔中“ACK/NACK”“RRC 狀態(tài)”這樣的概念和它們之間的關(guān)聯(lián)會(huì)被顯式建模。生成時(shí)系統(tǒng)先從本體中查詢符合邏輯約束的事實(shí)再交給 LLM 生成。在專業(yè)領(lǐng)域比如 3GPP 協(xié)議規(guī)范、醫(yī)療指南、金融監(jiān)管文件這類文檔中OAG 比普通 RAG 更容易保證語義一致性。普通 RAG 容易把不同版本的協(xié)議內(nèi)容混在一起而基于本體的檢索可以根據(jù)版本關(guān)系和實(shí)體約束做更精確的過濾。RAG 和 OAG 并不互斥一個(gè)成熟的專業(yè)知識(shí)庫系統(tǒng)往往兩種手段同時(shí)使用。3. 文檔加載解析全流程容易被低估的一環(huán)如果說 RAG 鏈路中有一個(gè)最容易被低估、但又最決定效果上限的環(huán)節(jié)那一定是文檔加載和切分。很多團(tuán)隊(duì)把大量時(shí)間花在調(diào) Prompt 和換模型上卻忽略了知識(shí)庫的“地基”。實(shí)際上如果輸入到向量庫的文本本身就是臟的、碎的、無上下文的再好的檢索模型也救不回來。3.1 不同文檔類型的加載難點(diǎn)先從加載開始?,F(xiàn)實(shí)項(xiàng)目里遇到的文檔遠(yuǎn)比教科書例子復(fù)雜。PDF 是最常見的格式但 PDF 內(nèi)部差異很大。文本型 PDF 可以直接抽取文字但頁眉頁腳會(huì)污染正文表格型 PDF 抽取后可能變成一段無結(jié)構(gòu)的字符串掃描型 PDF 需要先 OCR而 OCR 又可能引入錯(cuò)字。Word 文檔的問題在于樣式標(biāo)記和批注PPT 的難點(diǎn)在于每頁內(nèi)容太碎片化。HTML 頁面則需要抽取正文、剝離導(dǎo)航和腳本。這些工作屬于典型的數(shù)據(jù)工程聽起來不“AI”但直接決定下游質(zhì)量。在這個(gè)階段可以借助 LangChain 的 document loader 體系。它提供了針對(duì) PDF、Word、HTML、Markdown、PowerPoint 等多種格式的加載器。也可以引入 Unstructured 等解析庫來做表格識(shí)別和 OCR。不過不能只依賴現(xiàn)成工具業(yè)務(wù)文檔的布局規(guī)則往往需要自己寫解析邏輯。3.2 文本切分策略切分是另一個(gè)關(guān)鍵決策點(diǎn)。切分的核心矛盾是塊太大向量化后語義會(huì)被稀釋檢索不夠精準(zhǔn)塊太小上下文不完整LLM 生成時(shí)看到的背景信息太少。經(jīng)驗(yàn)上的常見范圍是 200 到 500 個(gè) token。但這只是起點(diǎn)具體值要根據(jù)文檔類型和測(cè)試效果調(diào)整。切分方式也分幾個(gè)層次。固定大小切分最簡(jiǎn)單按 token 數(shù)硬切但會(huì)切斷句子和段落。遞歸字符切分是 LangChain 中最常用的方式它按分隔符優(yōu)先級(jí)遞歸嘗試盡量保住段落和句子結(jié)構(gòu)適合通用文檔。按 Markdown 標(biāo)題切分適合結(jié)構(gòu)化文檔能保證每個(gè)塊對(duì)應(yīng)一個(gè)語義完整的章節(jié)。語義切分則利用 embedding 的相似度來決定邊界效果最好但計(jì)算成本高。切分時(shí)還要設(shè)置 overlap也就是相鄰塊之間的重疊區(qū)域。Overlap 的意義在于如果一條知識(shí)恰好落在切分邊界上沒有重疊就會(huì)導(dǎo)致它被切斷檢索時(shí)自然找不到。一般建議 overlap 設(shè)置為 chunk size 的 10% 到 20%。下面給出一段基于 LangChain 的 PDF 加載與切分示例代碼。這段示例使用 LangChain 0.x 早期的 API 寫法新版中的導(dǎo)入路徑可能有調(diào)整請(qǐng)以你安裝的包版本為準(zhǔn)。# document_prepare.py from langchain_community.document_loaders import PyPDFLoader from langchain.text_splitter import RecursiveCharacterTextSplitter # 1. 加載 PDF 文檔 loader PyPDFLoader(./data/product_manual.pdf) documents loader.load() print(f加載得到 {len(documents)} 頁內(nèi)容) # 2. 遞歸字符切分 splitter RecursiveCharacterTextSplitter( chunk_size400, # 每個(gè)文本塊的目標(biāo)大小token 級(jí)別 chunk_overlap50, # 相鄰塊重疊大小 separators[\n\n, \n, 。, , , , , ], ) chunks splitter.split_documents(documents) print(f切分后得到 {len(chunks)} 個(gè)文本塊) # 3. 查看第一個(gè)塊的元信息和前 200 字 print(chunks[0].page_content[:200]) print(chunks[0].metadata)在真實(shí)項(xiàng)目中不建議把所有文檔類型都統(tǒng)一走同一條切分邏輯。正確做法是先對(duì)文檔做分類規(guī)章制度類按章節(jié)切產(chǎn)品手冊(cè)類按功能模塊切FAQ 類按問答對(duì)整體保留。切分策略應(yīng)該被當(dāng)成一個(gè)可配置的參數(shù)允許在評(píng)估后反復(fù)調(diào)整而不是寫死一次就不動(dòng)了。4. 環(huán)境準(zhǔn)備與依賴安裝要?jiǎng)邮峙芡?RAG 示例需要先準(zhǔn)備一套 Python 環(huán)境。下面的環(huán)境清單不針對(duì)特定版本建議以“安裝時(shí)最新穩(wěn)定版”為準(zhǔn)本文重點(diǎn)演示通用思路。操作系統(tǒng)推薦 macOS 或 LinuxWindows 也可以運(yùn)行但依賴安裝時(shí)更容易遇到編譯問題。Python 版本建議 3.9 以上最好使用 3.10 或 3.11。核心依賴拆成三部分向量化與檢索框架langchain、langchain-community、langchain-openai。向量存儲(chǔ)chromadb 或者 faiss-cpu。文檔解析pypdf、unstructured、pandas。模型調(diào)用openai如果使用國(guó)內(nèi)大模型則改成對(duì)應(yīng) SDK。創(chuàng)建虛擬環(huán)境并安裝依賴python -m venv .venv source .venv/bin/activate pip install --upgrade pip pip install langchain langchain-community langchain-openai pip install chromadb faiss-cpu pip install pypdf unstructured如果你要調(diào)用 OpenAI 接口需要提前配置環(huán)境變量。如果使用其他模型服務(wù)或本地部署的模型替換對(duì)應(yīng)的 embedding 和 LLM 類即可。export OPENAI_API_KEY你的密鑰如果你所在環(huán)境無法直接使用境外模型服務(wù)可以選擇國(guó)內(nèi)廠商提供的兼容接口或者使用本地部署的模型。這個(gè)選擇不影響 RAG 的架構(gòu)思路只影響具體調(diào)用方式。5. 向量化與檢索RAG 的核心決策點(diǎn)5.1 Embedding 模型選擇文本塊準(zhǔn)備好之后下一步是向量化。這一步的核心是選擇一個(gè)合適的 embedding 模型。Embedding 模型會(huì)把一段文本映射成高維向量語義相近的文本在向量空間中的距離也更近。目前選擇很多OpenAI 提供了 text-embedding-3-small 和 text-embedding-3-large國(guó)內(nèi)也有 BGE、M3E 等開源中文 embedding 模型還有各種本地可部署的模型。選擇 embedding 模型時(shí)有三個(gè)考量因素。第一是語言適配。如果你的知識(shí)庫主要是中文建議優(yōu)先在中文語料上表現(xiàn)更好的模型或者做多語言模型而不是直接使用以英文為重心的小模型。第二是維度與成本。維度越高通常表達(dá)能力越強(qiáng)但存儲(chǔ)和計(jì)算成本也越高。text-embedding-3-small 默認(rèn)只有幾百維對(duì)于大多數(shù)知識(shí)庫場(chǎng)景已經(jīng)夠用。第三是推理環(huán)境。如果知識(shí)庫部署在內(nèi)部網(wǎng)絡(luò)無法訪問外部 API那就必須選擇可在本地 GPU 或 CPU 上運(yùn)行的 embedding 模型。開源模型在本地部署完全沒有問題。5.2 向量數(shù)據(jù)庫選型向量數(shù)據(jù)庫的作用是存儲(chǔ)向量并支持快速相似度檢索。選型可以從項(xiàng)目規(guī)模出發(fā)。FAISS 是 Meta 開源的向量檢索庫不是一個(gè)完整數(shù)據(jù)庫不提供數(shù)據(jù)持久化和權(quán)限管理但它輕量、高效適合原型驗(yàn)證和小規(guī)模項(xiàng)目。Chroma 是一個(gè)更完整的本地向量數(shù)據(jù)庫提供了簡(jiǎn)單的 API 和持久化能力適合中小團(tuán)隊(duì)快速起步。Milvus 和 Qdrant 是面向生產(chǎn)環(huán)境的分布式向量數(shù)據(jù)庫支持水平擴(kuò)展、多租戶、權(quán)限控制和豐富的過濾能力適合數(shù)據(jù)量達(dá)到幾十萬甚至上百萬條級(jí)別的系統(tǒng)。選型建議個(gè)人學(xué)習(xí)和搭建原型直接用 FAISS 或 Chroma企業(yè)項(xiàng)目評(píng)估 Milvus、Qdrant如果團(tuán)隊(duì)已經(jīng)引入了 Elasticsearch 8.x 且同時(shí)在用 ES 做全文檢索也可以考慮用它內(nèi)置的向量檢索能力以減少運(yùn)維組件的數(shù)量。5.3 檢索策略向量檢索、混合檢索與重排很多人把 RAG 的檢索等同于“向量相似度檢索”但這只是起點(diǎn)。向量檢索適合語義相關(guān)性判斷比如“最大負(fù)載多少”能找到包含“負(fù)載能力”的文檔即使沒有“最大負(fù)載”這四個(gè)字。缺點(diǎn)是對(duì)精確關(guān)鍵詞不敏感。關(guān)鍵詞檢索比如 BM25恰恰相反它擅長(zhǎng)精確匹配比如產(chǎn)品型號(hào)、錯(cuò)誤碼、人名但無法理解同義改寫。真實(shí)知識(shí)庫中這兩類問題同時(shí)存在。于是就有了混合檢索同時(shí)執(zhí)行向量檢索和關(guān)鍵詞檢索再把兩部分結(jié)果合并用重排序模型Rerank重新打分選出最終進(jìn)入 Prompt 的內(nèi)容。重排階段通常把候選從 20 條壓縮到 3 到 5 條能顯著提升生成質(zhì)量但也會(huì)帶來額外的計(jì)算延遲。對(duì)于剛起步的團(tuán)隊(duì)建議先用純向量檢索跑通流程再加入關(guān)鍵詞檢索和重排逐步驗(yàn)證每一步帶來的收益不要一上來就堆復(fù)雜組件。下面是一個(gè)基于 Chroma 和 LangChain 的完整檢索問答示例。這里使用 LangChain 中常見的RetrievalQA封裝。# rag_qa.py from langchain_community.vectorstores import Chroma from langchain_openai import OpenAIEmbeddings from langchain_openai import ChatOpenAI from langchain.chains import RetrievalQA # 1. 初始化 embedding 模型 embeddings OpenAIEmbeddings(modeltext-embedding-3-small) # 2. 把上一步切分好的 chunks 寫入 Chroma 向量庫 vectorstore Chroma.from_documents( documentschunks, embeddingembeddings, persist_directory./chroma_db, ) # 3. 構(gòu)建檢索器 retriever vectorstore.as_retriever( search_typesimilarity, search_kwargs{k: 4}, ) # 4. 初始化生成模型 llm ChatOpenAI(modelgpt-4o-mini, temperature0) # 5. 構(gòu)建 RAG 問答鏈 qa_chain RetrievalQA.from_chain_type( llmllm, retrieverretriever, return_source_documentsTrue, ) # 6. 執(zhí)行查詢 query 產(chǎn)品手冊(cè)中該設(shè)備的最大負(fù)載是多少 result qa_chain.invoke({query: query}) print(答案, result[result]) print(\n--- 參考來源 ---) for doc in result[source_documents]: print(來源, doc.metadata.get(source, 未知)) print(內(nèi)容, doc.page_content[:100])這個(gè)代碼里有幾個(gè)細(xì)節(jié)值得注意。search_kwargs{k: 4}表示只取回 4 個(gè)最相關(guān)的文本塊。k 值太小容易漏答案k 值太大則會(huì)把無關(guān)內(nèi)容塞給 LLM讓答案跑偏。一般從 4 到 6 起步再根據(jù)評(píng)估效果調(diào)整。temperature0是問答場(chǎng)景的常見配置。知識(shí)庫問答要求穩(wěn)定、忠實(shí)不需要?jiǎng)?chuàng)造性輸出。而寫文案、頭腦風(fēng)暴類場(chǎng)景才需要提高溫度。return_source_documentsTrue一定要保留否則你很難知道答案是來自知識(shí)庫還是模型自己編的。生產(chǎn)系統(tǒng)中來源溯源是知識(shí)庫功能的基本要求。5.4 從示例到生產(chǎn)系統(tǒng)上面的示例跑通之后要往生產(chǎn)系統(tǒng)走還有幾件事需要補(bǔ)充。一是索引的增量更新。文檔會(huì)更新、刪除、追加不能每次全量重建。實(shí)踐中會(huì)引入調(diào)度任務(wù)和消息隊(duì)列按文檔哈?;虬姹咎?hào)判斷是否需要重新向量化。二是向量數(shù)據(jù)庫的安全性。私有知識(shí)庫通常涉及敏感數(shù)據(jù)。向量庫本身往往沒有嚴(yán)格的權(quán)限模型需要在應(yīng)用層做好訪問控制對(duì)用戶查詢和檢索結(jié)果做權(quán)限過濾。三是檢索質(zhì)量監(jiān)控。線上系統(tǒng)一般會(huì)記錄每次查詢的召回文檔、相關(guān)性分?jǐn)?shù)和最終答案并定期抽樣做人工評(píng)估。這樣當(dāng)某個(gè)知識(shí)點(diǎn)的檢索質(zhì)量下降時(shí)可以及時(shí)定位是數(shù)據(jù)更新問題還是模型變更問題。6. LLM 精度問題FP16、FP32、BF16 在工程中的取舍在 RAG 示例中你可能用的是托管模型 API不需要關(guān)心權(quán)重存儲(chǔ)的精度問題。但如果你要做本地推理、私有化部署或者用開源模型搭建知識(shí)庫那么 LLM 的精度問題就是繞不開的工程決策。6.1 為什么精度問題值得關(guān)注大模型的權(quán)重是一組浮點(diǎn)數(shù)。浮點(diǎn)數(shù)的表示精度和范圍由格式?jīng)Q定。同一個(gè)模型參數(shù)用不同精度存儲(chǔ)和計(jì)算會(huì)直接影響三件事顯存占用、推理速度、輸出質(zhì)量。先給一個(gè)粗略的顯存估算。一個(gè) 7B70 億參數(shù)參數(shù)的模型以 FP32 存儲(chǔ)參數(shù)大小約為 7 × 4 字節(jié)等于 28GB。FP16 或 BF16 是半精度每個(gè)參數(shù) 2 字節(jié)所以約 14GB。如果再算上推理過程的中間激活值實(shí)際占用會(huì)更高。這也是為什么 8GB 顯卡幾乎跑不動(dòng) 7B 模型的全量推理通常需要配合 4bit 量化。6.2 三種精度格式背后的設(shè)計(jì)差異FP32 是單精度浮點(diǎn)數(shù)寬度 32 位其中指數(shù)位 8 位尾數(shù)位 23 位。它是 CPU 和 GPU 上最通用的標(biāo)準(zhǔn)格式精度最高。模型預(yù)訓(xùn)練和科學(xué)計(jì)算常用 FP32 作為基準(zhǔn)。缺點(diǎn)是顯存占用大、計(jì)算速度相對(duì)慢。FP16 是 IEEE 半精度浮點(diǎn)數(shù)寬度 16 位其中指數(shù)位 5 位尾數(shù)位 10 位。相比 FP32它節(jié)省一半顯存計(jì)算速度也更快。但指數(shù)位只有 5 位導(dǎo)致它能表示的數(shù)值范圍變小。當(dāng)某個(gè)權(quán)重?cái)?shù)值很大時(shí)會(huì)被表示成無窮大當(dāng)數(shù)值極端小時(shí)又容易變成 0。這就是“溢出”和“下溢”問題。在訓(xùn)練大模型時(shí)如果直接用 FP16梯度很容易在反向傳播中丟失。BF16 是 Brain Floating Point也是 16 位但指數(shù)位有 8 位和 FP32 相同尾數(shù)位只有 7 位。它的巧妙之處在于“犧牲精度保留范圍”。因?yàn)楹?FP32 擁有相同的指數(shù)范圍BF16 在高數(shù)值范圍下更不容易溢出訓(xùn)練時(shí)穩(wěn)定性明顯優(yōu)于 FP16。代價(jià)是尾數(shù)少同一個(gè)數(shù)值BF16 能表示的小數(shù)精度比 FP16 低。6.3 三種精度的對(duì)比精度格式位寬指數(shù)位尾數(shù)位主要優(yōu)點(diǎn)主要缺點(diǎn)常見用途FP3232 位8 位23 位精度最高顯存占用大、計(jì)算慢預(yù)訓(xùn)練基準(zhǔn)、科學(xué)計(jì)算、調(diào)試FP1616 位5 位10 位顯存減半、速度快數(shù)值范圍小訓(xùn)練易溢出混合精度訓(xùn)練、GPU 推理BF1616 位8 位7 位數(shù)值范圍與 FP32 相同訓(xùn)練穩(wěn)定尾數(shù)少精度略低大模型預(yù)訓(xùn)練、推理部署6.4 實(shí)際工程中的選擇建議在本地部署開源 LLM 做知識(shí)庫推理時(shí)更穩(wěn)妥的選擇通常是 BF16而不是 FP16。因?yàn)榇竽P屯评黼A段對(duì)數(shù)值范圍更敏感FP16 在極端權(quán)重分布下偶爾會(huì)出現(xiàn)輸出質(zhì)量劣化。而在需要極致推理速度時(shí)GPU 對(duì) FP16 的計(jì)算吞吐往往更高這時(shí)可以使用 FP16 并做針對(duì)性評(píng)測(cè)確認(rèn)任務(wù)指標(biāo)沒有明顯回退再做選擇。如果顯存實(shí)在不夠就需要考慮量化方案把權(quán)重降低到 INT8 甚至 INT4。量化后模型文件更小推理速度提升但會(huì)有更明顯的精度損失。是否可接受不能拍腦袋決定必須在業(yè)務(wù)測(cè)試集上做對(duì)比評(píng)估。這里真正容易踩坑的地方是很多人看到模型量化后“看起來回答還挺正?!本椭苯由仙a(chǎn)結(jié)果在專業(yè)術(shù)語密集、格式要求嚴(yán)格的場(chǎng)景中量化模型頻繁答非所問。任何精度選擇都應(yīng)該和評(píng)估體系綁定用數(shù)據(jù)決策而不是憑感覺。7. RAG 知識(shí)庫指標(biāo)如何評(píng)估一套 RAG 系統(tǒng)很多開發(fā)者在把 RAG 系統(tǒng)搭起來之后會(huì)遇到一個(gè)尷尬問題系統(tǒng)已經(jīng)能運(yùn)行了但到底好還是不好說不清楚。如果連好壞都無法量化后續(xù)優(yōu)化就無從下手。RAG 系統(tǒng)的評(píng)估是這部分課程非常強(qiáng)調(diào)的內(nèi)容。7.1 先從離線評(píng)估集開始在討論指標(biāo)之前先建立一個(gè)基本前提評(píng)估需要一套固定的測(cè)試集。沒有測(cè)試集談指標(biāo)都是紙上談兵。測(cè)試集的構(gòu)建方式是從知識(shí)庫中挑選一批有代表性的文檔針對(duì)它們?cè)O(shè)計(jì) 50 到 100 條問題并為每個(gè)問題標(biāo)注期望答案或至少標(biāo)注“應(yīng)該從哪些文檔片段中檢索”。這個(gè)集合稱為黃金集。以后每次調(diào)整切分參數(shù)、更換 embedding 模型、修改檢索策略都在同一套黃金集上跑看指標(biāo)變化。7.2 檢索質(zhì)量指標(biāo)RAG 系統(tǒng)的檢索環(huán)節(jié)直接決定了“模型看到了什么”。如果檢索結(jié)果里根本沒有正確答案生成環(huán)節(jié)再強(qiáng)也白搭。所以檢索質(zhì)量必須獨(dú)立評(píng)估。Hit Rate 是最直觀的指標(biāo)表示在檢索返回的 top-k 結(jié)果中是否至少有一條是相關(guān)的。如果檢索了 100 個(gè)問題其中 85 個(gè)問題在 top-5 結(jié)果里有正確答案Hit Rate5 就是 85%。它反映的是“有沒有召回”。MRR 全稱是 Mean Reciprocal Rank用于衡量第一個(gè)相關(guān)結(jié)果出現(xiàn)在什么位置。如果第一個(gè)相關(guān)問題排在第 1 位得 1 分排在第 3 位得 1/3 分。MRR 越高說明相關(guān)結(jié)果越靠前。它反映的是“召回到什么位置”。Precisionk 和 Recallk 則進(jìn)一步細(xì)化了準(zhǔn)確率評(píng)估。Precisionk 表示返回的 k 個(gè)結(jié)果中有多少比例是相關(guān)的Recallk 表示所有相關(guān)文檔中被召回的比例。這些指標(biāo)之間的關(guān)系可以這樣理解Hit Rate 是底線MRR 是排序質(zhì)量Recall 和 Precision 是更嚴(yán)格的雙向評(píng)估。在實(shí)際項(xiàng)目中通常先看 Hit Rate再關(guān)注 MRR最后結(jié)合業(yè)務(wù)需求看是否要調(diào)整 k 值。7.3 生成質(zhì)量指標(biāo)檢索質(zhì)量好不代表最終答案好。LLM 可能沒有遵循 Prompt 指令、可能遺漏關(guān)鍵信息、也可能在檢索內(nèi)容之外自行發(fā)揮。生成質(zhì)量需要單獨(dú)評(píng)估。Faithfulness忠實(shí)度衡量生成內(nèi)容是否忠實(shí)于檢索到的上下文。如果模型明明看到資料里寫“最大負(fù)載 50kg”卻在答案里說“最大負(fù)載 80kg”就是不忠實(shí)。這個(gè)問題本質(zhì)上就是幻覺。Answer Relevancy答案相關(guān)性衡量生成內(nèi)容是否切題是否回答了用戶的問題。有時(shí)候模型復(fù)述了一堆原文但用戶問的是“怎么解決”模型回答的是“是什么”就是不相關(guān)。這兩個(gè)指標(biāo)在生產(chǎn)系統(tǒng)中都可以自動(dòng)計(jì)算也可以抽樣人工評(píng)分。自動(dòng)計(jì)算的典型工具是 RAGAS它利用 LLM 作為評(píng)測(cè)器輸入問題和答案以及檢索文檔返回上述指標(biāo)的分?jǐn)?shù)。但要注意用 LLM 評(píng) LLM 會(huì)有偏好偏差關(guān)鍵業(yè)務(wù)場(chǎng)景建議保留人工抽檢環(huán)節(jié)。7.4 一個(gè)最小化的 MRR 計(jì)算示例理解 MRR 最快的方式是親自動(dòng)手實(shí)現(xiàn)一次。下面的偽代碼演示了 MRR 的計(jì)算邏輯。# eval_mrr_example.py def reciprocal_rank(relevant_rows, k): relevant_rows: 檢索結(jié)果列表按相關(guān)性分?jǐn)?shù)降序排列 k: 只看前 k 條結(jié)果 返回該查詢的 reciprocal rank 值 for rank, row in enumerate(relevant_rows[:k], start1): if row[is_relevant]: return 1.0 / rank return 0.0 # 示例一次查詢的檢索結(jié)果按相關(guān)性從高到低 query_result [ {doc_id: doc_1, is_relevant: False}, {doc_id: doc_2, is_relevant: True}, {doc_id: doc_3, is_relevant: False}, ] k 3 rr reciprocal_rank(query_result, k) print(f本次查詢的 reciprocal rank: {rr}) # MRR 就是多次查詢 reciprocal rank 的均值 all_queries [ {doc_id: doc_1, is_relevant: False}, {doc_id: doc_2, is_relevant: True}, {doc_id: doc_3, is_relevant: False}, ] def mean_reciprocal_rank(queries, k): total 0.0 for query in queries: total reciprocal_rank(query, k) return total / len(queries) mrr_value mean_reciprocal_rank([query_result, query_result], k3) print(fMRR3: {mrr_value})在實(shí)際項(xiàng)目中你可能不會(huì)手寫這些指標(biāo)而是借助 Ragas 或其他評(píng)測(cè)框架。但理解計(jì)算邏輯非常重要。只有理解每個(gè)指標(biāo)在獎(jiǎng)勵(lì)什么、懲罰什么你才能在調(diào)優(yōu)時(shí)判斷“指標(biāo)上升是否真的意味著系統(tǒng)變好”。8. 常見問題與排查思路RAG 系統(tǒng)在開發(fā)階段的問題非常多很多現(xiàn)象看起來相近但原因完全不同。下面整理了一份常見問題排查表可以收藏備用。問題現(xiàn)象可能原因排查方式解決方案啟動(dòng)時(shí)依賴安裝失敗Python 版本不兼容或缺少編譯環(huán)境查看 pip 錯(cuò)誤日志確認(rèn) Python 版本升級(jí)到 Python 3.10或使用 conda 創(chuàng)建隔離環(huán)境知識(shí)庫檢索不到相關(guān)內(nèi)容文檔切分過大或過小語義被稀釋或截?cái)啻蜷_向量庫查看文本塊語句是否完整調(diào)整 chunk_size 和 chunk_overlap重新向量化答案和用戶問題不相關(guān)檢索返回了無關(guān)內(nèi)容且進(jìn)入了 Prompt打印 source_documents 查看召回文檔調(diào)整 top-k、加入混合檢索或重排模型回答出現(xiàn)幻覺檢索結(jié)果為空模型被迫自行補(bǔ)全檢查檢索結(jié)果的相似度分?jǐn)?shù)是否過低設(shè)置相似度閾值明確要求模型不知道就說不知道檢索到正確內(nèi)容但答案反而混亂塞進(jìn) Prompt 的上下文太多或相互矛盾檢查 source_documents 的數(shù)量和內(nèi)容降低 k 值或?qū)ξ臋n做去重和版本過濾專業(yè)術(shù)語大量出現(xiàn)時(shí)效果變差embedding 模型對(duì)專業(yè)領(lǐng)域理解不足在黃金集上對(duì)比不同 embedding 模型的指標(biāo)替換為領(lǐng)域微調(diào)過的 embedding 模型或引入關(guān)鍵詞檢索向量庫持久化后重啟數(shù)據(jù)丟失未配置持久化目錄或使用了純內(nèi)存模式檢查向量庫初始化參數(shù)配置 persist_directory 或使用服務(wù)端向量數(shù)據(jù)庫本地部署模型顯存不足精度選了 FP32/FP16模型參數(shù)過大查看顯存占用日志切換到 BF16 或量化到 INT8/INT4驗(yàn)證效果答案經(jīng)常引用過時(shí)文檔知識(shí)庫沒有增量更新機(jī)制檢查文檔更新時(shí)間戳引入數(shù)據(jù)版本管理和索引重建任務(wù)排查 RAG 問題有一個(gè)通用順序先確認(rèn)檢索階段有沒有正確召回再確認(rèn) Prompt 組裝有沒有問題最后再懷疑生成模型。很多人第一反應(yīng)是“模型不行”結(jié)果花了很多時(shí)間換模型問題依舊。實(shí)際上RAG 系統(tǒng)的大部分效果問題都出在數(shù)據(jù)和檢索環(huán)節(jié)。9. 最佳實(shí)踐與工程建議RAG 項(xiàng)目做到最后拼的往往不是某個(gè)環(huán)節(jié)的極致優(yōu)化而是工程體系是否完整。下面這幾條最佳實(shí)踐來自常見生產(chǎn)項(xiàng)目的經(jīng)驗(yàn)總結(jié)。9.1 從最小可行 RAG 開始不要在一開始就引入 Agentic RAG、混合檢索、知識(shí)圖譜等復(fù)雜組件。第一步應(yīng)該用最快的速度跑通“文檔加載 向量化 檢索 生成”的最小鏈路讓業(yè)務(wù)方看到效果也讓自己對(duì)數(shù)據(jù)情況有感知。然后再用評(píng)估數(shù)據(jù)驅(qū)動(dòng)優(yōu)化。否則復(fù)雜系統(tǒng)一旦出問題定位成本會(huì)非常高。9.2 把文檔預(yù)處理當(dāng)成第一優(yōu)先級(jí)知識(shí)庫項(xiàng)目的天花板往往在文檔預(yù)處理階段。建議對(duì)文檔格式做一次全面盤點(diǎn)把“哪些文檔適合直接切分”“哪些文檔需要 OCR”“哪些文檔需要專門解析表格”列成明細(xì)表。對(duì)經(jīng)常出現(xiàn)的固定版式可以寫專門的解析函數(shù)而不是寄希望于一個(gè)通用解析器搞定所有文檔。9.3 檢索環(huán)節(jié)先保證召回再做精排在檢索鏈路設(shè)計(jì)上可以用兩級(jí)思路第一級(jí)盡量放寬條件保證相關(guān)文檔能被召回第二級(jí)用重排模型或更精細(xì)的過濾邏輯把真正有用的內(nèi)容排到前面。先優(yōu)化 Hit Rate再優(yōu)化 MRR最后才看生成質(zhì)量。這個(gè)順序不能反。9.4 Prompt 要明確約束生成行為生成階段的 Prompt 至少應(yīng)該包含三部分系統(tǒng)指令、檢索上下文、用戶問題。系統(tǒng)指令要明確告訴模型“只能依據(jù)檢索內(nèi)容回答不要使用訓(xùn)練時(shí)學(xué)到的知識(shí)補(bǔ)充如果檢索內(nèi)容不足回答不知道”。同時(shí)要求模型在回答時(shí)引用來源編號(hào)。這個(gè)設(shè)計(jì)能顯著降低幻覺率也讓溯源成為可能。9.5 記錄完整的運(yùn)行日志線上 RAG 系統(tǒng)建議記錄每次請(qǐng)求的完整鏈路原始問題、改寫后的問題如果有、召回的文檔列表、相似度分?jǐn)?shù)、送入 Prompt 的最終上下文、模型輸出、耗時(shí)。這些日志既是調(diào)試故障的依據(jù)也是后續(xù)搭建自動(dòng)化評(píng)測(cè)集的數(shù)據(jù)來源。很多團(tuán)隊(duì)忽略了這一步等到上線后效果變差才發(fā)現(xiàn)沒有任何線索可以回溯。9.6 安全與權(quán)限是最后的底線如果知識(shí)庫包含了內(nèi)部資料或用戶隱私數(shù)據(jù)在架構(gòu)設(shè)計(jì)之初就要考慮權(quán)限隔離。不要讓一個(gè)用戶可以檢索到另一個(gè)用戶私有范圍的內(nèi)容。向量數(shù)據(jù)庫層的過濾能力很重要應(yīng)用層也要做身份認(rèn)證和操作審計(jì)。涉及敏感數(shù)據(jù)的項(xiàng)目務(wù)必在測(cè)試環(huán)境驗(yàn)證權(quán)限過濾邏輯后再上線并準(zhǔn)備好回滾方案。10. 總結(jié)LLM 工程師的核心能力模型回到這門 Udemy 課程第三部分的整體定位它真正想訓(xùn)練的能力不是“會(huì)調(diào)用 API”而是“會(huì)設(shè)計(jì)一套完整的 GenAI 系統(tǒng)”。從 RAG 鏈路到 Agent 概念從精度問題到評(píng)估指標(biāo)這些知識(shí)點(diǎn)串聯(lián)起來指向的是 LLM 工程師的四種核心能力。第一是數(shù)據(jù)工程能力。知道如何從真實(shí)業(yè)務(wù)文檔中提取可用知識(shí)如何處理 PDF、Word、HTML 等復(fù)雜格式如何設(shè)計(jì)切分策略。第二是檢索系統(tǒng)設(shè)計(jì)能力。知道如何選 embedding、如何選向量數(shù)據(jù)庫、如何設(shè)計(jì)混合檢索和重排而不是只會(huì)調(diào)用一個(gè)現(xiàn)成接口。第三是模型部署與成本控制能力。理解 FP16、BF16、量化的取舍知道在有限的 GPU 資源下如何平衡速度和質(zhì)量。第四是評(píng)估能力。能建立測(cè)試集能看懂指標(biāo)變化能通過數(shù)據(jù)定位瓶頸。這是區(qū)分“能跑 Demo”和“能上生產(chǎn)”的分水嶺。如果這篇文章讓你有收獲建議馬上選一份實(shí)際文檔按照第二章到第五章的流程搭一個(gè)最小知識(shí)庫再做一套 50 條問題的評(píng)估集記錄當(dāng)前指標(biāo)。然后試著調(diào)整 chunk_size、切換 embedding 模型、加入重排觀察指標(biāo)和答案質(zhì)量的變化。做 LLM 應(yīng)用開發(fā)最大的誤區(qū)是以為“視頻課刷完就是會(huì)了”。真正值回票價(jià)的方式是把課程里的評(píng)估方法用到自己的知識(shí)庫里把系統(tǒng)從“能跑”改到“好用”。RAG 工程中還有很多細(xì)節(jié)值得深入比如更復(fù)雜的文檔解析、Agent 多輪檢索、基于本體的約束生成、以及更細(xì)粒度的評(píng)測(cè)體系。每一條都值得再單獨(dú)寫一篇實(shí)踐筆記。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
五月丁香综合激情网| 五月丁香成人网| 久久ri精品视频| 丁香五月骚喷水视频| 天天做夜夜爽| 人人色性网| 日日干日日| 美女天天久久| 狠狠插.com| 婷婷成人五月天一区| 欧美精品XXXXBBBB| 凹凸操Av| 色婷婷丁香九月| www.91婷婷| 日本不卡中文字幕| 婷婷六月色| 亚洲五月六丁香激情| 性生生活大片又黄又| 91视屏在线观看com.wwwvv| 秋霞av吧| 丁香五月婷婷激情尤物| 久久6这里只有精品| 欧美成人猛片AAAAAAA| 91婷婷五月天综合视频| 综合激情专区| 99色热| 国产丁香五月天婷婷| 丁香婷婷欧美综合| 日韩久热| www.五月天。com| av首页在线| 橾逼网| 玖玖婷婷综合| 少妇性按摩无码中文A片| 五月婷婷丁香在线视频| 成人精品人妻| 九九婷婷五月天| 婷婷成人五月天成人文学小说| 亚洲九九婷婷| 日日鲁鲁鲁夜夜爽爽狠狠视频97| 婷婷五月天AV在线| 丁香五月日本| XX久久| 99热亚洲| 激情丁香五月婷婷| 丁香花五月天| 五月丁香啪啪激情| 色婷五月婷婷| 伊人五月婷婷国产视频| 超碰久热| 欧美影院| 色天天久婷婷| 午夜一区| 中文在线视频久9| 久久婷婷亚洲| www.亭亭五月天| 色五月婷婷1| 五月丁香网站| EEUSS鲁片一区二区三区| 亚洲在线操| 九九aV| 大陆肏屄视频| 婷婷亚洲五月丁香综合在线| 五月丁香久久呀| 丁香五月天激情| 色婷婷丁香| 久久丁香五月综合六月激情红杏视频| 午夜色丁香| 五月天婷婷成人网| 91凹凸在线| 色五月激情五月丁香五月婷婷啪啪综合 | 99久操视频| 色婷婷免费观看| 美女被操一区二区| 婷婷激情五月| 久久怕怕视频| 亚洲视频丁香网va| 五月色色色| 婷婷丁香成人色综合| 亚洲成人影视在线观看| 精品久久久人妻| 五月丁色AV| 丁香六月婷婷激情| 少妇2做爰HD韩国电影| 播五月开心婷婷欧美综合| 亚洲五月天伊人| 激情婷婷久久| 婷婷刺激综合| 69精品无码一区二区三区| 午夜色婷婷| 丁香五月天狠狠| www激情网| 亚洲综合另类| 五月婷婷六月丁香首页| 91大操| 九九色精品| 婷婷色Av| 亚洲婷婷成人五月天| 影音先锋色色色资源色资源色| 激情五月婷婷她| 琪琪色综合网站| 色屌丝中文字幕| 小香蕉av| 国产精品扒开腿做爽爽爽A片唱戏 青青草国产亚洲精品久久 | 婷婷色情网| 久久久人妻门| 丁香五月综合亚洲| 99热这里只有精品 搜| 操操操www.com| 欧美婷婷综合网| 激情久久久| 丁香婷婷色九月| 亚洲精品激情| 婷婷五月深爱五月| 99热这里只有免费精品| 99精品视频免费| 亚洲九九99精品视频在线播放| 五月情丁香色| 琪琪理论片| 亚洲另类婷婷综合| 色婷婷综合网| 888精品福利地址| 激情综合久久| 亭亭丁香久久五月| 婷婷六月网| 激情四射五月天偷偷看婷婷| 丁香五月网络网络| 伊人超碰| 天天做 天天爱| 五月天色综合服务平台| 五月天停停成人网| 色日本五月天| 丁香五月六月综合欧美| www.99热精品| 337p大胆噜噜噜噜噜91Av| 伊人网大香| 久久婷婷五月综合色奶水99啪| 狠狠爱婷婷丁香| 激情五月婷黄版| 丁香五月天激情视频| 五月婷婷福利| 无码色色色| 婷婷五月av| 99热6色| 五月天 另类图片| 人人视频色| 人人噜天天上| 人人操插| 日本欧美成人片AAAA| 色色无码| 丁香六月天婷婷色| 九九99在线| 六月丁香六月婷婷欧美| 狠狠色丁香久久久婷| 久久五月天激情美女| 欧美噜噜久久久XXX| 99思思在线视频| 五月天婷a在线| 亚洲综合视频一下| 欧美激情VA永久在线播放| 91免费看片| 五月丁香| 七月丁香婷婷 色色| 玖玖@三月天天丁香婷婷| 在线不卡AC| 丁香五月综合久久| 激情五月天黄色小说| 第二色AⅤ| 五月天成人手机在线视频| 五月色俺婷婷| 久久婷婷啪啪视频| 亚洲视频在线观看| 任你搞在线观看视频| 九九色天堂| 色五月色图| 久久99热这里只有| 丁香五月婷久久| 五月婷婷天堂| 久久精品A片777777| 五月丁香狠狠爱婷婷综合| 色色色色区| 无码激情| 欧州色色| 亚洲精品久久久久久久久久吃药| 欧洲区自拍| 色婷婷久久综合| 激情综合色五月六月婷婷| 丁香五月婷婷色播艳门照| 中文AV在线观看| 色婷婷激情| 日韩国产在线精品| 久久激情五月| 综合色色色色色色| 丁香五月婷婷啪啪| 九热免费视频| 亚洲最大五月六月丁香婷婷| 婷婷五月丁香六月| 9热久久| 色五月婷婷中文字幕在线观看 | 爱穴久久| 五月婷婷色播视频| 香蕉人在线香蕉人在线 | 99热这里只有精品9| 五月九九综合| www.夜夜夜| 日91高清无玛| 操逼电影免费看| 久久婷婷网站| 婷婷成人五月天成人文学小说| 大香蕉av在线| 激情综合网色五月| 洗浴中心操B视频| 激情五月婷婷丁香| 久9精品| 伊人影音无码一区二区三区| 丁香久久综合| 丁香五月激情五月| 白天AV月月| 91丨九色丨白浆秘| 超热久碰.com| www.av骚货| 欧美精品18| 久xxxx| 五月丁香在线国产| 久草热在线视频| 《久久综合九色综合97婷婷| 天天色天天爱天天爱天天爱y| 97人人草| 久久er视频6| 婷婷五月天久久久| 婷婷色综合网日韩国产| 久久有码| 欧洲MV日韩MV国产| 开心五月婷婷六月丁香| 天天激情站| 自拍视频在线观看9| 热99精品视频观看| 久久丁香五月| 人妻熟妇国产精品| 天天综合色丁香| 葵花AV在线| 伊人在线婷婷草| 另类小说五月天| 9视频1在线| 久热只有这里精品| 依人大香蕉在钱1| 五月天婷婷一起草| 九九色色| 久久这有这里精品| 亚洲亚洲人成综合网络| 五月天免费色| 97在线观视频免费观看 | 日本色99网站| 婷婷五月天日本无码| 天天爽夜夜操| 伍月激情天| 五月丁香综合| 噜色精品| 久久久激情| 六月亚洲婷婷6月中文字幕| 中文无码婷婷| 99精品热| 开心五月婷婷激情| 婷婷五月天.com| 狠狠插狠狠插| 在线VA视频| 亚洲综合五月天婷婷丁香| 五月婷婷久久久| www久久久久久久97| 日韩在线99| 免费视频99| 九热视频在线伦| 狠狠狠狠狠操| 色色影院黄大片| 日日夜夜久| 精品操逼一区二区| 超碰爱爱爱| 久久精品系列| 丁香婷婷影院| 26UUU在线观看| 国产成人综合亚洲| 人人爱人人摸人人澡| 婷婷五月精品中文| 久久婷.com| 亚洲天天| 天天综合五月| 狠狠婷婷色综合| 婷婷涩五月天综合| 中文网婷婷字幕婷| 男人天堂99| 婷婷五月天激情网| 亚洲国产精品VA在线看黑人| 色五月影视| 影音先锋综合网| 在线综合网| 日韩在线成人电影| 狠狠操综合| 欧美性丁香色色五月天综合爱爱| 日本三级第一页| 99热这里只有精品18| 色偷偷人人| www.久久爱.com| 色婷婷综合久久久久| 99色天堂| 日韩限制级大尺度黑料泄密大尺度视频一区二区在线观看 | 日韩久久色| 人人摸人人搞| 色噜综| 婷婷九月在线| 色人久久| 婷婷激情视频欧美视频自拍视频欧美剧| 成人在线日韩欧美| 国自产拍偷拍精品啪啪一区二区| 五月天精品视频| 九月婷婷色色| 色狠狠色噜噜AV天堂五区| 亭亭社区五月天| 热久69| 99久久九九| 五月香蕉综合| 99色综合久久| 99色网站| www夜夜操com| 激情啪啪五月天| 五月激情综合婷婷| 五月天.com| 亚洲婷婷月丁香五月| 狠狠色婷| 久久婷婷亚洲| 丁香五月在线观看| 性婷婷| 另类图片五月天婷婷| 婷婷五月天色色| 五月天婷婷开心| 99热九九在线| 欧美精品在线观看| 九九激情综合| 天天天久久人人人合| www狠狠| 色六月 婷婷| 五月丁香六月激情综合| 一区二区三区四区无码| 婷婷五月天成人在线视频| 欧美日本免费一道免费视频 | AV片一区在线观看| 99热精品在这里| 色婷婷综合网站| 婷婷五月亚洲综合| 久久日曰| 五月色综合| 五月天激情小说网| 亚洲国产精品综合色区| 五月六月丁香激情视频| 一区二区乱码视频| 色网站9| 综合网激情| XX色综合| 五月丁香龟婷婷| 激情六月下句是什么| 激情婷婷综合网| 99精品成人无码A片观看金桔| 色九月婷婷丁香| 婷婷五月精品在线| eeuss人妻| 人妻久久久久久久久久| 97色色色色色色色| 久久久久9| 欧美碰碰碰| 天天射影院| WWW.99热| av在线激情| 日日夜夜天天爽| 五月激情婷婷图片基地| 操B五月天| 婷婷五月综合网激情| 亚洲精品白浆高清久久久久久| 久操综合| 日韩人妻无码精品| 五月天亭亭俺也| 天天摸天天高潮天天爽| www.爱操com.| 色爱综合视频| 色之综合网| 久久女人天堂| 4399人妻无码久久久| 91操黄| 涩五月婷婷| 天天肏视频| 天天日天天色| 99综合| 超碰熟女拍拍| 婷婷五月天激情免费在线观看| 第一区久久网站| 国产五月丁香在线| 欧美激情五月天婷婷| 日本久热| 中文字幕在线观看视频www| 99日精品视频| 国产av基地| 亚洲色婷婷五月天| 激情久久久久久久久久| 久久99精品久久久久久噜噜| 任你爽精品免费视频6| 色色色色热| 99er热精品视频| 色婷婷丁香五月综合| 狠狠干青青草| 丁香五月综合图片在线观看| 丁香五月在线视频黑人| 怡红院院久久| 日韩在线aaa| 激情网综合| 色狠狠综合| 五月天停停基地| 热久久精品视频网站| 人妻肉射免费观看| 操操操AV| 九九无码| 九九色综合| 狠狠干五月天| 欧美性猛交99久久久久99按摩| 九九热精品| 黑人糟蹋人妻HD中文字幕 | 色久婷婷网| 婷婷丁香一月| 99日韩网站| 婷婷五月色播放| 狠狠色噜噜狠狠狠888| 激情五月丁香亭亭| 色综合九九| 在线日韩视频| 国产肥白大熟妇BBBB视频| 九七色色六月丁香| 性爱网六月丁香| 久久综合婷婷五月| 欧美激情丁香五月| 亚洲VA在线| 久久五月综合| 天天摸,天天爽| 日本久久超碰| 久久网站观看免费欧洲国产| 五月涩涩网| 99爱视频免费| 五月激情影视| 综合狠久久| 日韩伊人大香蕉| 一本久道综合色婷婷五月| 99热这里只有99| 丁香激情六月天婷婷| 精品A√| 五月婷婷丁香啪啪| 日韩啪啪视频| 99九九精品| 这里有精品| 亚洲精品字幕在线观看| 丁香美女主播视频在线观看| 久热久re| 国色天香伊人狠狠色| 久久综合55| 99热老司机| 色级停停| 久久久久久丁香五月| 亚洲视频一区| a v色婷婷| 激情综合丁| 色99色| 婷婷色在线视频| 久久五月丁香婷婷| 亚洲五月丁| 在线看AV| 狼人婷婷久久| 人人干99| 五月丁香婷婷啪啪| 一级二级香港秋霞欧美欧美秋霞| 五月天婷a在线| 神马久久五月天| 色色色99| 再次出发二| 97综合视频在线| 天天做天天爱| 亚洲中文无码成人| 亚洲人成网站999综合| 国产精品色婷婷99久久精品| 成年AAAA色情| 九九热10| 婷婷五月激情综合| 日本44久久在线| 激情图片婷婷| 久久婷五月影院| 9精品视频在线| 激情都市五月天| 99久久高清视频| 色色丁香婷婷综合| 五月婷婷香蕉| 五月丁香色综合| 狠狠干五月丁香| 国产激情综合| 色播五月婷婷| 九九色婷婷五月天| 久久精品婷婷| 99热这里只有精品13| 日韩黄色电影| 麻豆AV一区二区三区| 色屌丝中文字幕| 天天爽天天爽天天爽天天爽天天爽天天爽天天| 欧在线一区| 五月天另类小说| 人人操人人爱丁香五月| 五月丁香日本一抹本| 在线中文字幕免费视频| 婷婷天天色| 丁香 婷婷 亚洲 熟女| 日日干天天射| 天天色凹凸| 深爱激情六月天| 99热99色| 激情六月五月婷婷综合网| 中文字幕不卡视频| 麻豆AV一区二区三区| 99性爱| 天天天天天色| 另类专区在线| 欧美三级韩国三级日本三斤| 99操视频| 激情久久久久久| www夜夜操wwwcon| 五月激情丁香五月| 99re热在线视频观看| 欧洲99视频在线| 五月色亭丁香| 激情婷婷五月天| 操操自拍| 五月丁香亚洲婷婷| 丁香成人综合| 亚洲sesesese| 91久久综合亚洲噜噜成人在线| 操操操97| 狠狠爱综合网| 伊人久久99| 思思热视频在线观看| 久久香蕉婷婷五月天| 四虎成人精品永久免费AV九九| 国产精品黑丝| 久久se 综合网| 99视频精品| 综合另类视频| 日本丁香五月| 国产精品久久7777777精品无码| www.99色| 色五月成人| 欧美色碰| 涩婷婷视频快播人妻| 91丨九色丨大屁股| 大香蕉婷婷| 色五月大| 十一月婷婷激情四射| 欧美综合激情五月天| 欧日韩AV| 丁香综合伊人| 熟女婷婷网站一婷婷五月一丁香婷婷一婷婷激情网 | 色婷婷综合网| 综合久久综合| 欧美性爱中文字幕| 欧美狠狠色| 六月丁香久久| 久热这里只有精品在线| 丁香丝袜五月| 五月天婷婷黄色| 丁香五月综合图片在线观看| 第九色区av天堂| 91久久久久久久久18| 97人人操人人| 香蕉婷婷色五月| 五月天色综合| 成人免费在线电影| 婷婷六月综合基地| 97碰人人操| 色5月丁香婷婷| 狠狠xx| 丁香婷婷大香蕉| 99九九在线视频| 91大神在线免费看视频全集男男一起操| 丁香五月-激情综合| 狠狠干,狠狠操| 色色热| 丁香婷婷久久 | 婷婷色五月久久| 婷婷五月激情片| 综合激情五月综合激情五月激情1| 日本精品在线噜噜噜| 99爱视频精品| 日操| 五月色欧洲| 婷婷久久六月天| 天天碰天天插天天操| 日韩色色小视频| 日本va网站| 五月丁香六月婷婷不卡免费无码| 天天综合永久| 色五婷婷| 五月天婷婷丁香基地在线观看| 伊人玖玖婷婷| 久9视频| 99这里只有精品视频| 99在线精品视频| 99免费在线视频| 少妇人妻人伦A片| 成人做爰A片免费看网站找不到了| 屁股翘好撅高迎合跪趴| 99婷婷综合| 激情久久五月天| 色狠久| www.9797国产| 五月丁香六月激情在线| 99精品视频在线观看| 婷婷丁香五月综合网| 狠狠色中色| 草榴视频网| 五月婷在线影院| 99色色爰| 99精品无码网站| 99爱这里只有精品免费视频| 五月色婷婷影院| 开心婷婷五月| 久婷婷视平| 在线99精品| 五月婷婷AV| 日操五月婷| 婷婷婷婷色| 五月婷婷与六月丁香图片激情| 久久人妻精品| 五月婷婷很很色| 69精品人人人人人人| 久久超级碰碰| 日日撸天天干| 九九99热| 激情第四色| 午夜微拍福利| 九色91美女| 亚洲中文无码成人| 丁香六月成人| 亚洲久久激情| 在线五月婷| 亚洲免费99| 天天干天天日天天插| 在线1青婷| 久久精品99| 五月天激情网站| www.色情五月天.com| 激情AV| 日日肏天天操| 国产激情综合| 影音先锋男人AV资源站| 996热| 婷婷五月中文字幕国产| 狼友视频在线观看18| 日本激情五月天‘| 久久综合首页| 九九在线热九九在线热99热| 91丨九色丨白浆秘| 色情免费视频播放| 日本超碰在线| 久久性都花花世界成人免费视频 | 人妻久久做| 亚洲亚洲永久无码777777| 99九九精品| 成人小说色图婷婷五月| 99惹在线精品免费观看| 五月天开心激情综合网| 亚洲爆乳无码精品AAA片蜜桃| www.com任你艹| 思思网站| 久久激情五月天| 碰碰碰97国产| 色播五月婷婷| 丁香五月婷婷偷拍| 香蕉久操| 激情五月丁香婷婷夜夜操| 亚洲五月花| 五月天激情小说| 97se视频在线| 天天xxxxxx天天日| 亚洲另类在线观看| 国产免费一区二区三区三州老师F1F1.CC | 九九无码| 综合色网站| 天堂婷婷丁香六月网| se99视频| 久久久jd| 六月婷婷在线| 成人做爰黄A片免费看直播室男男| 日韩操逼大片| 五月婷婷在线免费观看| 激情涩播| 色综合色欲综合天天免费| 操操国产| 色婷婷最新域名| 欧美亚洲操逼| 玖玖婷婷五月天| www.91九色| 亚洲色在线观看| 日本一級黃色一級片| 深爱激情五月婷婷| 久9无码视频| 五月婷婷影| 国产精品第一国产精品| site:901-07.com| 性生活视频98791| 丁香狠狠操| 天天免费日日夜夜夜夜| 国产精产国品一二三在观看| 丁香色五月婷婷17C| 26.uuu丁香五月婷婷| 免费观看日韩成人av| 色五月五月天| 高清一区二区三区日本久| 色久播播| 夜夜爽天天爽| 97干在线| 二色AV| 色久影院| 免费黄色AV| 亚洲操B视频| 超碰1999| 欧美久久久久久久久中文字幕| 亚洲五月情| 91919191919久久成人视频| www.99热视频在线观看| h在线看免费版在线看| 狠狠干狠狠色| 人人爱国产| 久久久8| 丁香婷婷六月天| 激情婷婷久久| 综合久久影院| 在线成人网址| 久久婷婷伊人| 中文字幕在线日亚州9| 久久性爱视频| 五月天婷婷色| 色爱综合网| 久久婷婷五月国产激情综合片| 99色色网| 五月婷婷就去色| 日欧一片内射VA在线影院| 五月丁香久久久日婷婷久久婷婷日| 99色视频| 婷婷六月插屄激情| 东京热五月婷婷| 天天天天做夜夜夜夜做| 婷久久久| 99爱这里只有精品免费视频| 开心五月婷婷综合在线精品素人| 高清不卡一区| 久色网址| 激情com| 天天射影院| 天天射天天射一道本日本社区| 3p九色在线| 色狠久| 欧美乱码国产一级A片| 一月婷婷色色| 五月丁香婷婷综合| 婷婷五月天成人网| 思思热热久久| 五月天堂六月丁香亚州中文字幕久久| 丁香婷婷色五月激情综合| 国产精品日日躁夜夜躁| 色综合99| 五月丁香六月婷婷不卡免费无码| 婷婷丁香成人色综合| 操日挥操日日| 婷婷成人AV| 婷婷五月天色色| 婷婷五六月丁香| 日本黄色一级| 噜噜噜噜综合在线| 香蕉国产2013| 日韩成人精品中文字幕| 99r这里| 五月丁香婷婷成人版| www.狠狠| 亚洲Av入口| 第1影院之五月婷婷| 五月丁香琪琪| ...婷婷国产成人亚洲日韩| 91婷婷视频| 五月天激情网站| 操操操操操操婷婷五月天| 大地资源色婷婷视频在线| 国产精品香蕉| 国产综合婷婷| 国产亚洲精品久久久久久牛牛| 成人电影丁香六月天| 亚洲熟女乱色综合亚洲网站| 九九热精品| 天天舔天天摸天天透| 天天综合久久| 婷婷五月天成人网| 丁香五月婷婷激情蜜桃| 丁香婷婷五月综合色情| AA片在线观看视频在线播放| 亚洲视色| 天天操天天日天天爱| 超碰2021| 91色色色| 俺去也在线www色官网| 99色五月| 亚洲乱码日产精品BD| 在线综合网| 99精品无码视频| 9|在线观看视频| 91狠狠综合久久| 亚洲九九在线| 欧日韩成人| 乱精品一区字幕二区| 男人的天堂五月丁香| 丁香六月av| 极品九九九九九九| 色色色综合网| 天天做天天爱天天玩| 久婷婷五月激情| 丁香久久九九99| 91丨九色丨熟女高潮| 五月婷婷六月丁香在线| 六月色日韩| 综合九九久久| 欧美肉大捧一进一出免费视频| 五月欧美丁香在线观看| 五月婷婷亚洲综合网| 欧美VA视频| 激情五月婷婷| www.婷婷五月天.com| 精品久久久久久久人妻| 美日韩成人| 97碰操| 亚洲爆乳无码精品AAA片蜜桃| 亚洲婷婷五月天| 手机AVAV天堂看网| 任你爽精品免费视频6| 丁香五月婷婷香| 五月花婷婷| 免费视频无码| 婷婷五月色丁香在线看| 婷婷伊人| 亚洲有码在线视频| 97色干在线观看| 狠狠丁香| 天天天天天天操| 亚洲AAA| 综合激情伊人影视在线| 哇嘎成人久久| 97操碰98| 日本狠狠干| 91精品在线看| 麻豆五月丁香婷婷| 无码网| caop在线| 99热全是精品| 欧美在线ee日韩| 激情五月天网| 色色婷| 99在线精品视频| www.俺去也com| 色黑鬼导航| 99热综合在线| 国产精品岛国片在线观看免费| 五月婷婷丁香91| 久久色情| www.狠狠| 婷婷丁香花五月天| 色色色色色色网| 久久亚洲婷婷| 婷婷六月插屄激情| 狠狠爱综合| 情色五月天网站| 影音先锋 一区| 极品嫩草| 99热在线观看成人| 99热在线观看| 97人人草| 久久免费精彩视频| 婷香五月| 午夜成人天堂久久无码日韩久久| 五月婷婷丁香瑟瑟视频| 亭亭五月激情亚洲在线| 天天肏天天插| 婷婷五月成人有| 深爱激情中文五月天av| 在线观看的av| 99在线视频精品| 啪啪操超碰| 99热插| 五月丁香人妻| 激情亭亭五月| 大香蕉人人网| 操婷婷基地| 美女xx不卡| 31色区视频免费看| 91女人18毛片水多国产| 操大屄五月天视频| 99久久精品免费精品国产_国产精品久久久久久_国产在线|日韩_久久国产精品电影 | 99riAV国产精品视频| 91人人操人人看| 婷婷九月在线| 日韩av网站在线观看| 亚州第一A片| 成人短视频免费观看| 国产性爱色| 久久五月天激情婷婷| 国产原创视频91九色| 果冻传媒A片一二三区| 天天插操| 丁香婷婷五月激情四射网| 九色综合五月天婷五月| 天堂网亚洲色图| 丁香五月天激情四射网络不好| 99超级超级超级碰| 999九九九久久久99HD| 欧美婷婷综合| se99热久久一本| 天天综合色丁香| 超碰色婷婷| 久99久精品| 色婷婷五月天av在线| 《诡秘之主》在线观看| 人人操Av| Va另类视频| 久色五月| 久久婷婷综合五月天| 99色| 人妻人人操| 婷婷五月天激情小说| 国产国产乱老熟女视频网站97| 成人.在线日韩| 热99玖玖99玖玖99九九| 丁香五月婷婷影院| 色综合色色色色| 亚洲AV综合网| 成人操呦av| 日日夜夜青青草| 天天日天天做天天操| 五月婷婷六月综合| 五月丁香久久久久| 久久丁香五月| 国产精产国品一二三在观看 | 大香蕉五月婷婷| 天天摸.天天mo| 午夜精品777| 亚洲综合色色| 五月婷婷日| 丁香五月天电影| 亚洲色就是色色色| 色婷婷玖玖影院| 色综合网址| 婷婷五月天无码熟女| 丁香五月在线观看完整版| 激情六月色| 欧美成人A片AAA片在线播放| 五月天色五月| 五月婷婷9| 丁香婷婷六月天| 怕怕av| 九九亚洲视频| 色玖玖爱| 无码激情AAAAA片-区区| 色婷婷aV四虎| 日韩性视频| 激情五月综合色婷婷| 亚州色色色| 久热伊人| 综合久久丁丁香婷| 五月天婷综合| 26uuu国产色| 欧美啄木乌丝袜人妻系列| 久久婷婷五月综合伊人| 99热免费| 一起草aV| 99'无码| 色播激情五月天| 久久五月婷| 亚洲日韩成人三级av| 婷婷色吧| www婷婷亚洲| 五月天综合在线观看视频| 91成人性爱视频| 有码一区二区三区| 色欲丁香| 日本成人噜噜| 蜜臀丁香黄色婷婷五月天| 五月丁香婷庭在线| 色欲av伊人久久大香线蕉影院| 69精品人人人人人人人人人| 99久精品| 亚洲舔观看| 综合性爱网| A片试看120分钟做受图片| jiujiujiuwuyuetian| 六月婷婷色五月| 偷偷操99| 精品久久久91久久影视网| 国产精品色婷婷99久久精品| WwW天天干| 五月丁香六月激情综合| 屁股翘好撅高迎合跪趴| 日本三久久| 天天射天天射一道本日本社区 | 特级西西4444www无码| 激情五月丁香五月| 久re热视频| 五月丁香成人| 五月婷网| 日本一级黄色片。| 久久综合中文| 婷婷五月在线播放| 国产精品涩涩涩视频网站| 色五月欧美| 呦呦视频无码播放| 日本五月婷| 操操熟女| 性爱电影科技贸易有限公司| 99在线精品免费视频| 亚洲免费电影2| 日韩一区二区三区无码| 中文无码婷婷| 九九综合88| 26uuuu精品一区二区| 91狠狠综合久久久| 人人干人人操外国| 色婷婷成人在线| 婷婷综合网站| 激情五月婷婷啪啪| 人妻肉射免费观看| 五月婷婷成人| 亚洲视频操| 深爱激情丁香五月| 天天做天天爱天天高潮| 色99在线| 99超级碰碰| 墨西哥毛片内射精| 五月丁香在线婷婷蜜桃| 色播五月婷婷| 五月丁香激情婷婷| 色小说五月天| 91干婷婷| 狠狠操天天操天天操| 五月丁香色色网| 婷婷丁香社区| 亚洲欧美国产高清vA在线播放| 久99999热视频在线观看免费| 欧美日韩成人在线| 97人妻碰碰碰久久香蕉| 色婷婷AⅤ| 这里只有精品免费观看网占| 亚洲精品字幕| 激情婷婷内射| 美日韩成人| 99综合自拍| 激情图片五月天| 超碰成人黄色网| 干婷婷五月天| 久久久18| 狠狠搞五月天| 欧美色宗和激情| 东京热免费视频网站| 亚洲五月色| 蜜桃婷婷丁香综合久久开心亚洲| 激情综合网五月在线播放| 99视频自拍| yellow视频在线观看91| 五月天天天天天天天天天天天婷婷婷| 久久久久久久,99精品视频| 热的无码综合视频| 亚洲国产精品二二三三区 | 中文字幕色色| www.婷婷| 天天噪夜夜爽| 色伦专区97中文字幕| 26uuu色噜噜精品一区| 亚洲综合五月天| 日韩久久色| 五月婷中文字幕| 丁香激情五月| 久久92| 国产成人在线精品| www.婷婷亚洲基地| 久碰久操| 一区二区三区视频| 色婷五月天| 狠狠穞A片一區二區三區| 婷婷五月四狠狠| 五月激情六月丁香| www.粉嫩av.com| 色五月综合网| 婷婷色无码| 国产精品涩涩涩视频网站| 天天插轮理| 婷婷丁香日韩五月| 天天做 天天爱| 精品视频网| 开心婷婷丁香五月| 久草狼人| 久久婷婷网站| √天堂资源在线人妻熟女| 丁香五月日韩| 亚洲精品成人| 伊人在线视频| 久久久色婷婷五月天| 97色色视频| 手机AVAV天堂看网| 人妻丰满精品一区二区A片| 99热这里有精品24| 99cao婷婷| 停停五月丁香| 黄久久久| 激情综合婷婷| 久久久久久久97| 国产成人+综合亚洲+天堂| 色婷婷五月丁香在线观看| 99热国品| 五月天激情啪啪| www.com.色色| 五月天婷婷操逼视频| 99爽视频| 丁香五月天视频| 深爱激情四射| 99久操视频| 婷婷五月天激情电影小说| 91疯狂操操操操| 色婷婷久久综合| 婷婷五月亚洲激情| 一级片操逼视频| 激情丁香五月天图片| 在线天堂9| 婷婷成人视频| 婷婷五月天激情综合| 色欧美一级| 天天做好综合色| www98日本小时间到了| 狠狠操狠狠操| www激情网| 久久99免费视频网站| 91狠狠色色丁香婷婷综合久久| 超碰av在线| 中文字幕人成乱码在线观看| 婷婷精品性性性性性性性| 97欧美在线| 久久五月激情| 人妻内射麻豆视频| 超级碰碰碰久久网站视频| 久99久精品视频| 热久久77777| 狠狠狠狠青草| 五月丁香六月婷婷激情网| 99热只有精品在线播放| 91麻豆国产三级精品福利在线观看| 五月天成人网在线观看| 久久HD| 久久人人做人人妻人人玩精品va| 一本综合丁香日日狠狠色| 丁香五月另类色婷婷麻豆| 国外亚洲成AV人片在线观看| 日屌日日操日日色| 大香蕉婷婷丁香视频在线| 疯狂做受XXXX高潮A片动画| 欧美色色色色色| 天堂爱爱| 九九激情视频| 五月婷婷丁香六月| 欧美日韩aaaa| 精品婷婷| 日韩99无码| 干一干xxxx| 五月天婷婷爱丁香中文字幕| 99久久五月天| 狠狠干婷婷| 狠狠色综合网站久久久久| 色丁香五月婷婷婷| 99资源人人| 丁香九月激情| 色综合色色| 2014天天爽| 国产免费av在线| 五月婷婷丁香狠狠撸久久| 日韩一级| 色婷婷影院| 五月丁香六月婷婷网站| WWW,激情五月天,COM| 91碰碰碰久久久久| www.夜夜操.com| 26uuu欧美日本| 亚洲小视频免费观看| 91呦呦呦| 99热精品免费| www.开心激情| 天天操天天插天天射| 激情五月丁香五月| 真实亲子乱子伦高清在线观看| 五月丁香 六月婷婷a| 色婷婷丁香社综合| 亚洲亚洲人成综合网络| 伊人玖玖精品| 99性爱精品| 久热无码| 99热在线观看99| 亚洲熟妇AV乱码在线观看| 在线成人网址| 婷婷五月天免费视频在线观看| 色色丁香婷婷| 欧美婷婷综合网| 人妻丰满精品一区二区A片| 色色免费网站| 久久激情五月天| 久久杏爱视频| 综合色影| 亚洲欧洲一二| 熟女人妻一区二区三区免费看| 色婷婷久久久| 婷婷伊人网| 五月丁香婷中文字幕| 天天开心天天色| 国产成人AV在线播放| 久久九九热38| 激情深爱五月天| 91九色国产| 99这里热| 天天操屄网| 成人婷婷五月| 五月丁色AV| 97干97色| 999激情视频| 婷婷丁香五月基地| 欧美交换配乱吟粗大25P| 丁香五月久久| 97精品自拍视频| 开心深爱激情网| 天天檫天天爽| 五月综亚洲| 九九这里只有精品在线视频| 9999热在线免费观看| 91热在线观看视频| 久久人妻超碰一区| 色色操| 五月婷在线| 超碰精品在线| 久久久久亚洲AV无码网影音先锋| 色亚洲激情| 五月成人综合| 色综合久久88色综合天天人守婷| 综合欧美五月婷婷| 久久激情网| 伊久久婷婷| 2020日日干| 色婷婷AV在线| av第一二区| 人妻中文字幕精品| 丁香五月天日韩无码| 97操操网| 色婷婷丁香五月| 五月婷婷天| 中文字幕在线日亚州9| 日本色天堂| 97碰| 久久久香| 婷婷久久综| 影音先锋一区|