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

深耕商務建站與企業(yè)官網運營的一線實戰(zhàn)洞察。

Agent評測工作臺:從軌跡回放到回歸對比的落地實踐

Agent評測工作臺:從軌跡回放到回歸對比的落地實踐 Agent 評測是 Agent 工程化落地中最容易被低估的一環(huán)。很多團隊能快速搭出一個能跑的 Agent卻很難回答三個基礎問題新版提示詞真的比舊版好嗎同一個任務連續(xù)運行二十次成功率是多少失敗的回合到底是模型理解錯了、工具調用錯了還是任務定義本身有歧義。Agent Review Studio 這類 local-first agent evaluation workbench解決的就是這件事把評測集組織、運行軌跡記錄、指標計算和結果審查整合到一個本地工作臺中讓 Agent 的行為變化可復現(xiàn)、可對比、可人工核查。這篇文章不假定你已經擁有完整的評測平臺也不綁定某個具體 Agent 框架。我會從評測工作臺解決的底層問題開始再給出一個可以在本地跑通的最小實現(xiàn)內容包括評測集定義、運行器、軌跡存儲、指標計算和結果審查。讀完以后你可以把同一套思路遷移到自己的 Agent 項目里底層不管是自研模型調用、LangChain 這類編排框架還是企業(yè)內部封裝好的 SDK都只影響適配層不影響工作臺的整體設計。1. Agent 評測為什么不能只靠普通測試腳本1.1 Agent 行為和普通函數測試有本質差別傳統(tǒng)單元測試有一個隱含前提相同的輸入會產生穩(wěn)定輸出。對一個純函數來說入參確定、執(zhí)行環(huán)境確定返回值就可以被精確斷言。Agent 不具備這個特性。Agent 的輸入是自然語言任務執(zhí)行過程是模型推理、工具調用、結果觀察的循環(huán)最后的輸出既受模型版本和溫度參數影響也受上下文長度、工具返回內容、網絡延遲甚至并發(fā)順序影響。同樣是幫我查一下本月訂單金額并生成匯總模型第一次可能直接調用查詢工具第二次可能先問用戶要具體日期范圍第三次可能選擇了錯誤的時間字段。三個回合的最終結果可能完全不同但每個回合內部都有完整推理鏈路。只用斷言結果正確與否的測試腳本無法回答為什么會失敗失敗在哪一步是不是工具返回格式變了這類問題。所以 Agent 評測的核心對象不是單個輸出值而是執(zhí)行過程本身。評測工作臺必須能記錄每一輪推理、每一次工具調用、每一個中間觀察結果把黑盒輸出變成可審查的白盒軌跡。軌跡回放能力是評測工作臺和普通測試腳本最本質的區(qū)別。1.2 local-first 解決的是數據主權和可復現(xiàn)問題local-first 這個詞在 Agent 評測場景下有兩層含義。第一層是數據不出本機。Agent 運行軌跡里通常包含用戶問題、業(yè)務字段、工具返回的原始數據這些內容很可能涉及敏感信息。如果評測平臺是云端 SaaS軌跡上傳意味著業(yè)務數據離開本地網絡很多團隊在合規(guī)上無法接受。本地優(yōu)先的工作臺把 SQLite 文件、軌跡目錄和評測報告都放在本機評測數據的所有權和使用權都留在團隊自己手里。第二層是環(huán)境可控。云端評測平臺往往黑盒管理模型版本、參數和依賴版本出現(xiàn)問題后很難回溯。本地工作臺可以把模型版本、提示詞版本、工具定義版本、依賴鎖文件一起記錄成一次評測快照。出問題時按快照重建環(huán)境就能復現(xiàn)不需要猜測線上環(huán)境發(fā)生了什么變化。需要說明的是local-first 不等于完全離線。評測運行器仍然需要調用模型 API只是評測框架本身、存儲、審查界面都在本地運行。文章后面說的架構也是這種形態(tài)框架本地化模型遠端調用。1.3 評測工作臺的五個能力層次從功能角度看一個可用的 Agent 評測工作臺至少包含五層能力評測集管理組織和版本化用例集合支持分類、標簽、預期結果描述。運行器批量執(zhí)行評測任務統(tǒng)一注入環(huán)境變量、模型參數和工具配置。軌跡存儲把一次運行的所有步驟按時間順序落盤形成可回放證據。指標計算在軌跡基礎上計算成功率、工具調用有效率、延遲、Token 消耗等。審查與對比把多次運行結果放在一起比較定位差異和回歸。這五層缺了任何一層評測都會退回成跑一遍看日志。下面各部分會按這個層次順序展開實現(xiàn)。2. 先理解評測工作臺的核心概念2.1 評測集Suite和用例Case評測集是若干評測用例的集合。一個用例代表一個要驗證的任務場景包含任務輸入、任務描述、預期行為、標簽和可選的環(huán)境配置。id: case-001 name: 查詢訂單狀態(tài)并回復用戶 description: 用戶想知道訂單 20240315001 當前處于什么狀態(tài) input: message: 我的訂單 20240315001 現(xiàn)在到哪一步了 expected: type: contains values: - 已發(fā)貨 - 運輸中 - 已完成 tags: - order - retrieval difficulty: easy這里的expected不是硬編碼最終答案而是描述什么結果可以接受。常見判斷方式有四類判斷方式適用場景說明exact match結構化輸出、JSON 字段輸出必須精確相等適合工具返回校驗contains / regex自然語言回復判斷關鍵信息是否出現(xiàn)JSON Schema 校驗工具參數、結構化結果校驗字段類型和必填項不關心具體值LLM-as-judge / 人工審查開放性任務由模型或人判斷結果質量需要額外控制偏差在最小實現(xiàn)里可以先支持前三種把 fourth 種留到后面擴展。2.2 軌跡Trace是評測的第一手證據軌跡是一次評測運行從開始到結束的完整事件序列。一個最小軌跡應該包含以下字段{ runId: run-20250315-001, caseId: case-001, startedAt: 2025-03-15T10:00:00.000Z, finishedAt: 2025-03-15T10:02:31.000Z, status: completed, steps: [ { seq: 1, type: model, input: 我的訂單 20240315001 現(xiàn)在到哪一步了, output: 我需要查詢訂單狀態(tài)先調用訂單查詢工具。, model: gpt-4o-mini, temperature: 0, tokensIn: 120, tokensOut: 45, durationMs: 800 }, { seq: 2, type: tool_call, name: query_order, arguments: {\orderId\: \20240315001\}, result: {\status\: \shipped\, \updated\: \2025-03-15T08:30:00Z\}, durationMs: 210 } ] }軌跡的價值在于事后審查。當最終結果失敗時審查者需要知道模型在哪一步產生了錯誤判斷工具返回了什么引起誤解后續(xù)步驟是否基于錯誤信息繼續(xù)執(zhí)行。沒有軌跡指標就是沒有根據的數字有了軌跡指標才能被追責和復盤。2.3 指標分為結果指標和過程指標指標不能只看最終成功率。一個 Agent 可能最后輸出了正確答案但中間調用了八次工具、繞了很多彎路也可能最終失敗但失敗原因是外部 API 超時而非 Agent 邏輯錯誤。所以要把指標分成兩類指標類別指標名稱計算方法說明結果指標Success Rate成功用例數 / 總用例數最直觀的總體質量指標結果指標Task Score按完成度打分 0-100適合部分完成也算分的情況過程指標Tool Success Rate工具成功調用數 / 總調用數反映工具使用能力過程指標Avg Steps總步驟數 / 運行次數步驟多不一定差但可以反映繞路過程指標Avg Latency總耗時 / 運行次數和成本一起決定可用性過程指標Token Usage總 Token 數或單次平均直接對應 API 成本過程指標Abort Rate超時或異常終止數 / 總運行數反映穩(wěn)定性真實項目里結果指標決定功能是否達標過程指標決定 Agent 是否值得上線。一個步驟少、延遲低、成本可控的 Agent即使成功率略低也往往更容易被用戶接受。2.4 回歸對比把單次運行變成趨勢Agent 評測最大的陷阱是拿一次運行結果下結論。同樣的提示詞溫度為零時也可能因為非確定性采樣產生不同輸出工具服務波動也會影響結果。正確做法是對同一套評測集反復運行多次把結果當成分布來看?;貧w對比指兩件事一是同一個 Agent 版本在多次運行之間的穩(wěn)定性對比二是新舊版本在相同評測集上的效果差異。工作臺應該把兩次運行的用例結果對齊逐條顯示這個用例舊版成功、新版失敗或新舊都成功但新版多用了兩步。這種差異視圖是決定是否發(fā)布新版本的主要依據。3. 環(huán)境準備搭建一個本地可跑通的腳手架3.1 技術棧選擇與版本要求下面示例用于說明思路實際項目可以按團隊熟悉程度替換。核心原則是運行器用你熟悉的后端語言存儲用本地文件或 SQLite審查界面用最簡單的方式呈現(xiàn)。推薦一個低成本的組合組件推薦選擇備選方案選擇理由運行器Node.js TypeScriptPython FastAPI類型約束對軌跡數據結構很有幫助存儲SQLitebetter-sqlite3JSON Lines 文件單文件、零運維、適合本地評測集定義YAMLJSON可讀性好適合寫注釋審查界面本地 Express 服務 靜態(tài) HTMLReact/Vue最小實現(xiàn)避免構建復雜度命令行入口Commander直接 npm script方便在本地和 CI 復用環(huán)境要求很簡單Node.js 18 以上npm 或 pnpm一臺能訪問模型 API 的開發(fā)機。不需要部署數據庫不需要申請額外的評測平臺賬號。注意如果你要接不同模型 API請先確認項目使用模型的版本、baseURL 和鑒權方式。模型版本不固定評測結果的可復現(xiàn)性會大打折扣。3.2 目錄結構設計一個最小項目可以按功能拆分目錄agent-review-studio/ ├── package.json ├── tsconfig.json ├── data/ │ └── eval.db # SQLite 數據庫本地自動生成 ├── suites/ │ ├── order-basic.yaml # 評測集定義 │ └── order-edge.yaml ├── src/ │ ├── cli.ts # 命令行入口 │ ├── types.ts # 軌跡、用例、指標類型 │ ├── runner.ts # 評測運行器 │ ├── store.ts # SQLite 持久化 │ ├── metrics.ts # 指標計算 │ ├── adapter.ts # Agent 適配層隔離不同框架 │ └── server.ts # 本地審查服務 └── reports/ # 生成的報告目錄這里的adapter.ts是關鍵。評測工作臺不應該關心 Agent 內部是 LangChain 還是自研實現(xiàn)它只要求適配層暴露一個統(tǒng)一方法接收消息和歷史上下文返回本輪輸出、工具調用列表和 token 消耗。評測集、指標、存儲全部建立在統(tǒng)一接口之上替換底層框架只需要重寫適配層。3.3 SQLite 表結構設計評測數據核心是四張表用例、運行、步驟、指標。CREATE TABLE cases ( id TEXT PRIMARY KEY, suite TEXT NOT NULL, name TEXT NOT NULL, input TEXT NOT NULL, expected TEXT NOT NULL, tags TEXT DEFAULT [], created_at TEXT DEFAULT (datetime(now)) ); CREATE TABLE runs ( id TEXT PRIMARY KEY, case_id TEXT NOT NULL, status TEXT NOT NULL, -- running / completed / failed / aborted model TEXT, prompt_version TEXT, started_at TEXT, finished_at TEXT, error TEXT ); CREATE TABLE steps ( id INTEGER PRIMARY KEY AUTOINCREMENT, run_id TEXT NOT NULL, seq INTEGER NOT NULL, type TEXT NOT NULL, -- model / tool_call / tool_result / error name TEXT, input TEXT, output TEXT, duration_ms INTEGER, tokens_in INTEGER, tokens_out INTEGER, created_at TEXT DEFAULT (datetime(now)) ); CREATE TABLE metrics ( run_id TEXT PRIMARY KEY, success INTEGER, task_score REAL, tool_success_rate REAL, avg_latency_ms REAL, total_tokens INTEGER, steps INTEGER );表結構的設計要點是把運行的原始軌跡和計算出的指標分開存儲。軌跡是證據指標是結論。證據不能因為之后改了算法而丟失所以任何指標計算都應該是從軌跡重新推導而不是在軌跡上原地修改。這樣后面優(yōu)化指標算法時歷史運行記錄還能重新計算不需要重跑評測。4. 實現(xiàn)一個最小評測閉環(huán)4.1 定義評測任務和預期結果在suites/order-basic.yaml中定義兩個用例一個驗證正常查詢一個驗證無效訂單處理suite: order-basic description: 訂單查詢基礎能力評測 cases: - id: order-001 name: 查詢已發(fā)貨訂單 input: message: 我的訂單 20240315001 現(xiàn)在到哪一步了 expected: type: contains values: [已發(fā)貨, 運輸中, 已完成] tags: [order, happy-path] - id: order-002 name: 查詢不存在的訂單 input: message: 查一下訂單 999999 的物流狀態(tài) expected: type: contains values: [不存在, 沒有找到, 無效] tags: [order, edge-case]這里隱藏了一個 Agent 評測的常見誤區(qū)預期結果描述的是用戶可接受的信息而不是模型逐字輸出。如果寫死values: [已發(fā)貨]當模型回復您的訂單已經發(fā)出正在運輸途中時正確信息因為措辭不同被判失敗。評測集要站在用戶價值角度設計而不是站在字符串匹配角度設計。4.2 實現(xiàn)評測運行器運行器負責讀取評測集、逐條調用 Agent 適配層、收集軌跡。下面是一個最小實現(xiàn)// src/runner.ts import { readFile } from fs/promises; import yaml from yaml; import { RunResult, Step, Suite } from ./types; import { runAgent, AgentAdapterOptions } from ./adapter; export async function runSuite(filePath: string, adapter: AgentAdapterOptions) { const raw await readFile(filePath, utf-8); const suite yaml.parse(raw) as Suite; const results: RunResult[] []; for (const testCase of suite.cases) { const steps: Step[] []; const startedAt new Date().toISOString(); let status: RunResult[status] completed; let error: string | undefined; try { // 調用適配層執(zhí)行 Agent接收逐步回調以記錄軌跡 await runAgent( { message: testCase.input.message, suite: suite.suite, caseId: testCase.id, }, adapter, (step) steps.push(step) ); } catch (e) { status failed; error e instanceof Error ? e.message : String(e); } results.push({ runId: ${testCase.id}-${Date.now()}, caseId: testCase.id, status, startedAt, finishedAt: new Date().toISOString(), steps, error, }); } return results; }這段代碼的關鍵在于runAgent的第三步回調。很多初版評測框架只會收集最終輸出丟掉了中間步驟。正確的做法是讓適配層在每個事件發(fā)生時就上報一次運行器只負責按順序追加。這樣軌跡的完整性由運行器保證不屬于自定義 Agent 邏輯的一部分。4.3 保存軌跡和計算結果運行完成后需要把軌跡寫入 SQLite并計算指標。寫入順序很重要先寫運行主記錄再寫步驟再寫指標。任何一步失敗都應該讓整次運行標記為 failed避免出現(xiàn)有指標沒軌跡的殘缺數據。import Database from better-sqlite3; export function persistRun(db: Database, result: RunResult) { const insertRun db.prepare( INSERT INTO runs (id, case_id, status, error, started_at, finished_at) VALUES (?, ?, ?, ?, ?, ?) ); const insertStep db.prepare( INSERT INTO steps (run_id, seq, type, name, input, output, duration_ms, tokens_in, tokens_out) VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?) ); const insertMetric db.prepare( INSERT INTO metrics (run_id, success, task_score, tool_success_rate, avg_latency_ms, total_tokens, steps) VALUES (?, ?, ?, ?, ?, ?, ?) ); const tx db.transaction(() { insertRun.run( result.runId, result.caseId, result.status, result.error ?? null, result.startedAt, result.finishedAt ); for (const step of result.steps) { insertStep.run( result.runId, step.seq, step.type, step.name ?? null, step.input ?? null, step.output ?? null, step.durationMs ?? null, step.tokensIn ?? null, step.tokensOut ?? null ); } const metrics computeMetrics(result); insertMetric.run( result.runId, metrics.success ? 1 : 0, metrics.taskScore, metrics.toolSuccessRate, metrics.avgLatencyMs, metrics.totalTokens, metrics.steps ); }); tx(); }使用db.transaction的目的是保證一批數據要么全部寫入要么全部不寫入。否則一旦運行到第三步失敗數據庫里就會留存一條沒有步驟記錄的 runs 數據后續(xù)統(tǒng)計時會污染成功率。4.4 生成審查報告本地工作臺的最小審查形態(tài)可以是一份靜態(tài) HTML 報告或者一個本地 Web 服務。最簡單方式是讓 CLI 在執(zhí)行完評測后輸出一個reports/report.html里面按用例列出每次運行的成功狀態(tài)和軌跡摘要。!-- 生成報告的簡化模板實際由代碼動態(tài)渲染 -- ul li strongorder-001/strongcompleted details summary查看軌跡/summary p第 1 步模型調用輸入用戶消息輸出我需要查詢訂單。/p p第 2 步工具調用 query_order參數 {orderId:20240315001}。/p p第 3 步工具返回 {status:shipped}。/p /details /li /ul報告不是給機器看的是給人審查的。所以每一條用例都要有展開軌跡的入口并且標記該用例使用的預期判斷方式。這個階段的報告可以很粗糙但它必須讓審查者能回答為什么判定成功或為什么判定失敗。5. 關鍵模塊設計指標計算、軌跡審查和回歸對比5.1 指標計算模塊指標計算不應該散落在插入數據的邏輯里而應該獨立成一個純函數模塊。這樣歷史軌跡可以重新計算指標不同指標算法可以并行比較。// src/metrics.ts import { RunResult, Metrics } from ./types; export function computeMetrics(result: RunResult): Metrics { const steps result.steps; const toolCalls steps.filter((s) s.type tool_call); const toolSuccess toolCalls.filter((s) s.output !s.output.startsWith(ERROR)); let totalTokens 0; let totalLatency 0; for (const step of steps) { totalTokens (step.tokensIn ?? 0) (step.tokensOut ?? 0); totalLatency step.durationMs ?? 0; } return { success: result.status completed, taskScore: result.status completed ? 100 : 0, toolSuccessRate: toolCalls.length ? toolSuccess.length / toolCalls.length : 1, avgLatencyMs: steps.length ? totalLatency / steps.length : 0, totalTokens, steps: steps.length, }; }現(xiàn)在computeMetrics里的 success 只判斷狀態(tài)沒有做預期結果的匹配。真實實現(xiàn)里應該在運行器判斷完 expected 之后把匹配結果傳進來。這一步留給你的實際項目擴展關鍵是保持軌跡數據不隨指標變化的原則。5.2 軌跡審查頁面軌跡審查頁面至少有三種視圖列表視圖按套件和用例列出所有運行記錄綠綠紅紅一眼看出失敗集中在哪個用例。時間線視圖單個運行記錄的步驟按時間展開模型推理、工具調用、工具結果依次排列任何一步耗時異常都容易發(fā)現(xiàn)。對比視圖同一用例的新舊兩次運行并排展示高亮模型推理差異、工具參數差異和結果差異。時間線視圖最容易暴露問題。例如一個 Agent 在工具調用失敗后反復重試時間線會連續(xù)出現(xiàn)五次相同的tool_call這比任何指標都直觀。如果工具報錯是 401說明權限配置有問題如果是參數校驗失敗說明 Agent 對參數理解有誤。審查頁面應該讓這些信息第一眼可見而不是藏在日志里。5.3 回歸對比和門禁判斷回歸對比的核心是找出從好變壞的用例。工作臺可以把新舊兩次運行的數據按case_id對齊生成一張差異表case_id舊版結果新版結果舊版步驟數新版步驟數差異判斷order-001successsuccess34步驟增加可接受order-002successfailed2-回歸必須修復order-003failedsuccess-3修復項確認有效性這里的門禁可以簡單到一句話如果存在任何success - failed的用例且該用例標簽不在豁免列表中則本次評測不通過。這個規(guī)則應該寫進 CI 腳本防止新版 Agent 或者新提示詞在修復 A 場景時弄壞 B 場景。6. 運行驗證從命令行到本地 Web 工作臺6.1 啟動流程按以下順序操作可以跑通最小閉環(huán)# 1. 初始化項目并安裝依賴 npm install # 2. 初始化數據庫 npm run init-db # 3. 將模型 API 密鑰寫入本地環(huán)境變量 export MODEL_API_KEYyour_key_here # 4. 運行評測集 npm run eval -- --suite suites/order-basic.yaml # 5. 啟動本地審查服務 npm run review這里要特別提醒API 密鑰不要寫進評測集 YAML也不要提交到 git 倉庫。評測集是團隊共享的版本化文件密鑰應該通過環(huán)境變量或本地的.env.local注入并且這個文件必須加入.gitignore。6.2 預期結果和驗證方式第一次運行結束后你應該能看到類似下面的輸出suite: order-basic cases: 2 passed: 1 failed: 1 success rate: 50.0% tool success rate: 100.0% avg latency: 820ms total tokens: 1840 report: reports/report.html但這只是第一步。要確認評測真的有效至少還需要驗證三件事失敗的用例點擊軌跡后能看到具體的失敗步驟而不是只看到一個 failed 狀態(tài)。把同一個用例故意改成錯誤預期運行結果應該從成功變失敗證明預期判斷邏輯有效。連續(xù)運行三次同一評測集觀察成功率波動范圍。如果波動超過 20 個百分點說明用例設計或評測環(huán)境本身不穩(wěn)定需要先解決穩(wěn)定性問題。6.3 學習環(huán)境和生產環(huán)境的區(qū)別上面這套流程適合在本地快速驗證想法。進入團隊協(xié)作或生產環(huán)境后需要額外補上幾塊項目學習環(huán)境生產環(huán)境存儲本地 SQLite 文件SQLite 文件加入版本管理或備份機制評測集手工編輯 YAML評測集變更走 MR 流程記錄版本運行結果本地命令行在 CI 中運行結果上傳為構建產物模型配置環(huán)境變量手動指定固定模型版本、采樣參數寫入配置快照人工審查本地 HTML 報告審查結果可注釋、可標記、可追蹤數據備份不必須定期備份數據庫設置保留策略生產環(huán)境最關鍵的差異化動作是可追溯。一次發(fā)布對應的評測結果必須能關聯(lián)到具體的代碼版本、評測集版本、模型版本和運行時間。缺失任何一個出現(xiàn)線上問題時都無法回查。7. 常見問題與排查鏈路7.1 評測任務大面積失敗現(xiàn)象同一個評測集大部分用例都返回 failed。排查順序先看錯誤信息。如果所有失敗都報 401、403通常是 API Key 無效或沒有對應模型權限。再看超時配置。如果失敗集中在某個工具調用步驟且每條軌跡都在同一工具處中斷優(yōu)先懷疑工具本身報錯或網絡不通。然后看預期判斷方式。如果失敗用例的軌跡正常完成但被判定失敗檢查expected.type是否和實際輸出匹配。例如模型回復您的訂單已發(fā)出而預期寫死了已發(fā)貨就會誤判。最后檢查評測集本身。如果用例輸入格式和 Agent 訓練數據差異過大失敗是正常的需要調整用例設計。對應處理建議問題現(xiàn)象常見原因檢查方式處理建議全部用例 401API Key 無效或無權限查看運行器日志的第一個錯誤重新配置環(huán)境變量并確認模型白名單全部用例超時模型或工具響應過慢查看軌跡中耗時最長的步驟增加單步超時時間或排查工具性能完成但判失敗expected 寫得太死打印實際輸出對比預期配置改用 contains 或人工審查判斷結果時好時壞采樣參數或環(huán)境不穩(wěn)定連續(xù)運行 5 次統(tǒng)計分布固定溫度記錄模型版本擴大樣本量7.2 軌跡丟失或結果對不上現(xiàn)象metrics 表里有運行記錄但 steps 表為空或者審查頁面顯示的成功數和 CLI 輸出不一致。排查鏈路檢查寫入順序。如果insertMetric不在insertRun和insertStep的同一個事務里先寫指標后寫步驟就容易出現(xiàn)只有指標沒有軌跡的半截數據。檢查異常處理。運行器 catch 到異常后是否仍然執(zhí)行了持久化邏輯。如果異常發(fā)生在步驟還沒有回調時直接跳到失敗分支軌跡為空是正常的但如果你期望保留異常發(fā)生前已經記錄的部分步驟需要在 catch 里顯式維護steps數組。檢查統(tǒng)計口徑。CLI 輸出的 success rate 是基于 runs 表統(tǒng)計還是基于 metrics 表統(tǒng)計。兩個來源結果不一致時說明代碼中有第二個統(tǒng)計入口應統(tǒng)一成一個函數。7.3 指標偏高或偏低的可信度問題現(xiàn)象本地跑成功率 90%但線上表現(xiàn)明顯更差。原因通常不在評測代碼而在評測設計評測集和調優(yōu)數據重疊。如果評測用例來自 Agent 調優(yōu)時見過的數據結果虛高屬于數據泄漏。樣本量太小。10 個用例只跑一次成功率 90% 意味著只有一個 fail置信度非常低。評測集難度失衡。大量簡單用例撐高整體成功率掩蓋了困難場景的問題。處理方式是分層看指標按 tag 統(tǒng)計成功率單獨篩出edge-case類用例的結果而不是只看總體成功率。同時在報告中展示每個用例的單次結果不合并成一個數字。7.4 本地環(huán)境與 CI 結果不一致現(xiàn)象本地運行全部通過CI 里同一評測集大量失敗。這是 Agent 評測最常見的環(huán)境問題之一。排查順序對比模型版本。CI 里是否用了不同的 model 名稱或 default 版本導致推理行為不一致。對比環(huán)境變量。CI 里是否缺少MODEL_API_KEY或使用了不同 key 導致速率限制。對比網絡和依賴。CI 是否能訪問模型 APIpackage-lock.json是否提交依賴版本是否已鎖定。對比并發(fā)設置。本地順序執(zhí)行和 CI 并發(fā)執(zhí)行可能觸發(fā)速率限制或超時失敗位置通常分布在tool_call步驟。預防做法是在評測配置中記錄環(huán)境指紋模型版本、溫度、top_p、依賴版本、Node 版本、關鍵環(huán)境變量的 hash。評測報告第一頁就展示這些信息本地和 CI 不一致時先比對指紋。8. 評測工作臺的最佳實踐和擴展方向8.1 設計評測集的檢查清單一個評測集在合并進工程之前應該逐條確認每個用例是否描述了一個完整用戶場景而不是一個孤立的模型指令。預期結果是否站在用戶可接受信息的角度描述而不是模型逐字輸出。是否覆蓋 happy path、edge case、異常輸入、權限不足、工具失敗五類基礎場景。用例輸入中是否包含真實業(yè)務敏感數據如果是是否做了脫敏。每個用例是否有明確的維護人需求變更時由誰更新評測集。評測集是否在獨立目錄下版本化管理和代碼變更同步提交。8.2 發(fā)布前評測檢查清單Agent 版本發(fā)布前建議依次確認評測集版本已固定和本次發(fā)布意圖匹配。在固定模型版本和采樣參數下完成至少三輪完整評測。新舊版本回歸對比中不存在非豁免的success - failed用例。失敗的用例都有軌跡可供人工審查且每一條失敗原因已經被歸類。指標統(tǒng)計同時包含結果指標和過程指標避免只匯報成功率。評測數據已備份報告已歸檔對應代碼 commit 可追溯。8.3 擴展方向從最小工作臺繼續(xù)往下走有三個值得投入的方向。第一個是引入更豐富的判斷方式。除了字符串匹配可以增加 LLM-as-judge讓一個獨立模型按評分標準判斷結果質量并將評判斷模型的結果也作為一條軌跡保存方便進一步審查。第二個是支持評測集和數據集的版本化。用 Git 管理 YAML 評測集是第一步第二步是給每個用例增加expected的變更歷史讓為什么這個用例被改弱了有據可查。第三個是把評測工作臺接入日常開發(fā)流。本地運行只是調試手段真正能防止 Agent 退化的機制是 CI 門禁每次提示詞變更或 Agent 邏輯變更都自動觸發(fā)一輪回歸評測把差別結果直接貼到 MR 里。做到這一步評測工作臺就不再是一個輔助工具而是 Agent 工程化質量體系的一部分。Agent 評測的本質是給看起來智能的系統(tǒng)建立可驗證的行為邊界。Agent Review Studio 這類 local-first 工作臺提供了一個正確的方向讓評測數據留在本地讓軌跡成為證據讓差異可以被看見。先把最小閉環(huán)跑起來再用指標、軌跡和回歸對比慢慢逼近真實業(yè)務的質量要求這才是評測體系能長期運轉的方式。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
97色啪| 色婷婷五月丁香在线观看| 九九热黄色| 天天五月丁香五月| 九九综合图片网| 色99网站| 大香蕉婷婷色| 天天插天天爽| 五月丁香激情六月| 蜘蛛女免费观看完整版高清电影| 丁香婷婷综合激情五月色| 91操人视频| 99热这里只有精彩| 极品五月天| 日韩av在线电影| 婷婷色色亚洲| 人妻熟人中文字幕一区二区| 五月婷婷精品视频| 国产精品第一国产精品| 五月婷婷影| 另类激情五月| 丁香五月成人论坛| 热无码A∨| 久久9RE热视频精品98| 成人av免费观看| 丁香五月伊人| 久久激情五月婷婷| 天天天操天天天日| 久久这里有精品视频| 色很很96| 久久久这里都是精品| 怡红院91a√| 久久免费精彩视频| 深爱激情综合网| 婷婷亚洲五月| 舔色婷婷| 99亚洲视频| 丁香婷五月| 丁香五月激情六月欧亚激情综合导航 | 99热无码| 亚洲婷婷激情五月天| 丁香五月AV在线| 熟女网站久久| 深夜男女福利刺激影院一区完整| 五月丁香激情四射| 99re久久| 26uuu色噜噜精品一区| 182TV亚洲| 99热免费18| 亚洲第一成人无码A片| 26uuu成人网| 99热综合在线| 5月丁香啪啪啪| 激情五月天网| 欧美色色色色色色色| 色五月涩涩婷婷| 五月成人综合| 丁香 亚洲 久久| 九九99精品免费播放| 激情开心五月天| 色欲天天综合| 99综合视频| 4399在线日本A片| 操操自拍| 五月丁香啪啪| 亚洲第一成人无码A片| 超碰av在线| 涩五月婷婷| 亲子乱AV一区二区三区下载| 天天操天天操天天操天天操天天操| 色欲av伊人久久大香线蕉影院| 国产激情婷婷| 在线99热| 色色操| 五月天伊人| 五月婷婷色五月| 色九九综合| 97资源碰碰| 日韩AV片| 国产日韩精品SUV| 丁香五月偷拍| 亚洲精品一二三| 久99久视频精品| 九九久久9 9在线观看| 99精品丁香五月| 丁香狠狠色婷婷久久无码视频| 8050一级网| 天天干天天日蜜臀av| 色青青电影色五月| 久久色天堂| 五月丁香婷婷久久| 丁香5月啪啪| 79成人网| 丁香九月婷婷综合| 天天干,夜夜爽| 久久人妻熟女一区二区| www.99热在线| 情婷婷五月天在线| 我去色色网五雨天| 熟女少妇内射日韩亚洲| 色娸娸综合网| 青青福利网| 99热这里有精力| 婷婷色在线播放| 久久色区| 丁香六月在线综合| 色播六月| 欧美成人五月天| 激情亭亭五月| 99久久99综合| 亚洲成人av在线| 激情四射五月天偷偷看婷婷| 色五月丁香婷婷在线观看| 99这里| 色婷婷五月天在线观看| 一区二区三区XXXXXX| 啪啪啪综合网| 九九热最新| 天天色视频| 亚洲av电影网站| 色欲影香| 99这里只有精品99| 97福利视频| 精品欧美性爱超级爽| 五月婷激情影院| 亚洲精品va| 激情综合婷婷| 99爱在线精品视频免费观看| 99热999| 狠色狠色狠狠色综合网| 97婷婷狠狠| www.色五月| 欧美操我| 色婷婷香蕉丁丁网| 97色色色| 26UUU| 深爱激情六月天| www.狠狠操| 狠狠干狠狠操狠狠爱| 91精品婷婷国产综合久久| 天天摸天天高潮天天爽| 精品久久久人妻| 国产毛片操B| 色综合久久88色综合天天99| 五月丁香六月婷婷色情| 97人碰人操| 天天综合情| 婷婷开心激情五月激情网| 99久在线精品99re8| 91日本在线免费| 色色日韩| 99re久久| 九月丁香婷婷综合激情| 亚洲色五月| 日本三日本三级少妇三级66| 欧美精品熟女一区二区| 久月久在线视频| 天天 青草 制服丝袜 在线| 久久这里有精品| 秋霞少妇AV网站| 丁香五月婷婷狠狠色| 日本色色网站| 另类激情四射| 久久总和99| 任你干嘛免费视频播放| 色色色综合网| 色香久久| 五月丁香性爱| 九九久久99精品免费观看www| 天天插天天插天天插天天插| 婷五月天| 天天婷婷综合亚洲亚洲| 久久婷婷东京热| 99精品小视频| 丁香六月婷婷社区| 九九人人精品| 97色永久免费视频| 久月婷婷| 激情久久久| 人人操人人干AV| 伊人大香蕉综合在线| 五月婷婷说| 成人精品一区日本无码网| 六月丁香综合| 69精品人人人人| 欧美日比视频| 色婷婷电影网| 天天爱天天做天天舔| 三级三久久线久久99久目本WW| AV在线免费播放| 色婷婷19| 欧美日本综合网| 久久丁香五月天| 第四色婷婷日本| 成人短视频在线观看| 丁香综合网| 色婷婷影院| 激情五月丁香五月| 免费视频WWW在线观看网站| 天干干夜夜操| 丁香狠狠操| 99思思| 激情五月天婷婷播播久久综合91 | 激情五月天啪啪| 第四色五月天| 色吧综合网| 五月丁香网站| 天天色亚洲| wWW九九在线播放| 色丁香婷婷| 色亚洲无码| 91超碰人人操| 伊人五月天婷婷| 日本在线wwww| 色五月六月| 天天色综合色| 操人视频91| 99无码视频| 丁香五月 综合| 91精品激情9| 这里只有精品网站| 91天天操天天干天天射| 婷婷五月天性色| 玖玖热视频| 色婷五月| 久综合4| 噜噜噜久久| 久久久激情| 免费观看全黄做爰的视频| www,欧美干干干干干干| 成人永久免费视频在线观看| 人妻久久久| 超碰狠狠色| 婷婷天堂综合网| 人妻激情综合| 婷婷五月骚厕所| 日韩 中文 欧美| 欧美电影在线播放| 91一起艹| 九九热最新地址| 色婷久九| 99精品九九| 婷婷视频网| 99热骚货| 丁香五月AV| av中文在线| 五月的色婷婷高潮| 激情小说五月天中文字幕| 国产三级在线播放| 97碰在线视频| 久9热视频| 丁香五月婷婷久久久| 97成人丁香| 激情婷婷色色| 色色性爱视频| caopeng97日韩| 九伊人网| 校园春色亚洲色| 六月丁香网| 丰满熟女人妻一区二区三| 日本女天天爽| 久9久9久9久9久9久9| 久久无码成人| 亚洲无码99| 国产性爱一级| 99亚洲精品| 狠狠色成人影片| 大香蕉久久伊人婷婷五月丁香| 九月停停| AV在线不卡播放| 碰碰91| AV79| 五月天激情久色| 色五月激情网| www.91九色| 91VIP在线观看| 国产看真人毛片爱做A片| 97香蕉碰碰人妻国产欧美| 性爱视频99| 丁香五月婷婷色综合基地| 狠狠色噜噜狠狠| 丁香婷婷五月综合欧美另类| 国产视频色色色色色色色| 99视频自拍| 亚洲另类视频| 天天日综合| 五月丁香六月婷婷婷婷| 99精品在线下载| 五月丁香六月婷婷啪啪综合| 激情五月综合网| 99亚洲视频| 免费播放AV| 久久五月天婷婷| 五月色影院| 99热精品在线观看| 色婷婷综合影院| 久久 视频这里只有精总| 丁香五月激情婷婷激情| 五月丁香色婷婷基地| 九九综合精品| 亚洲在线免费成人| 色狠狠色综合久久久绯色aⅴ影视| 九九99精品视频在线观看| 久久三级视频| 五月丁香六月| 国产露脸150部国语对白| 五月丁香啪啪网| 九九热在线视频| 午夜一区| 国产伦亲子伦亲子视频观看| 99热10在线高清播放| 成人国产欧美大片一区| 亚洲区1| 五月丁香狠狠爱婷婷综合| 婷婷桃色网| 超级碰人人操人人干| 六月婷在线| 六月婷婷最新网址| 中文字幕丰满人妻无码专区| 久久久精品AV| www.xtbsty.cn.com蜜乳AV| 中文字幕成人| 三级成人网站| 五月天婷婷乱论小说| 热99这就是精品视频| 亚州色色色| 丁香五月婷婷五月天| 91色逼| 99超级碰免费视频| 欧美成人猛片AAAAAAA| www.seqingwuyuetian| 99性爱| 影音先锋男人女人| 国产成人在线不卡AV| 婷婷五月天六点丁香五月| 五月激情影视| 色综合色色| 九九成人视频| 午夜在线成人网站免费观看| 丁香六月婷婷综合| 色婷婷六月开心中文字| 婷婷刺激综合| 日本综合色图| 五月婷婷av| 天天狠狠干| 99自拍视频网站| 狠狠干综合| 五月天伊人av| 五月丁香偷拍| av网址在线| 97亚洲视频在线| av在线观看网址| 91丨九色丨熟女高潮| 免费色色色| 久久激情五月网| 生活片五区| 五月丁香综合激情| 婷婷色色欧美| 丁香婷五月| 丁香五月天成人网站| 在线中文字幕视频| AV在线免费观看不卡| 久久伦乱| 婷婷丁香激情五月天色色| 欧美三级欧美一级| 婷婷综合玖玖五月| 台湾综合丁香五月蜜桃| 色婷婷五月天激情在线观看| 色色五月天婷婷| 91热久| 日夜操B| 超碰狠狠色| 久久92| 玖玖婷婷免费| 亚洲日韩人妻操逼| 五月婷婷欧美| 91操在线| 色五月婷婷内射| 亚洲色网络| 影音先锋91视频| 五月婷婷与六月丁香图片激情| 久久视频这里99| AV性爱在线| 久久久久久久久久久月丁| 精品网站99| 激情五月综合网| 被强行糟蹋的女人A片| 五月丁香激| 狠狠五月天激情| 这里只有精品视频99| 99国产欧美视频| 激情综合激情五月| 九九综合久久| 丁香婷婷人妻| 婷婷五月天av| 色情五月天丁香社区| 直接看的AV网站| 丰满少妇猛烈A片免费看观看| 色欲五月婷婷| 四月丁香五月婷婷久久| 七月婷婷色香综合网| 99re最新地址视频| 五月天婷婷久久视频| 香蕉久操| 天天爽人人爽| 嫩BBB槡BBBB搡BBBB| 黄网在线播放| 色色色9 9 9| 久久99久久99精品免视看婷婷| 成人短视频在线| 日本99在线视频| 99久热这里只有精品| 国产熟妇乱子伦hd| 少妇口诉沐足视频播放器网址| 五月天另类小说| 久热99热| 婷婷丁香熟妇综合网| 亚洲一级AV在线免费播放| 五月天停停成人网| 综合久久十| 色久激情在线| 97综合视频在线| 丁香五月冃欧美| 国产毛片欧美毛片久久久| 激情综合婷婷五月| 狠狠色色| 丁香色播五月天| 婷婷五月天基地| 激情婷婷内射| 久久久av久av久片一区二区| 五月婷婷综合色啪首页| 婷婷视频在线碰| 六月婷婷网站| 91人人爱| A久久| 五月天婷婷丁香花| 日本久久综合| 五月开心婷婷中文字幕| 丁香激情网| 婷婷丁香五月欧美人| 日韩黄色影院| 99精品福利视频| 99re在线免费视频| 五月天丁香成人| 色噜噜婷婷| 婷婷网五月天| 色色网站毛片| 五月深爱激情网| 丁香伊人五月色婷婷五十路 | 丁香六月成人| 久久婷婷五月综合成人d啪| 玖玖婷婷色五月| 开心久久网婷婷| 丁香五月婷婷综合精品素人| 久婷五月| 精品亚洲国产成AV人片传媒| www激情| 99A级片| 久久九九网| 五月婷婷成人w| 开心婷婷五月综合| 五月天久久婷婷| 婷婷基地成人五月天| http:色情日本com| 大香蕉久久婷婷| 99自拍视频在线观看| 婷婷色在线| 五月天激情开心网| 亚洲、欧美、国产另类笫二区| 色色射| 激情综合婷婷| 天堂在线9| 激情视频网址| 激情综合五月婷婷六月丁香| 日本片日本片祼观看网站在线看中文版网页在线看 | 色五月婷婷色| 婷婷香五月天| 婷婷色五月婷婷姐妹| 丁香五月婷婷色综合| 久热这里只有精品6| 色色色综合网| 99久久高清视频| 九九综合色| 五月天激情中文字幕| 天天狠狠色| 中文字幕av在线播放| 久久五月婷| 狠狠干综合网| 五月天婷婷日日爱| 99久久精彩视频| 狠狠色丁香| www夜夜操wwwcon| 大香蕉伊人99| 91fuliwang| 久久婷婷五月综合| 五月天婷婷影院影院观看| 精a品a视a频| 五月天婷婷激情四射综合| 人妻AV在线| 狠色色狠网| 九九这里只有精品在线视频| 99在线免费视频| 91人在线观看| www色色com| 五月天伊人久久久久| 欧美毛片www| 9色在线| 婷婷五月色花丁香社区| 中文字幕丰满孑伦无码专区| 色色色色色色色色综合网| 97色色在线视频| 香蕉婷婷色五月| 丁香五月综合激情性爱| 午夜激情四射影院| 婷婷色五月大香蕉在线| 激情五月丁香五月| 丁香五月成人社区| 亚洲成人网在线观看| 吉澤明步Av一區二區| 天天色伊人| 九九99免费理论| 視频福利乱色| 五月丁香A∨在线| 高清资源站日A美A欧亚…| 婷婷丁香五月亚洲17cao| 精品99在线| 婷婷五月欧美| 午夜在线成人网站免费观看| 欧美性猛交99久久久久99按摩| 色五月天在线观看| 婷婷久久网| 日韩人妻在线观看| 色欧美影院| www激情com| 99视频这里只有久久精品| 九九免费视频在线| 影音先锋毛片网站| 9久久精品| 中文字幕,综合,91| 丁香久久九九99| 婷婷色色宗合网| 五月天婷婷Av| 91成人看| 日韩美女在线视频19| 九九久久色| 亚洲日韩久久婷婷伊人| 色色色丁香| 就爱日五月天| 色欲色香综合网站| 亚洲av网址| 国内在线99视频| 91在线操| 成人在线网址| 亚洲激情综合| 色爱综合视频| 婷婷天天插天天爱| 人人操人人爱丁香五月| 婷婷日日夜夜| 激情影院丁香五月| 色色五月丁香婷婷| 久热九九| 色五月天婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷婷 | 激情综合丁香| 久久婷婷综合拍| 人人操 色| 996er热| 婷婷色亚洲| 亚洲亚洲激情| 久久这里有精品在线观看| 天天撸天天干天天插| www.激情五月| 成人短视频在线| 久久99热这里只有精品| 日本欧美成人片AAAA| 99在线精品免费视频| 真实熟女-91九色| 五月天婷综合| 色欲久久久久久综合网综合网| 五月丁香自拍| 色情综合| www.一起草av| 99久热| 日韩一区二区三区无码| 天天舔天天操| 色综合久久99色| 开心激情婷婷| 任你干aa| 日韩AV片| 操逼123网| 9热在线观看| 婷婷五月丁香五月| 六月丁香AV| 综激情网| 亚洲婷婷丁香五月视频| 日本在线视频播放91| 五月婷婷激情网| 美女被操一区二区| 成人 在线 日韩| 五月天婷婷深深爱| 人人操AV| 99干免费视频| 亚洲思思热久| 激情婷婷五月基地| 久久性爱视频| 久热伊人9| 熟女婷婷网站一婷婷五月一丁香婷婷一婷婷激情网 | 色婷婷丁香五月| 99婷婷精品推荐在线视频| 狠狠久综合| 欧美久草在线日本一级特黄大片做受9在线观看韩国电影《两个女人》未删减-毛片 | 亚洲AV中文在线| 射婷婷中文字幕| 69久久99精品久久久久婷婷| 亚洲人人干| 日韩成人电影在线播放| 亚洲视频在线网站| 综合久久婷婷五月丁香| 六月婷婷色| AAAA亚洲| 91se在线视频| OUMEIRIHANCHENGREN| 亚洲综合网区| 91超级碰在线视频| 欧美精品狠狠色丁香婷婷| 亚洲天堂99| 天天天天天天操| 人妻熟女一区二区AV| 日本婷久久| 99爱视频免费看| 日本综合色色| 日韩在线观看亚洲| 色丁香婷婷| 色婷婷成人| 26uuu精品一区二区| 国产一二三四五六七八视频| 五月天开心网| 另类小说五月天| 婷婷五月天六月丁香| 婷婷五月丁香基地| 99热老网站| 日婷婷久久开心| 日本乱子人伦在线视频| 狠狠操之狠狠操| 亚洲超碰在线| 91丨九色丨熟女|新版| 婷婷综合精品视频97| 婷婷五月花| 超碰精品在线| 9l视频自拍9l九色成人| 超碰99资源站| 六月激情综合| 亚洲无码九九九| 99精品无码网站| 婷色五月天| 欧美噜噜免费观看| 五月天激情丁香| 99久在线观看| 97干视频| 丁香五月色| 97婷婷丁香| 色综合久久综合| 五月天综合在线观看| co超碰在线观看| 婷婷五六日| 久久久com| 色色精品色| 五月天激情四射| 91激情五月开心| 婷婷日本色| 亚洲成人在线五月天| 色婷婷色丁香色欲av| www、色色色| 9l久久久视频| 人。妻久久| 99久久亚洲国产| AV成人在线播放| 91九色中文| 婷婷五月天综合AV| 97人人操在线| 婷婷久久精品| 五月激情丁香五月| 丁香婷婷久久| 伦99热| 内射 无码 伊人| www,色色色网站| 五月天停停日日| 婷婷在线综合| 99久久久国产大片| 五月Huangsewang| 婷婷五月天在线观看免费| 色 噜噜 九月 婷婷| 综合网激情| 婷婷五月天奸女| 五月丁香色综合| www.minyis.com【JT】实力收量可预付TG@LXSPSW8 | 久久五月天合网| 日韩中文字幕| 久久少妇视频| 五月婷婷六月丁香| 51精品国自产在线| 婷婷五月另类网站| 久久婷.com| 国产AV一区二区三区最新精品 | 综合激情五月丁香| 校园激情 亚洲| 日本人妻操| 成人在线网址| 大香蕉伊人久久| 色一色综合| 亚洲色另类| 性色人人爽| 九久九精品| 婷婷久久免费| 色五月婷婷丁香国产在线| 久久婷婷七月丁香| 超碰激情网| 欧美日韩成卜| 99视频只有精品| 久久草人妻| 色综合色综合色综合| 日本一级黄色电影| 五月丁香激情婷婷综合| 色色激情网| 色九九中文字幕| 久久人操| 99亚洲色| 天天色综合天天| 激情文学 综合 九月| 超碰狠狠操| www.26uuu.com亚洲电影| 91人人网| 国产亚洲成人综合| 五月综合色| 人妻久久久久久久| 日本va欧美va精品发布视频| 欧美色色干| 国产精品18久久久| 五月天综合久久| 这里只有精品99www| 久Se视频在线观看| 99欧美精品99日本精品| 五月婷激情| 久色激情| 色爱终和网| 人妻狠狠操| 久久久久久久久久久久63| 第九色区av天堂| 狠狠爱激情网| 99热这里只要精品免费| 影音先锋按摩| 婷婷丁香成人五月天| 欧美成人在线观看| 久草热在线视频| 91人人操人人爱| 天天橾夜夜爽| 开心久久爱五月天| 天天操B| 激情久久丁香| 亚州欧美黄色电影| 国产AV一区二区三区日韩| 欧美日韩成人在线网| 婷婷精品综合| 五月婷婷久久网| 九九热亚洲中文在线观看免费| 色综合久久88色综合天天看| 激情五月狠狠喔| 爱99干99| 日产精品久久久久久久蜜臀| 大香蕉人妻| 91超级碰碰| 色婷婷五月综合在线| 天天爽,夜夜爽| 开心激情久久久久久久| 天天日天天插天天操| 色婷婷免费观看| 色色色区| 99日本视频| www.久操| 超碰妻人人| 91狼友视频在线观看| 欧美成人猛片AAAAAAA| 五月婷婷啪啪| 色色色综合网| 色无码| 精品人妻一区二区三区四区不卡在| www.婷婷,com| 婷婷五月AV| 六月婷婷色色色| 精品人妻伦一二三区久| 激情网婷婷五月天| 五月天天久久香| 色五月中文网| 成人超碰Av| 五月天另类小说| 丁香婷婷色五月| 亚洲夜夜操| 婷婷综合在线| 99色精品| 97视频91| 天天日天天干天天操| 天天日综合| 婷婷综合五月| 九九AV| 男人的天堂婷婷色五月| 999热在线观看视频| 五月天丁香婷婷久久九| 免费超碰在线| 色欲婷婷五月天丁香| 在线观看av网站| 91视频精品99| 久久婷婷五月国产色综合激情| 婷婷激情丁香五月天综合| wuyuedingxiang99| 日日夜夜噜噜爽爽| 另类小说激情五月天| 五月天色婷婷综合| 月婷婷婷婷五月| www久久99| 色婷婷久久| 日韩久久成人| 91色在线 | 日韩| 中文字幕综合网| 九九热视频精品2| 婷婷综合激情五月综合| 可似看的AV| 激情视频综合| 婷婷五月色| 青青草青青草五月天| AV网在线观看| XX久久| 伊人青草成人| 色播婷婷五月天| 五月丁香婷婷欧美| 深爱激情五月网| 91av传媒高清在线视频网| 潮汕成人AV片在线| 97人人射| 激情婷婷五月天在线观看| www激情婷婷com| 秋霞性爱AV| 大伊香蕉精品视频在线| 丁香狠狠操| 色婷婷免费视频| 婷婷五月天伦理| 思思久久精品| 99热在线观看免费精品| 婷色综合| 操操啪| 婷婷五月久久| 欧美精品999| AV网在线| 色综合天堂| 色99综合视频| 五月婷婷色影院| 欧亚成人A片一区二区| 婷婷va| 99re这里只有精品免费| 日日天天干| 三男玩一女三A片| 伊人久久大香线蕉AV最新午夜| 婷色五月| 激情宗合网激情五月天| 五月婷婷啪啪| 丁香婷婷婷婷十二月在线观看视频| 人人操AV| 99热国产这里只有精品| 久热大香蕉| 九九99在线视频| 五月婷婷六月爱| 96精品久久久久久久久| 人人爽网| 伊人五月天男人的天堂在线| 人人爽天天爽| 少妇熟女视频一区二区三区 | 五月丁香婷婷中文网| 五月婷婷人人人操| 亚洲 成人 电影av在线观看| 亚洲精99| 丁香五月在线自慰| 大香伊人婷婷| 激情五月天之六月婷婷| 亚洲综合久| 香蕉伊人综合| 5月丁香六月情| 99热精品免费| 欧美精产国品一二三区| 婷婷综合五月天亚洲综合| 婷婷色网| 秋霞免费三级片| 五月开心久久| 香蕉久日夜| 深爱五月天婷综合| 亚洲色综合| aV欲望人妻中文字幕| 丁香丝袜五月| 丰满少妇猛烈A片免费看观看| 中文字幕AV网址| 第五色婷婷| 热99色| 五月婷成人网| 丁香五月天啪啪| 色婷婷9| 亚洲中文乱字字幕在线永久| 婷婷综合久久综合| 五月天四色房丁香| 成人精品在线观看| 五月丁香婷婷综合在线| 亚洲操人| 97碰碰在线看视频免费| 九九性爱网| 婷婷之玖玖| 色五月天本日| 丁香五月成人自拍| 色五月首页| 欧美叉叉叉BBB网站| 成人婷婷色五月天| 五月婷婷丁香六月| 色婷丁香| 九九综合| 日韩一级A片黄色| 亚洲啪啪啪啪| 色欲丁香| 九九青青草成人| 久久婷五月婷| 99久热| 伊人婷婷五月天| 亚洲热视频| 精品五月视频婷婷在线观看| 丁香色婷婷| 5月色婷婷| 开心五月天激情网| 玖玖色综合| 激情五月天婷婷| 成人视频九九| 婷婷婷婷婷婷婷婷婷婷丁香| 99热九九在线| 日日操夜夜操不卡| 欧美综合激情丁香五月六月婷| 婷婷久久色| 99精品视频推荐| 色九九七七| 婷婷综合干| 十月丁香九月婷婷综合| 日本在线视频看se99| 婷婷五月天AV| 国产色网站| 日日夜夜干| 日本ww亚洲| 色九四色| 人人色婷婷| 性视频久久| 五月天婷婷在线AN| 噜噜噜狠狠色综合| 久久久久久人妻| 操逼在线视频| 九九色天堂| 91性高潮久久久久久久久| 操人妻90p| 电影91久久久| 亚洲操B| 色色色色色热| 亚洲情综合五月天| 日日噜狠狠色| 99黄色性生活| 99久久66综合| 99久久玖玖| 婷婷五月天激情电影| www夜夜操| 亚洲AV成人无码久久精品老人法拉利| 丁香五月婷婷激情完整版| 99日在线视频| 激情丁香五月激情婷婷| 久久五月天丁香| 五月丁香色色| 激情五月综合色婷婷| 91免费啪视频| 91九色国产| 色综合色欲综合天天免费| 拍色综合| 久久99热这里只有精品| 婷婷亚洲在线| 激情五月婷婷视频一区二区三区| 久久九九网| 亚洲看av的网站| 婷婷丁香亚洲色综合91| WWW.国产| 五月天播播中文字幕| 国产激情综合五月| 97超碰在线观看免费| 色欲天天综合网| 五月婷婷 激情五月| 久久作爱| av一区免费看| 色色色色热| 五月色综合网| 色色亚洲无码| www.99热这里精品| 五月天久久色| 九九aV| 婷婷丁香在线播放| 五月丁香狠狠爱| 日本A片一区| 91操碰| 这里只有精品久久| 涩涩涩,com| 91久久五月天| 激情五月婷婷老师| 精品久久久人妻| 狠狠色噜噜| 99rewww| 六月婷婷香蕉| 婷婷五月丁香基| 九九AV| 日本女人久久| 天天碰天天插天天操| 99久久久国产大片区| 人人操人人看97干| 免费无码毛片一区二区A片| 婷婷色色网| 色综合色色色| 3www激情| 欧美天天综合网站上去吧| 久久精品99久久| 婷婷久久在线| 综合福利网| 婷婷99狠狠躁天天躁| 97影院一级片| 丁香六月久久| 久久人妻伊人| 丁香五月激情婷婷激情| www.狠狠操.co m| 丁香六月激情四射| 人妻激情视频| 一级韩国产精品毛| AA片在线观看视频在线播放| 9999久久久久| 夜夜撸天天操| 五月婷婷久久综合| 天天做天天爱天天高潮| 久播影院免费观看电视剧大全最新网| 六月丁香深深爱| 思思99热热热99| 久久激情网| 五月天婷婷香蕉狠狠超碰综合| 五月激情综合网| 久久xx| 无码色色色| 婷婷在线视频| 色色A| 人妻少妇色综合| 亲子乱AV一区二区三区下载| 亚洲丁香五月天视频| 婷婷色五月综合| 久久精品66| 五月天婷婷中文字幕在线播放| 91dy.av| 五月天婷婷乱| 五月天激情Av| 狠狠色性| 亚洲激情无码久久| 久月丁香爱婷婷综合| 欧洲精品欧洲情| 久1色色| 五月丁香五月激情综合色综合| 美女丁香五月天| 色亭亭五月天网扯| 伊人婷婷激情| 欧美五月丁香在线观看| 99久久综合精品五月天| 99在线看片| 六月久久狠狠| 婷婷激情小说| 色玖玖导航| 婷婷欧美综合| 色噜噜狠狠色综合网| 91久久久久久久| 99这里只有精品|v| 日本人妻伦在线中文字幕| 2018国产大陆天天弄| 丁香,开心成人,久久| 婷婷五月综合中文字幕| 岛国操B不卡在线| 黑人熟妇一区二区三区| 91丨九色丨熟女| 久热只有这里有精品| 熟女激情网| 婷婷深爱五月丁香网| 看国产探花操逼三级片| 99这里有精品| 丁香五月色色| 婷婷网五月天| 亚洲精品一区中文字幕乱码| 久久精品一区二区三区四区| 一级视频网址| 狠狠五月激情丁香六月| 国产激情久久久| 婷婷激情蜜桃玖玖丁香| 丁香六月亚洲综合| 亚洲综合视频网| 可以看的av| 亚洲国产无线乱码在线观看| 日噜噜色| 91干在线| 婷婷五月色影视先锋| 99视频一区| 玖玖爱资源站| 荡乳尤物3HP1V5| 五月丁香偷拍| 999热在线视频| 五月伊人视频在线看| 久久婷婷综合五月趴| 婷婷综合激情| 国产熟妇乱子伦hd| 激情AV在线| 琪琪理论片| 婷婷综合在线观看视频| 十一月婷婷激情四射| 五月丁香婷婷色| 玖久久网站| 激情婷婷在线中文字幕| 另类小说五月天| 爱的综合网| 九九热最新| 99热这里只有精品5| 丁香五月婷婷香| 亚洲综合五月天婷婷丁香| 色情久久久| 欧美激情综合色综合啪啪五月| 国产毛多水多女人A片| 2021日韩无码| 热九九在线| 丁香五月综合AV在线| 色激情五月| 久久婷婷七月丁香| 国产9色在线/日韩| 激情婷婷综合五月少妇| 久热欧美| 亚洲最大视频网站| 激情小说婷婷小说| 丁香五月天电影| 强壮公让我夜夜高潮A片视频| 超碰无码318604| 天天更新天天亚洲| 亚洲啪视频| 日碰日| xxxx五月| 天天爽天天干| 婷婷五月激情基地| 狠狠综合网| 996er热| 无码少妇高潮喷水A片免费| 亚洲综合九九| 丁香五月天AV| 1024操逼| 婷婷激情肏屄网| 97亚洲婷婷| 90色免费视频| 婷婷五月丁香在线观看| 精品女人九九九| 在线色婷婷| 夜夜www| 色情婷婷五月天| 综合色吧| 日韩在线婷婷五月天综合| 91九九| 人人爱操| j五月香在线| 99热这里只有精品98| 超碰在线观看9| 一级七香蕉| 99热在线中文字幕| 五月色丁香| 色婷婷大香蕉| 色欲午夜无码久久久久久张津瑜 | 99re99在线看| 丁香六月激情国产| yjzz亚洲国产| 深爱五月激情网| 超碰免费在线| 久久久精品AV| www.激情五月| 欧美操综合| 欧美色色色色色色色| 久久婷婷五月丁香蜜桃网| 五月天婷婷一起草| 五月丁香六月婷婷网| 性色婷婷| 丁香五月日韩| 91久久电影| 婷婷五月天激情小说| 有码一区二区三区| 99热99这里免费的精品| 国产成人精品一区二三区熟女在线 | 丁香五月天激情综合| 99er6免费视频热播| 婷婷久久久久| 伊人久久婷| 99热免费精品| 51成人| 激情五月婷| 九九热99视频| 久草性爱| 色播婷婷五月天| 久久久97| 入口五月婷婷六月香| 秋霞性爱AV| 亚洲色婷婷| 另类专区在线| 91丨九色丨熟女高潮| 开心五月婷婷| 乱女乱妇熟女熟妇综合网站| 久婷婷| 九九一综合精品| 亚洲熟妇AV乱码在线观看| 九九sese| 日韩AV免费看| 九九热这里只有国产精品| 精品日本视频444| 日日日影院| 国洲夜色亚热在线久久| 思思热精品在线视频| 色色色色色五月丁香| 色99在线观看| 五月丁香婷婷综合| 97色婷| 婷婷五月天综合蜜桃| 9热超碰| 欧美黄色AA片哗啦啦啦| 成人av观看| 国产成人AV在线| 狠狠色狠狠干| 午夜天天精品视频| 99免费热视频在线| 色婷| 激情网五月| 五月丁香色狠狠干大屄| 不卡成人免费| 香蕉婷婷色五月| 日本三级大片| 激情内射人妻1区2区3区| 亚洲第一色网站| 琪琪色五月婷婷老师| 五月天啪啪| 五月天婷婷綜合院| 九月婷婷综合| WWW.色婷婷.COM| 欧美色97| 色综合伊人网| 天天爽天天摸| 大香蕉七区| 91久久久久久| 亚洲另类久久| 九月婷婷综合网| 99热伊人| 婷婷五月骚厕所| 97视频.干com| 国产精品色色| 青青草日本亚洲| 蜜臀av粉嫩av懂色av| 99热青青草| 综合五月天亚洲婷婷| 丁香六月在线综合| 五月天丁香婷婷社区| 五月丁香怕怕综合| ww超碰在线| 91丨九色丨国产打屁股|