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)營的一線實(shí)戰(zhàn)洞察。

Agent自動(dòng)化評測體系搭建:從LLM評測誤區(qū)到端到端工程實(shí)踐

Agent自動(dòng)化評測體系搭建:從LLM評測誤區(qū)到端到端工程實(shí)踐 做 Agent 評測這件事我踩過最深的一個(gè)坑是拿評測大模型的老思路硬套 Agent。以前做 LLM 評測整理一批輸入輸出對寫腳本離線跑一遍把文本和參考答案比對一下交付就完了???Agent 一旦跑起來就是多輪推理加行動(dòng)要查數(shù)據(jù)庫、調(diào)外部接口、改配置、做狀態(tài)變更中間任何一環(huán)出錯(cuò)最終結(jié)果都可能和預(yù)期差出十萬八千里。大概從兩年前開始我陸續(xù)幫著幾個(gè)業(yè)務(wù)團(tuán)隊(duì)搭過不同形態(tài)的 Agent 自動(dòng)化評測體系。越搭越明白端到端的 Agent Evaluation 并不是寫幾個(gè)評測腳本那么簡單它是一整套圍繞任務(wù)設(shè)計(jì)、環(huán)境模擬、結(jié)果觀測、指標(biāo)定義和數(shù)據(jù)迭代搭建起來的工程系統(tǒng)。這篇文章把我在實(shí)操中怎么拆解 Agent 自動(dòng)化評測、怎么搭端到端評測體系、以及踩過的那些坑完整記錄下來。正在為“Agent 怎么做自動(dòng)化評測”發(fā)愁的同學(xué)可以重點(diǎn)看測評集已經(jīng)跑起來但結(jié)果總是被業(yè)務(wù)方挑戰(zhàn)的人也能從這里找到一些排查思路。1. Agent 評測為什么不能直接套用 LLM 評測的方案1.1 傳統(tǒng) LLM 評測的本質(zhì)是一次性答卷過去做大模型評測最常見的形式就是準(zhǔn)備一批輸入輸出對讓模型生成一次答案然后和參考答案對比。不管是基于規(guī)則的比對、算 BLEU/ROUGE還是用評判模型打分本質(zhì)上都是在給“一份答卷”評分。一張卷子一錘定音交完就完事。這套模式對文本生成、摘要、分類、問答這些場景沒問題它考驗(yàn)的是模型在給定輸入下的“一次性推理能力”。但放到 Agent 上情況就完全變了。Agent 的產(chǎn)出不是一個(gè)最終文本而是一連串行動(dòng)序列。比如一個(gè)客服 Agent 處理退款申請讀郵件、查訂單系統(tǒng)、判斷是否符合退款政策、調(diào)用退款接口、給用戶寫回復(fù)。每一步都有取舍下一步往往依賴上一步的結(jié)果。如果只看最后那句“我已經(jīng)為您辦理退款”你根本不知道它是不是真的把退款接口調(diào)成功了。所以把 Agent 評測簡單當(dāng)成“給最終回復(fù)打分”是最大的誤解也是很多評測體系做出來沒人信的直接原因。1.2 Agent 評測的差異從“考背誦”變成“考辦事”我經(jīng)常給團(tuán)隊(duì)里的同學(xué)打個(gè)比方LLM 評測像是考背誦Agent 評測更像考辦事??嫁k事有個(gè)特點(diǎn)過程和結(jié)果同等重要。辦事的人要打開瀏覽器搜索資料、要撥打電話核實(shí)信息、要填寫表單提交申請這些動(dòng)作都有對錯(cuò)。更有意思的是辦事過程中還會(huì)遇到突發(fā)情況——電話沒人接、系統(tǒng)報(bào)錯(cuò)、用戶改主意這時(shí)能否恢復(fù)過來、繼續(xù)把事辦成才是真正要測的能力。落到 Agent 上這幾點(diǎn)和 LLM 評測完全不同環(huán)境交互。Agent 必須真實(shí)或近似真實(shí)地和外部環(huán)境交互評測需要模擬環(huán)境并觀察狀態(tài)變化。多步?jīng)Q策。每一步都可能錯(cuò)錯(cuò)誤會(huì)累積中間一步錯(cuò)了后面再多步都可能白費(fèi)。工具調(diào)用正確性。不僅要看是否調(diào)用了工具還要看參數(shù)對不對、調(diào)用時(shí)機(jī)對不對、返回值有沒有被正確解析。故障恢復(fù)。工具拋異常時(shí)Agent 是繼續(xù)亂撞還是冷靜處理這直接影響任務(wù)成功率。這四個(gè)差異決定了評測設(shè)計(jì)必須同時(shí)關(guān)注“最終效果”和“完成過程”只看一頭都不行。1.3 端到端評測要分三個(gè)層級(jí)去看既然 Agent 評測和 LLM 評測完全不是一回事那評測體系也不能只有一層。我給自己搭評測體系定了一個(gè)三層結(jié)構(gòu)每個(gè)層級(jí)解決不同問題第一層是單元能力評測。單獨(dú)驗(yàn)證 Agent 里頭某個(gè)能力模塊比如工具調(diào)用參數(shù)生成是否正確、某個(gè) prompt 分支是否穩(wěn)定。這一層跑得快適合開發(fā)階段頻繁自測。第二層是流程鏈路評測。把 Agent 放進(jìn) mock 環(huán)境里給定初始狀態(tài)跑完一個(gè)完整任務(wù)但環(huán)境里的外部依賴都用可控的樁替代。這是主力既能端到端觀察又能控制變量。第三層才是真正貼近線上的端到端評測。在盡量接近生產(chǎn)的環(huán)境里跑外部服務(wù)用沙箱或測試賬號(hào)數(shù)據(jù)用脫敏后的真實(shí)數(shù)據(jù)。這一層最真實(shí)、也最貴適合發(fā)布前做全量回歸。很多團(tuán)隊(duì)一上來就想直接做第三層發(fā)現(xiàn)又貴又不穩(wěn)定做了幾天就跑不下去了。實(shí)際踩下來還是得從第二層起步先把可控性做扎實(shí)再往真實(shí)環(huán)境逼近。這也是這篇文章主推的思路。2. 端到端評測體系怎么設(shè)計(jì)任務(wù)、指標(biāo)和過程觀測2.1 評測任務(wù)集定義把業(yè)務(wù)需求翻譯成可執(zhí)行任務(wù)構(gòu)建端到端評測體系第一步不是選框架也不是寫腳本而是定義評測任務(wù)集。評測任務(wù)集不是隨便列一些用戶問題就完事每個(gè)任務(wù)必須包含以下要素初始狀態(tài)任務(wù)開始前系統(tǒng)處于什么狀態(tài)比如訂單待支付、客戶資料缺失、庫存不足。用戶請求用戶自然表達(dá)的一句話或一段話盡量模擬真實(shí)語氣。可用工具與權(quán)限Agent 在當(dāng)前任務(wù)里能調(diào)用什么調(diào)不了什么。預(yù)期最終狀態(tài)任務(wù)成功后系統(tǒng)狀態(tài)應(yīng)該變成什么樣這是最核心的驗(yàn)收標(biāo)準(zhǔn)。參考軌跡可選一名熟練操作者大概會(huì)按什么順序調(diào)用哪些工具不一定要求 Agent 完全一致但可以作為過程評分參考。難度標(biāo)簽單步任務(wù)、多步任務(wù)、異常恢復(fù)任務(wù)、長程任務(wù)方便后續(xù)按難度拆分分析。拿客服場景舉例初始狀態(tài)是“訂單 A100 狀態(tài)為已發(fā)貨用戶發(fā)起退款請求”用戶請求是“我要退掉剛收到的這個(gè)商品”預(yù)期最終狀態(tài)是“該訂單進(jìn)入退款審核流程且原支付渠道生成了退款申請記錄”。只要最終狀態(tài)不對不管 Agent 回復(fù)得多么客氣這個(gè)用例都算失敗。任務(wù)集定義得越細(xì)后面所有分析才越有抓手。否則出了問題連是 Agent 的問題還是任務(wù)描述不清晰都分不清。2.2 結(jié)果層指標(biāo)任務(wù)完成率、完成質(zhì)量和失敗分布結(jié)果層是所有指標(biāo)里最核心的一層它回答的問題是Agent 到底把活干成沒有。我實(shí)際在用的指標(biāo)組合是這樣任務(wù)完成率是最直觀的指標(biāo)也就是預(yù)期終態(tài)斷言全部通過的用例占總用例的比例。這個(gè)指標(biāo)必須字節(jié)級(jí)明確比如“訂單狀態(tài)字段變成 cancelled且取消原因字段等于用戶申請?jiān)颉辈荒軐憽按篌w上完成”。部分完成率也很關(guān)鍵。有些任務(wù) Agent 做了一半比如查到了訂單信息但退款環(huán)節(jié)沒執(zhí)行。我傾向于給這類任務(wù)單獨(dú)記一個(gè)“部分完成”標(biāo)簽而不是簡單歸入失敗。部分完成率高說明 Agent 的信息理解、工具選擇能力還行但關(guān)鍵動(dòng)作的執(zhí)行策略存在問題。失敗類型分布是我后來才補(bǔ)上的但價(jià)值極高。每跑完一輪評測把失敗用例按原因歸類統(tǒng)計(jì)是調(diào)用參數(shù)錯(cuò)誤、信息缺失、政策誤判、還是中途放棄。這個(gè)分布能直接指向下一步優(yōu)化方向比單一通過率有用得多。另外對于有“參考答案”的任務(wù)我會(huì)引入一個(gè)質(zhì)量分由大模型或規(guī)則對最終產(chǎn)出質(zhì)量做五檔評價(jià)。但對這個(gè)打分我始終保持謹(jǐn)慎它只能作為輔助不能替代狀態(tài)斷言。2.3 過程層指標(biāo)步數(shù)、工具使用和錯(cuò)誤恢復(fù)結(jié)果層只能告訴你成沒成功不能告訴你為什么成功或失敗。所以必須有過程觀測。我最??吹倪^程指標(biāo)有這幾個(gè)平均步數(shù)。完成同一個(gè)任務(wù)Agent 用了 5 步和用了 25 步差距很大。步數(shù)過長往往意味著無效探索和反復(fù)試錯(cuò)。步數(shù)暴漲通常對應(yīng)評測結(jié)果惡化即使最終通過率還沒掉也值得警惕。工具調(diào)用序列。把每條用例的軌跡拉出來看 Agent 調(diào)了哪些工具、順序是什么、有沒有重復(fù)調(diào)用。如果在取消訂單任務(wù)里Agent 先調(diào)了五次查詢接口才發(fā)起取消請求說明工具選擇效率有明顯問題。錯(cuò)誤恢復(fù)次數(shù)。統(tǒng)計(jì) Agent 遇到工具異常后能自行修正并繼續(xù)完成的占比。這是衡量 Agent“辦事能力”很重要的維度。真實(shí)業(yè)務(wù)里總有接口抖動(dòng)恢復(fù)能力決定了系統(tǒng)能否長期穩(wěn)定運(yùn)行。無效循環(huán)檢測。如果 Agent 在同一個(gè)工具、同一個(gè)參數(shù)上反復(fù)調(diào)用超過三次基本可以認(rèn)定它陷入了死循環(huán)這類用例必須單獨(dú)標(biāo)記。過程層指標(biāo)跑在一起本質(zhì)上是把 Agent 的“行為軌跡”轉(zhuǎn)成可量化數(shù)據(jù)這樣才能把每個(gè)失敗都定位到具體環(huán)節(jié)。2.4 成本與穩(wěn)定性指標(biāo)Agent 評測本身是有成本的每一輪評測都是真實(shí)的模型調(diào)用。長期跑下來不看成本是不行的。我常記錄的指標(biāo)包括單任務(wù)平均 token 消耗、工具調(diào)用總次數(shù)、單任務(wù)平均耗時(shí)、API 請求失敗率。這些指標(biāo)不直接反映能力但直接決定評測能不能持續(xù)。如果某個(gè)版本平均 token 消耗暴漲了 50%即使通過率沒變也得看是不是 Agent 開始產(chǎn)生大量低效重試了。有時(shí)候我也會(huì)把“成本/通過率”看成一個(gè)綜合效率指標(biāo)。通過率差不多的情況下成本更低的實(shí)現(xiàn)方案明顯更優(yōu)。這也是評測體系能在技術(shù)選型和 prompt 優(yōu)化里發(fā)揮價(jià)值的地方。3. 從零搭建 Agent 自動(dòng)化評測環(huán)境的實(shí)操步驟3.1 評測環(huán)境三件套運(yùn)行時(shí)、沙箱和工具樁到現(xiàn)在為止指標(biāo)定義都有了下一步就要讓評測真的跑起來。實(shí)際操作里評測環(huán)境我從來不用生產(chǎn)環(huán)境而是自建一套隔離環(huán)境包含三個(gè)部分。第一是 Agent 運(yùn)行時(shí)。就是被測 Agent 本身包括它的模型、prompt、工具注冊表、記憶模塊。評測時(shí)要能通過參數(shù)切換模型、切換 prompt 版本方便做對比實(shí)驗(yàn)。第二是沙箱環(huán)境。任何可能有副作用的操作都要在沙箱里完成。最簡單的方式是用 Docker 起一個(gè)獨(dú)立容器容器里跑一個(gè)模擬業(yè)務(wù)系統(tǒng)比如模擬訂單庫、模擬支付網(wǎng)關(guān)。Agent 在沙箱里的任何操作都不會(huì)影響真實(shí)數(shù)據(jù)評測完可以隨手重置環(huán)境。第三是工具樁。核心思想是把外部依賴全部換成可控的模擬服務(wù)。比如真實(shí)支付接口在網(wǎng)絡(luò)抖動(dòng)和冪等性上不可控但評測需要穩(wěn)定可復(fù)現(xiàn)所以我會(huì)啟動(dòng)一個(gè)本地 HTTP 服務(wù)模擬支付接口返回碼、響應(yīng)延遲、異常路徑全部由測試腳本指定。工具樁最妙的地方在于可以“注入故障”。想讓 Agent 遇到支付超時(shí)直接讓樁服務(wù)返回超時(shí)想看空結(jié)果的場景就讓查詢接口返回空列表。這種可控性在真實(shí)環(huán)境里是根本做不到的。3.2 評測用例在代碼里怎么落地環(huán)境搭好之后評測用例本身最好用代碼表達(dá)這樣才能集成 CI、做回歸。下面是我在項(xiàng)目里常見的一個(gè)用例骨架字段用了偽代碼思路可以直接落地# 評測用例骨架示例 async def test_cancel_order_success(agent_factory, sandbox): # 1. 準(zhǔn)備初始業(yè)務(wù)狀態(tài) sandbox.db.create_order(order_idA100, statusactive) # 2. 構(gòu)造用戶請求 request 我要取消昨天下的那個(gè)訂單單號(hào)是A100 # 3. 運(yùn)行被測 Agent result await agent_factory(requestrequest).run() # 4. 重點(diǎn):校驗(yàn)環(huán)境最終狀態(tài),而不是只看agent回復(fù)文本 assert sandbox.db.get_order(A100).status cancelled # 5. 輔助校驗(yàn)過程:檢查軌跡里是否出現(xiàn)了預(yù)期工具調(diào)用 assert any(tool.name cancel_order for tool in result.trajectory)這段代碼里的核心思想是“用環(huán)境狀態(tài)斷言代替文本斷言”。Agent 的回復(fù)文本千變?nèi)f化直接解析文本既脆弱又容易誤判。狀態(tài)斷言是穩(wěn)定的、可精確驗(yàn)證的這才是端到端評測該有的姿勢。實(shí)際用例會(huì)比這個(gè)復(fù)雜比如要處理超時(shí)、并發(fā)、依賴初始化。但骨架思路就是三步準(zhǔn)備初始狀態(tài)、跑 Agent、斷言最終狀態(tài)。永遠(yuǎn)不要試圖在評測腳本里逐字解析 Agent 回復(fù)里的客套話。3.3 用現(xiàn)成框架還是自建 harness我的取舍標(biāo)準(zhǔn)市面上已經(jīng)有一些評測框架比如 LangSmith、LangFuse以及各家模型服務(wù)商自帶的評測工具也常有人問我是直接用還是自己寫。我的個(gè)人經(jīng)驗(yàn)是評測 harness 和 Agent 框架的關(guān)系應(yīng)該是解耦的。評測 harness 的職責(zé)是加載評測集、初始化環(huán)境、運(yùn)行 Agent、收集結(jié)果、執(zhí)行斷言、產(chǎn)報(bào)告。Agent 本身是 harness 的“被測物體”兩者之間只暴露標(biāo)準(zhǔn)接口。如果評測框架和 Agent 框架綁得過死一旦 Agent 換架構(gòu)評測體系也跟著推倒重來。所以我的取舍標(biāo)準(zhǔn)很直接如果你還在快速迭代階段Agent 的結(jié)構(gòu)都可能變那先用簡單的自定義 harness保持輕量別急著上大而全的框架。如果你的 Agent 框架穩(wěn)定了并且現(xiàn)有評測工具支持無侵入式接入可以考慮引入現(xiàn)成框架省去維護(hù)成本。不管選哪種評測腳本里盡量不要出現(xiàn) Agent 框架特有的內(nèi)部 API最好只通過一個(gè) run() 方法交互。我自己長期用的是 pytest 加一層自定義 runner評測集是純數(shù)據(jù)文件。Agent 換過兩次底座評測體系基本沒傷筋動(dòng)骨這就是解耦的好處。3.4 并發(fā)評測和成本控制的具體辦法評測集一旦變多幾百條用例順序跑可能要跑一個(gè)晚上所以并發(fā)是必然選擇。但并發(fā)也會(huì)帶來成本失控這兩者必須一起設(shè)計(jì)。我的做法是先給每類任務(wù)定一個(gè)并發(fā)上限。日常冒煙評測并發(fā) 8全量回歸并發(fā) 32 左右具體看模型服務(wù)端的限流策略。跑之前先估計(jì)總 token 消耗如果超出預(yù)算按任務(wù)難度分層抽樣優(yōu)先跑高價(jià)值用例。另外兩個(gè)習(xí)慣也值得養(yǎng)成一是用評測結(jié)果緩存。同一個(gè)任務(wù)集、同一個(gè) Agent 版本、同一次運(yùn)行之間如果評測輸入沒變化可以復(fù)用上次的緩存結(jié)果避免重復(fù)消耗。特別是開發(fā)調(diào) prompt 時(shí)只跑受影響的子集就夠了。二是對失敗用例做“二次確認(rèn)”。第一次跑失敗的用例我會(huì)自動(dòng)重跑一次區(qū)分偶發(fā)失敗和確定失敗。這一步常被忽略但能幫你過濾大量因?yàn)橥獠慷秳?dòng)產(chǎn)生的虛假失敗。4. 評測集怎么構(gòu)建才經(jīng)得起業(yè)務(wù)考驗(yàn)4.1 從真實(shí)業(yè)務(wù)日志里挖評測任務(wù)評測集不能靠拍腦袋寫。評測集構(gòu)建的第一原則是盡可能從真實(shí)業(yè)務(wù)場景里來。真實(shí)場景的數(shù)據(jù)才有足夠的“野性”那些用戶千奇百怪的表達(dá)方式才是 Agent 每天要面對的真實(shí)壓力。我的操作路徑是這樣的第一步拉歷史業(yè)務(wù)日志篩出用戶真實(shí)請求比如客服會(huì)話里用戶提出的退款、改簽、查詢需求。第二步按意圖聚類。把表達(dá)不同但意圖相同的請求歸到一組比如“我要退錢”“這個(gè)商品我不想要了”“怎么申請退款”都?xì)w到“退款申請”這個(gè)意圖下。第三步為每組請求補(bǔ)全任務(wù)要素初始狀態(tài)、預(yù)期最終狀態(tài)、期望工具序列。從日志里挖出來的任務(wù)最大的價(jià)值是它帶著真實(shí)噪聲。用戶不會(huì)按教科書說話會(huì)省略信息、會(huì)有錯(cuò)別字、會(huì)一次提多個(gè)需求。這些在人工構(gòu)造里很難模擬到位。不過我提醒一句真實(shí)日志只解決“像不像真實(shí)用戶”的問題不等于覆蓋了所有關(guān)鍵路徑。因此還需要人工補(bǔ)齊邊界和異常場景。4.2 人工構(gòu)造和難度分級(jí)的思路補(bǔ)齊人工用例時(shí)我一般按這幾類去寫極簡表達(dá)用戶給的信息特別少看 Agent 會(huì)不會(huì)主動(dòng)追問。信息冗余一句話里塞五六個(gè)意圖看 Agent 能不能拆解和排序。權(quán)限受限用戶想執(zhí)行某個(gè)操作但沒有權(quán)限看 Agent 是否及時(shí)告知并引導(dǎo)替代方案。工具異常外部服務(wù)返回超時(shí)、錯(cuò)誤碼、空結(jié)果看 Agent 如何恢復(fù)。狀態(tài)沖突比如訂單已經(jīng)取消了用戶又要求取消看 Agent 正確理解新狀態(tài)并避免重復(fù)操作。寫完之后按難度分級(jí)。我習(xí)慣分成 P0 到 P3 四級(jí)P0 是最核心的主流程任何發(fā)布都必須通過P1 是常見變體P2 是邊界和異常P3 是長程復(fù)雜任務(wù)。分級(jí)的目的是讓回歸策略有彈性小改動(dòng)跑 P0 P1大改動(dòng)再擴(kuò)大到全量。4.3 評測標(biāo)簽體系與數(shù)據(jù)質(zhì)量維護(hù)評測集不是靜態(tài)資產(chǎn)它要隨著業(yè)務(wù)演進(jìn)持續(xù)更新。為了讓更新有序我堅(jiān)持給每條用例打標(biāo)簽。標(biāo)簽至少包括業(yè)務(wù)領(lǐng)域訂單、售后、營銷、能力類型信息查詢、狀態(tài)變更、多步驟協(xié)調(diào)、難度級(jí)別P0-P3、意圖聚類 ID、失敗模式用于分析時(shí)回填。有了標(biāo)簽分析結(jié)果時(shí)可以快速切片。比如想知道“售后場景 P2 級(jí)別的通過率是不是下降了”一條查詢就能出來。沒有標(biāo)簽的評測集跑完只能看個(gè)總通過率什么都定位不了。評測集本身也會(huì)“壞”。有些用例寫的時(shí)候預(yù)期狀態(tài)和后來業(yè)務(wù)調(diào)整不一致有些用例描述本身有歧義。所以我每輪全量回歸后都會(huì)掃一遍長期失敗的用例。如果同一個(gè)用例連續(xù)兩周失敗并且 Agent 改動(dòng)和它無關(guān)大概率是用例本身有問題我寧可先把它標(biāo)記為“待審核”也不讓它繼續(xù)污染通過率數(shù)字。5. Agent 評測踩坑實(shí)錄假通過、不穩(wěn)定和超時(shí)排查5.1 同一個(gè)用例第一次過、第二次掛怎么判斷Agent 評測最讓人頭疼的就是同一個(gè)用例這次跑通過下次跑就失敗看起來毫無規(guī)律。第一次遇到這種情況我花了好幾天排查代碼和環(huán)境最后發(fā)現(xiàn)根因在一部分隨機(jī)性上——模型采樣本身就不是確定性的?,F(xiàn)在的處理辦法是雙管齊下第一在評測配置里固定 temperature、top_p 等采樣參數(shù)能固定 seed 的盡量固定。這能降低一部分隨機(jī)波動(dòng)但坦白說不能完全消除尤其是明顯基于某個(gè)前沿模型的 Agent。第二用“多次運(yùn)行取多數(shù)”的策略。關(guān)鍵用例默認(rèn)跑 3 次至少 2 次通過才算通過。這樣做單條用例成本上去了但穩(wěn)定性大幅提升。全量集跑一次花的時(shí)間多了可結(jié)果更有說服力。另外還要區(qū)分兩類失敗偶發(fā)失敗和趨勢性失敗。偶發(fā)失敗是同一用例多次運(yùn)行有概率通過也有概率掛掉通常不是代碼問題。趨勢性失敗是某個(gè)模型版本或 prompt 修改后通過率持續(xù)下降這類必須當(dāng)回歸處理。建立這種區(qū)分能幫你少折騰很多無謂的排查。5.2 “假通過”的識(shí)別與防御假通過是評測體系里最隱蔽的問題。表面上看用例跑通了實(shí)際上 Agent 根本就沒完成任務(wù)。我遇到過最典型的情況Agent 在工具執(zhí)行失敗后沒有重試也沒繼續(xù)處理只是回復(fù)用戶“非常抱歉系統(tǒng)暫時(shí)無法處理您的請求請稍后再試”。從回復(fù)文本上看它既禮貌又合理但環(huán)境狀態(tài)根本沒變。如果用文本匹配來驗(yàn)收這個(gè)用例大概率會(huì)被判通過。防御手段只有一個(gè)就是在評測腳本里強(qiáng)制做“環(huán)境狀態(tài)斷言”。如果訂單狀態(tài)沒有變成 cancelled不管 Agent 回復(fù)得多誠懇一律判失敗。另一個(gè)假通過場景是工具樁返回了假數(shù)據(jù)。比如模擬查詢接口里預(yù)制了所有訂單狀態(tài)為“已取消”那 Agent 無論怎么查都是已取消最終斷言當(dāng)然能過。所以每次跑評測前工具的初始數(shù)據(jù)都要由測試用例顯式重置不能依賴上一次運(yùn)行留下的狀態(tài)。5.3 超時(shí)、卡死和工具異常的處理套路Agent 測評跑久了一定會(huì)遇到超時(shí)和卡死不提前處理的話會(huì)拖垮整個(gè)評測流程。我目前的標(biāo)準(zhǔn)配置是整個(gè)任務(wù)設(shè)置最大時(shí)長我常用 10 分鐘超過就直接終止并標(biāo)記“超時(shí)失敗”。單個(gè)工具調(diào)用設(shè)置超時(shí)我常用 20 秒。超時(shí)的工具返回一個(gè)標(biāo)準(zhǔn)錯(cuò)誤給 Agent觀察它能不能恢復(fù)。設(shè)置最大步數(shù)一般 40 步。超過 40 步仍然沒完成基本可以認(rèn)定是低效循環(huán)直接斷掉。循環(huán)檢測也很有用。同一工具、同一參數(shù)調(diào)用超過三次評測腳本可以給 Agent 發(fā)一個(gè)系統(tǒng)提示或者直接終止。工具異常不光是超時(shí)還有返回格式異常、內(nèi)容為空的邊界情況。評測時(shí)要有意把這些情況注入到工具樁里。真實(shí)系統(tǒng)里接口不會(huì)永遠(yuǎn)是理想狀態(tài)Agent 有沒有預(yù)案靠評測見分曉。5.4 把評測掛進(jìn) CI 前要想清楚這幾件事很多團(tuán)隊(duì)做到一定程度就想把評測塞進(jìn) CI每次提交代碼都跑全量。我的建議是別急著全量先做分層。我把評測拆成兩層。第一層是冒煙評測十幾條 P0 用例覆蓋主流程跑完只要幾分鐘。任何變更包括 prompt 調(diào)整、工具改動(dòng)、模型切換都要跑冒煙。第二層是全量評測幾百條用例在夜間跑或發(fā)布前跑。全量過了才允許上線。另外 CI 里跑評測要注意緩存。如果評測集沒變化、Agent 版本沒變化同樣的用例不應(yīng)該在每次 CI 里重復(fù)消耗 token。配合結(jié)果緩存能把 CI 成本壓到一個(gè)合理范圍。還有一點(diǎn)不能忽視評測頻率別太高。真沒必要每次 push 都跑幾百條用例。按變更范圍動(dòng)態(tài)選擇評測子集改 prompt 就只跑 prompt 敏感用例改工具才跑工具相關(guān)用例這是控制預(yù)算最有效的手段。5.5 問題排查快速判定清單把最常見的現(xiàn)象、可能原因和優(yōu)先動(dòng)作列成一張表排查時(shí)直接對表操作效率會(huì)高很多現(xiàn)象可能原因優(yōu)先動(dòng)作用例首次通過、二次失敗模型采樣隨機(jī)、外部服務(wù)抖動(dòng)固定采樣參數(shù)多次運(yùn)行取多數(shù)區(qū)分偶發(fā)與趨勢失敗通過率高但上線后表現(xiàn)差評測集與真實(shí)分布偏差大環(huán)境斷言漏回真實(shí)日志補(bǔ)任務(wù)補(bǔ)強(qiáng)環(huán)境狀態(tài)斷言Agent 反復(fù)調(diào)用同一個(gè)工具工具參數(shù)生成錯(cuò)誤、缺少終止條件檢查軌跡中的參數(shù)增加循環(huán)檢測某個(gè)用例一直超時(shí)工具樁響應(yīng)慢、Agent 陷入死循環(huán)增加單工具超時(shí)減少困惑路徑觀察軌跡并發(fā)一高就大量失敗API 限流、資源競爭降低并發(fā)增加重試策略檢查評測資源獨(dú)立部署連續(xù)多輪通過率驟降模型版本升級(jí)、prompt 變更對比歷史軌跡差異回滾變更定位回歸這張表我打印出來貼在工位旁邊每次評測出問題都對一遍省了很多重復(fù)排查的時(shí)間。6. 如果重來一遍我會(huì)最先做哪兩件事6.1 把真實(shí)業(yè)務(wù)日志轉(zhuǎn)評測集這件事提前做最開始搭評測時(shí)我的評測集大多靠團(tuán)隊(duì)“想出來”后來又花了大功夫去業(yè)務(wù)日志里挖真實(shí)請求。兩者之間差別極大真實(shí)的用詞、真實(shí)的情緒、真實(shí)的省略都會(huì)影響評測效果。如果重來一遍我會(huì)在第一天就安排人去拉日志、聚類意圖、建初版評測集。這是讓評測體系有生命力的關(guān)鍵也是最難后期補(bǔ)的功課。6.2 把環(huán)境狀態(tài)校驗(yàn)寫進(jìn)每條用例第二個(gè)會(huì)提前做的是環(huán)境狀態(tài)斷言。我在早期很多用例里只校驗(yàn) Agent 的回復(fù)文本導(dǎo)致漏掉一批“假通過”的垃圾結(jié)果?,F(xiàn)在每條用例的第一條斷言都是“業(yè)務(wù)環(huán)境狀態(tài)是否符合預(yù)期”文本判斷只作為輔助。環(huán)境狀態(tài)斷言看起來簡單但需要業(yè)務(wù)方深度參與定義“什么才算真正完成”。這個(gè)過程本身就是和業(yè)務(wù)對齊預(yù)期的過程價(jià)值遠(yuǎn)超技術(shù)本身。最后再分享一個(gè)心得評測體系的價(jià)值不在跑出多漂亮的數(shù)字而在每次數(shù)字波動(dòng)時(shí)能幫團(tuán)隊(duì)快速定位到具體問題、具體用例、具體軌跡。別追求一百分先把“可解釋”做到六十分這套體系在團(tuán)隊(duì)里就自然站得住腳了。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
天天综合亚洲综合| 丁香五月天堂| 亚洲五月丁香六月婷婷| 91综合在线| 日韩视频99| ww久久| 91九色国产| 色999亚洲人成色| 五月婷婷丁香六月| 婷婷99狠| 99九九在线视频| www.yw尤物| 婷婷五月天777| 五月天停停成人网| 美日韩成人| 国产古装妇女野外A片| 精品日本视频444| 久久久婷婷色五月资源网| www.sebowuyue| 亚洲色基地| 日本三级日本三级三级人妇四虎| 日本熟妇人妻在线| 婷婷五月综合久久中文字幕| 欧美色男人网站| 91人碰| 婷婷激情五月| 九九热这里只有精品6| 夜夜干夜夜操| 久久日九九| 色色婷婷五月天| 狠狠干在线视频| 婷婷六月啪啪| 国产肥白大熟妇BBBB视频| 丁香五月开心七月| 91操熟女| 日韩无码色色| 中国女人做爰A片| 久久久久久久久久久久久久久久久精典| 久久久欧美精品sm网站| 亚洲色vA| 国产免费一区二区在线A片视频| 思思热99er| 操逼毛片国语对白| 99色免费观看全部| 538在线精品| 97超级碰人人| 亚洲激情无码久久| 五月天色综合| 五月婷婷激情在线| 天天综合干| 五月婷婷影院| 丁香五月成人| 丁香五月开心亚洲| 久久这里只有国产视频| 五月天色图| 一区二区传媒视频| 婷婷丁香五月天小说| 婷婷午夜综合| 另类图片五月天激情| 久色视频在线| 色色免费网站| 丁香综合久久| 99热成人在线| 91人久| 日韩欧美颜射| 99久久婷婷五月综合| 丰满少妇乱A片无码| 超级黄色片| 99热只有这里才是精品| 大伊香蕉精品视频在线| 亚洲综合激情五月天婷婷 | 国产精品汇聚精彩第二页 - 高清完整版在线 - 青蛙AV | 日本人妻A片成人免费看片| 五月天久久激情| 成人网站免费sxj| 97久久久久| 男同色五月开心五月激情五月| 欧美婷婷六月丁香综合色| 久久aaaa片一区二区| 五月天激情国产综合婷婷婷| 五月丁香成人网| 色五月亚洲| 综合久久婷婷99| 国产日产成人亚洲欧美国产VA| 久热这里| 超碰在线播放免费观看| 久久这里只| 六月丁香五月婷婷| 丁香六月婷婷激情综合| 热99这就是精品视频| 亚洲热久| 亚洲精品永久久久久久| 久热伊人9| 我爱宗和色| www.久热| 天天摸.天天mo| 99热亚洲| 免费黄色片子| 狼人狠狠操| 97sese婷婷| 狠狠色狠狠干| 国产JK精品白丝AV在线观看| 色综合天天网| 亚洲色无码A片一区二区麻豆| 欧美日本综合网| 久久ww| 大香蕉婷婷久久| 激情五月丁香婷婷| 操日本三片99| 极品另类| 99精品自拍| 久9热视频| 任我干视频在线观看| 狠狠色官网| 亚洲综合激情五月久久| 婷婷在线免费| 在线播放中文字幕| 九九热亚洲中文在线观看免费| 五月婷婷AV| 久久九九精彩| 色婷婷操逼| AV在线收看| 激情五月丁香六月| 天天日天天舔| 色999五月色| 欧美成人一区二区三区在线视频 | 99精品国产在热久久| 丁香综合伊人| 色欧美一级| 五月婷婷久久网| 538在线精品| 五月丁香啪啪激情| 久久久日韩特色特黄AAAA| 人人人va亚洲视频在线| 婷婷终合色图| 九九热在线99| 九九人妻福利| 亚洲色热| 涩五月丁香| 久久婷婷超碰| 欧美色婷婷| 无码橾| 欧美啪啪9| 婷婷视频网| 开心深爱激情网| 丁香五月网络网络| 91re色综合视频| 日本久久99| 97人人干| 婷婷日日天天| 涩九九九九| 啪啪一区| 久久成人天| 九九热内射| 亚洲精品永久久久久久| 激情五月天久久丁香| 亚洲五月天激情| 丁香五月亭亭六月综合激情网| 9色91视频| 久久九九大香蕉电院| 中文字幕精品推荐免费在线观| 九九色热| 色婷婷内射| 琪琪布丁香社区激情五月天| 99热天堂| 久色姿源| 91艹人| 日日爽日日| 综合久久丁香婷婷,五月婷婷六月丁香,开心激情综合网,六月丁香在线观看,婷婷丁 | 日本视频不卡123区| 五月丁香啪| 亚洲精品国产setv| 中文AV在线播放| 天天天天操| 色色色色色色97| 91色碰| 色噜噜婷婷| 五月丁香 久久久| 亚洲成人精品三区| 一起草无码| 天天拍夜夜撸| 色青五月天| 99久久婷婷| 亚洲成人电影aaaa| 日韩999| 香蕉AV福利精品导航| 婷婷五月亚洲一本在线丁香| 婷婷五月亚洲激情| 久9精品| www.色婷婷.com| 狠狠撸激情综合丁香五月天俺来啦| 久99久精品视频| 丰满老熟妇BBBBB搡BBB| 五月丁香色色| av性爱在线| 爱操人妻| 婷婷丁香黄色| 亚洲人妻av伦理| 九九热99熟女| 五月天sesese| 色综合五月| 九九热只有精品| 五月婷婷激情刺激| 九九综舍久久| 亚洲中文字幕AV在线| 玖玖午夜视频| 都市激情五月婷婷亚洲| 99这里精品| 欧美色碰| 婷婷五月天天| 色色99| 久久性爱视频网站| 五月天激情图| 99这里只有免费的小视频在线观看| 狠狠 久久| 天天干天天干天天干| 丁香五月婷中字幕| 亚洲九九九九| 五月天婷婷日日爱| www.婷婷六月天| 色综啪啪啪啪啪啪| 色婷久久| 无码人妻激情| 五月综合视频| 九月丁香五月婷婷| 五月天激情婷婷五月天久久| 99色这里| 影视av久久久噜噜噜噜噜三级| 婷婷婷狠狠| 天天拍天天操| 欧美日韩999| 这里只有精品免费视频| 狠色狠色综合久久| 五月人人丁香婷婷五月人人丁香| 大香蕉九九| 极品九九九九九九| 99热官网精品在线| 丁香啪啪中文字幕| 亚洲亚洲人成综合网络| 成人无码精品1区2区3区免费看| 日韩在线观看亚洲| 久久爱婷婷| 華人性愛AV在線| 97婷婷丁香五月天激情图片| 五月婷婷亚洲综合在线| 婷婷黄色网| 欧美性色A片免费免费观看的| 99性视频| 天天艹夜夜艹| 久久婷婷综合五月天| 激情99| 婷婷日日夜夜| 精品久久艹| 五月丁香六月激情综合在线| 天天干天天玩天天夜天天射天天操天天日蜜臀少妇 | 天天天干夜夜夜操| www.99热视频| 色五月婷婷久久| 99热在线观看| 色婷婷婷综合五月天| 六月婷婷久久| 日本婷婷五月天| 天天色天天爱天天爱天天爱y| 九月婷婷色色| 久久免费干| 另类综合激情| 日日噜噜夜夜狠狠久久丁香五月| 丁香婷婷久久老熟女综合网| 99热香港| 色很很96| www.色99| 九九AV在线| Caoub青青超碰| 成人做爰高潮A片免费视频| 六月丁香五月婷婷| 丁香六月色婷婷| 狠狠色丁婷婷日日,伊人激情综合网| 在线中文亚洲| 色九月国产| 激情网五月天| 亚洲婷婷五月天| 97碰碰在线看视频免费| 亚洲午夜一区二区| 99热综合| 天天做天天爽| 丁香五月乱中文字幕| 性爱在线播放av| 国产成人综合在线| 99re思思热在线视频| 色五月婷婷91| 色五月天激情| 婷激情五月天视频导航| 99热大片| 五月婷亚洲精品| 丁香色综合| 色五月婷婷综合在线| 五月激情婷婷四射| 欧美婷婷综合网| 中文字幕人成乱码在线观看| 成人无码精品1区2区3区免费看| 青青草五月天| 国产伦亲子伦亲子视频观看| 日日躁夜夜躁狠狠久久AV| 无码激情AAAAA片-区区| 久久久国产精品黄毛片 | 欧州色色| 99re这里只有精品视频了| www.色五月天.com| 五月亭亭六月天| 五月天激情婷婷久久| 精品无码99| 欧洲免费视频色| 婷婷五月天在婷| 开心五月深爱激情| 婷婷五月深爱五月| 天天激情欧美美女| 人人操AV| 99re在线观看| 9色婷婷| 欧美性猛交99久久久久99按摩| 狠狠穞A片一區二區三區| 五月天激情婷婷| 天天插天天插| 一级黄色操B| 丁乡久久| 思思99热这里只有精品| 天天综合色综合| 九九婷婷五月天影视| 日韩精品色| 久久婷婷五月综合伊人| 色色激情五月| 蜜臀AV在线观看| 五月香婷婷| 嫩BBB搡BBBB榛BBBB| 九九9久九9国产视频| 婷婷六月偷拍| 91超碰在线播放| 全高清无码视頻| 操人无码| 直接看的av| 9色在线| 婷婷五月天天激情| 伊人丁香六月婷婷| 激情丁香五月婷婷| 天堂无码人妻精品AV一区| 婷婷激情五月天激情小说| 一区二区乱码视频| 六月婷婷网站| www,久久久| 久久A极片| 亚洲免费观看高清完整版AV线| 色爱99| 99re6久热只有精品6在线直播| 九九热最新地址| 男女啪啪做爰高潮无遮挡| 超碰99热在线观看| 五月天婷婷网站| 欧美性爱五月天| 久久久久久久11111111111| 久99999热视频在线观看免费| 桃色五月天| 色五月婷婷青娱乐| 美欧日韩国产成人在战| 婷婷玖玖丁香| 婷婷五月激情四月综合| 婷婷五月天综合网| 日韩成人电影AV| www.99操| 九九视频这里只有精品在线播放| 色色色色色色网站| 99视频一区| 九九热精品视频在线观看| 婷婷综合97| 色婷婷在线电影| 婷婷月综合| 天天干天天爽| 九九re精品视频在线观看| 丁香婷婷五月天色播| 怕怕視頻| 五月丁香影院| 久久五月热| 九九热这里有精品23| www99热| 99热天堂| 小香蕉av| 开心五月激情| 99热这里只有精品2| 99热精品在线播放| 日本三级韩三级99久久| 色五月五月婷婷| 亚洲a色| 大香蕉在线观看9| 久久这里在精品视频| 97色啪| 五月天丁香婷婷久久九| 六月香五月婷| 色婷婷久久| 影音先锋一区二区三区| 99这里| 狠狠精品干练久久久无码中文字幕 | 蜜桃婷婷五月| 成人午夜天| 亚洲综合在线播放| 亚洲操B| 国产精产国品一二三在观看| 丁香六月婷婷久久综合八月| 亚洲无线视频| 久热99热| 操日视频| 手机在线日韩视频中文字幕| 欧美成人色婷婷| av免费在线观看0| 五月婷婷成人w| 六月天婷婷| 另类亚洲2| 激情婷婷久久| 91九色熟女| 免费观看日韩成人av| 欧美va精品va老师va| XX久久| 色五月婷婷影视| www.婷婷,com| 97干视频在线| 综合网啪啪| 国产精品视频| 色婷婷9| 99热在线观看这里只有精品| 夜精品无码A片一区二区蜜桃| 97日在线视频| 婷婷99狠狠躁天天| 久久这里只有精彩| 丁香久久| 丁香五月天偷拍| 久久婷婷五月| 激情五月婷婷色综合| 午夜天堂一区人妻| 婷婷久久亚洲| 五月婷婷日| 日韩一级网站| 久久九色| 少妇被下春药玩弄A片| 97超级碰碰碰久久久| 激情五月天免费视频| AA片在线观看视频在线播放| 五月四色婷婷| 久综合九综合99| 黄色笑话深爱激情网丁香五月婷婷啪啪啪啪啪| 五月丁香在线婷婷美女| 97人人干视频| 开心激情五月天网| 99人人干人人操| 久久女婷| 六月丁香五月婷婷| 色情久久久| 日韩啪啪视品| 色5月婷婷色| 新97人人上人人| 婷婷综合网| 日韩欧美一区二区三区四区| 婷婷视频在线碰| 99视频在线观看网址| 狠狠色丁香婷婷久久综合| 精品人妻久久久久久| 婷婷色偷拍| 午夜丁香婷婷| 大香蕉人妻| 色五月 五月婷婷| 婷婷成人AV| 狠狠操狠狠操AV| 玖久精品视频9| 九九热91| 禁欲电影完整版在线播放| 337午夜福利| 成人精品人妻| 69超碰在线| 五月婷视频在线| 久久九九视频网站| 日本少妇裸体做爰高潮片| 五月天激情AV| 久操b网| 丁香婷婷狠狠97| 狠狠干综合| WWW·天天操·视频?| 国产亚洲精品AAAAAAA片 | 色色色五月婷| 无码 av电影| 99热97| 婷婷五月天成人五月天| 性爱网六月丁香| 婷婷五月激情图片| 一级二级色大片| 五月丁香欧美综合| 亚洲乱码日产精品BD在线观看| 久热网在线视频| 久久久精品AV| 黄桃AV无码免费一区二区三区| 五月丁香婷婷激情视频| 玖玖九九99| 狼人久草| 六月合五月婷| av操一操| 免费视频WWW在线观看网站| 色色色色综合| 激情综合网,婷婷| 色色网91| 粉嫩AV久久一区二区三区| 六月婷婷中文字幕| 国产精品五月丁香| 五月天综合激情网| 九九九干精品| 色婷婷六月天| 久久亚洲激情五码| 激情图片亚洲| 97碰在线免费观看| 久热一区| 狠狠干夜夜干| 色中色综合| 丰满少妇猛烈A片免费看观看| 亚洲成人人人操| 99久久这里只有精品免费官网| 丁香六月婷婷久久高清| 狠狠爱婷婷爱| 日韩黄色中文字幕| 五月综合无码| 清色五月天| 五月天婷婷一起草| 97干综合网| 综合性爱网| 97资源碰碰| 玖玖热视频| 国产精品久久久60086| 99热网站| 国产成人综合网| 九九色播五月丁香| 日韩精品电影| 色综合久久无码| 亚洲五月综合色播| 久久婷婷啪啪视频| 丁香六月婷婷操逼网| 久热大香蕉| 五月六月伦理| 淫荡工a| 这里都是精品99| 超碰97免费在线| 69热91天堂| XX色综合| 99这里有精品视频| 丁香五月天欧美在线| 五月丁香A片| 6 9式性爱视频在线播放| www.婷婷| 人人操五月天| 日韩成人中文字幕| 五月婷婷激情日本| 色小说五月天| 九九热视频免费| 色婷婷五月天天天天天天天天天| 男女99免费视频| 久久精品视频在这里有| 久久婷婷六月综合综合色| 五月婷婷激情综合拍| 99热在线观看这里只有精品| 五月天五月天激情网| WWW,五月| 激情五月天天狠狠久久| 色五月婷婷中文字幕| www.天天日| 午夜婷婷| 九草性爱| 97在线观视频免费观看| 99免费在线视频| 丁香婷婷六月天| 五月天激情啪啪| 亚洲五月天另类小说图片| 日本激情综合| 丁香五月综合网亚洲综合欧美狠狠| 97成人操| 色欲AVV| 婷婷五月天性色| 久草五月| 国产操碰| 婷婷五月天成人网| 99热18| 色色色色色色色色网站| 婷婷五月天久久久| 久久综合中文| 涩五月婷婷| 成人电影一区| 欧美人妻一区二区| 99热超碰在线| 色色色色色网| 99性爱视频| 五月丁香啪| 精品人妻伦九区久久AAA片| 婷婷五月天开心网| 99热18| 五月天伊人| 99ER热精品视频| 国产精产国品一二三在观看| 国产高清av黄色看片| 丁香五月激情久久麻豆| 夜色.cnm| 大香蕉久久婷婷精品综合| 中文字幕日韩成人| 97色婷| 97干在线| 六月婷婷无码| 韩国婷婷丁香五月| 开心五月深爱五月丁香五月激情五月| 5月婷婷激情在线| 久久人妻视频| 夜夜 操无码| 国产在这里只有精品| 丁香五月影院| 日本久久九| 啪啪色激情五月天| 丁香无月在线观看| 开心亚洲久久开心| 99九无网码| 在线中文AV| 五月丁香花视频| 99re99热| 五月丁香激情婷婷| 成片免费观看视频大全| 六月久久婷婷| 26UUU欧美| 色婷婷五月综合| 91婷婷色 | 四季8848精品成人免费网站| 丝袜人妻| 丁香五月天激情免费在线观看AV777| 久久性视频| 亚洲综合一区二区| 人人人人人人人草| 国产激情综合五月久久| 极品色丁香| 五月天影院婷婷在线观看| 亚洲激情av| 高清国产一级婬片a免费| 五月天停停成人网| 色五月婷婷九月| 精品婷婷| 婷婷色五月综合| 99热狠狠操| 九九热黄色| 丁香五月在线视频| 亚洲AV影片在线观看| 伊人婷婷综合| 丁香六月婷婷| 久草网大香视频| 五月婷婷久| 夜精品无码A片一区二区蜜桃| 97干免费视频| 色热久| 超碰自拍天堂| 天天爽天天摸| 91九九九色在| www,五月天激情| 影音先锋高清无码资源网| 丁香 婷婷五月| 思思热在线观看| 精品成人在线观看| 婷婷性爱五月天| 激情婷婷99| 激情伊人五月婷婷久久| 中文字幕乱码亚洲精品一区| 色综合色综合色综合高潮| 色婷婷网| 亚洲AV激情五月综合网| 亚洲精品无码一区二区| AV天堂淫乩| 99成人| 在线观看五月婷婷网| 99视频自拍| 久久99精品视频| 午夜免费试看| 婷婷五月天最新综合你懂的 | www,天天干| 亚洲亚洲人成综合网络| 色综合综合色| 丁香五月很很肏| 婷婷激情社区| 六月婷婷啪啪| 欧美在线干| 色婷婷五月影视| 色区久久| www.久久五月天.com| 中文字幕欧美日韩VA免费视频| 激情五月婷婷欧美极品| 免费91久久精品| 五月丁香啪啪伦理电影| 精品九九婷婷| 色婷婷综合亚洲| 第五婷婷伊人丁香色| 中文字幕成人| 米奇激情婷婷| 爆乳熟女-区二区三区| 999热这里只有精品| 91九色熟女| 六月婷婷五月天| 综合欧美五月婷婷| 伊人婷婷99热精品| 久婷五月| 伊人激情网| www.91操| 伊人六月丁香婷婷| 天天操精品| 色人久久| 婷婷色香六月综合激情| 九热视频免费观看| 久久99综合| 国产xxxxx在线观看| www.色婷婷| 综合色图区| 97精品人人A片免费看| 色99网站| 婷婷色五月天色| 日本综合色图| 婷婷五月六月丁香综合| 久久性刺激| 中文字幕按摩做爰| 成人色图情色成人网 www.5b5b5bcom 五月天| 香蕉伊人综合| 天天色播| 婷婷开心激情五月激情网| 99久久新视频| 久久九九综合| 五月婷丁香| 丁香久久九九99| 久综合网| 色色婷婷丁香五月天| 婷婷久久午夜网| 人人操人人添人人摸97| 狠狠综合网| 色99网站| 天天干天天日天天插| 91九九热| 九九激情| 久久玖玖综合| 精品皮股午夜AV| 婷婷成人AV| 天天色天天操天天射| 99久久精品国产色欲| 欧洲激情五月天| 色情久久久| 青草青草视频2免费观看| 五月 成人 婷婷| ss99热| 久久综合爱| 6 9式性爱视频在线播放| 91色久| 亚洲色啪| 欧美在线操| av在线观看免费| 色色激情网| 色色五月天婷婷| 五月天亚洲图片婷婷| 丁香九月激情| 99视频精品视频| 欧美日本韩国亚洲| 丁香婷婷视频一区二区| 激情婷婷五月| 欧洲毛片基地c区| 五月天丁香欧美激情| 日本操B视频| 99热精品观看| 99在线精品免费视频| 久久精品爱爱| 亚洲字幕AV一区二区三区四区| 丁香五月人妻熟女| 激情六月婷婷| 亚洲综合色网站| av网站不卡在线| 天天橾日日橾夜夜橾17| 精品自拍97| 婷婷丁香五月综合免费视频百花| 99日本在线| 99久久综合网| 婷婷丁香五| 日本久久久97| 五月婷婷天天| 99日韩| av国产精品| 五月综合缴情网| 日韩三级视频一区二区| 日韩综合久| 怡红院 久久| 综合色99| 五月婷婷婷婷婷| 婷婷丁香社区| 天天操婷婷| 99爱免费在线视频| 久久女人九九| 五月天久草| 国产毛片欧美毛片久久久| www激情| 久9视频免费播放| 色99热| 日韩免费乱轮网站| 亚洲AV成人无码精品| 91操人视频| 亚洲网在线观看| 九九在线视频| 开心婷婷五月| 五月花婷婷| 丰满人妻妇伦又伦精品国产| 欧美情色一区| 琪琪色网在线| 超碰操日| 综合网狠狠| 热九九九九| 久久99精品久久久久久三级| 久久五月天色婷婷| 五月天婷婷基地| 天天色情站| 天天色综合色| 五月激情五月婷婷五月天在线| 亚洲天堂aaa| 激情五月色综合| 日本色爽| 婷婷五月天堂| 深爱五月天| 五月婷婷综合视频| 强伦轩人妻一区二区电影| 97人人干| 久久伊人五月天| 五月婷婷av| 国产精品99久久久久久久女警| 五月丁久久| 另类图片五月天婷婷| 五月丁香六月片| 伊综合蕉| 日韩AV在线免费观看| 生活片五区| 大香蕉天堂| 婷婷激情丁香五月天综合| 婷婷亚洲五月丁香综合在线| 久久99成人性爱高清视频| 99热色精品| 夜夜操天天干| 日本综合99| 99WWW免费视频| 操逼毛片国语对白| 五月丁香成人| 激情五月天婷婷在线网址发给我| 色九亚洲| 国产激情av| 日本天天操| 五月停停大香蕉| 91精品视频男人的天堂| 无码色色色色色| 天天狠狠色综合| 人人摸人人搞| 婷婷五月图片小说视频| 欧美婷婷六月丁香综合色连续高潮抽搐| 国产一级黄色影片,| 午夜大香蕉| 欧美大香蕉视频| 激情六月日韩| 五月婷婷五月天天| 五月天激情综合在线| 色狠狠综合入口| 婷婷在线日韩综合| 97狠狠色| 婷婷五月天激情综合| 深爱激情综合| 国产亚洲精品久久久久久久久动漫| 激情图片婷婷丁香五月| 五月婷婷成人网首页| 射久久丁香五月| 天天日天天色| 热99久| 色婷婷综合五月| 欧美va在线观看| 国产又爽又猛又粗的视频A片| 色www.con| 人人干AV| 97在线碰| 色婷婷五月天无码视频| WWW五月天| 五月婷婷综合丁香视频| 狠狠精品干练久久久无码中文字幕 | 久久九九经典| 久久久久久久久久久久久久人妻视频| 热久久这里只有精品| 青青久在线视频免费观看| 精品久久9| 丁香六月婷婷综合欧美| 99热9| www.com色播五月天| 丁香五月激情综合网激情五月| www.91在线观看| 丁香影院五月综合| 五月永久激情| 日韩人妻无码精品| 三日本无码| 亚洲色婷婷激情| 激情五月天视频| 《久久综合九色综合97婷婷| 亚洲丁香网| 激情视频网址| 香蕉久久国产AV一区二区| 婷婷五月丁香五月综合网| 婷婷五月综合欧美在线播放| 久久婷婷综合国产| AV网址大全在| 99国产性感视频| 丁香五月花| 色色色色色级无码| 色噜噜狠狠色综合日日| 婷婷玖玖丁香| 国产性色蜜乳| 五月开心网| 五月天婷亚洲天综合网综合| 狠狠色综合网| 日韩在线观看亚洲| 亚洲第一综合| 久超免费视频| 五月天激情视频网站| 色婷婷五月天av在线| 色婷婷综合中心| 99re6在线视频精品免费| 久久精品4| 91婷婷色五月| 999婷婷综合| 伊人五月婷婷| 中文资源在线a | 精品人妻一区| 丁香五月天无码AV| 九九99免费理论| 五月色色色| 九九色99| AV堂狠狠干| 五月丁香激情啪啪| 丁香六月av| 99视频内射三四| 一起草AV| 丁香五月天堂网| 亚洲五月丁香综合网| 色情五月综合婷婷| 色爱综合视频| www激情| 婷婷狠狠干| 91凹凸在线| 亚洲天天操| 国产真人做爰视频免费| 青草青草视频2免费观看| 国产黄大片在线观看画质优化| 国产成人精品一区二三区熟女在线| 亚洲精品一二三| 亲子乱AV-区二区三区| 六月丁香成人| 67194成I人在线观看线路1| 婷婷射丁香| 免费在线a| 日韩人妻无码精品| 久久久91| 色五月综合| 日本激情五月天‘| a级毛片一区二区免费视频| 国产午夜一区二区三区| 久99在线视频| 99ri精品| 99热思思在线观看| 182无码| 2020日日干| 99视频这里只有免费精品| 99无码视频| 色五月丁香六月婷婷| 色婷婷AⅤ| 人妻中文在线| www.思思99热| 国内精品99| 亚洲精品婷婷| 五月婷婷六月天| 欧美精品中文字幕亚洲专区| 欧美97超碰| 色婷婷免费视频| 久久婷婷综合五月| 99久久.www| 狠狠丁香| 偷拍视频五月天| 在线视频99| av国产精品| 91精品久久久久久久久久| 婷婷五月天丁香成人社区| 久久久久久97| 婷婷激情视频| 风流少妇A片一区二区蜜桃| 五月婷婷中文| 99热99在线| 97在线视频 欧美| 99ri视频在线观看| 99在线观看亚洲| 狠狠色综合网站久久久久| 色九亚洲| 日本黄色三级片内射| 1024操逼视频| 久久 这里只有精品1| 97干在线播放| 色爆五月| www,久久久| 六月丁香成人| 九九热最新地址| 亚洲另类在线观看| 色综合香蕉| 丁香五月激情宗合网| 婷婷五月花西瓜| 婷婷五月综合激情| 丁香婷婷五月份| 六月婷婷激情图片| 精品无码99| 五月婷婷激情网| 天天肏天天肏| 色五月av伊人| 伊人久久婷| 亚州第一黄网| 五月天丁香六月综合| 日本五月婷婷| 久久激情网| www狠狠爱com| 婷婷区日本| 亚洲免费99| AAA级久久久精品| 五月香婷婷| 色色A| 青草视频在线播放| 日本欧美国产| 开心五月激情婷婷| 思思热在线观看| 日日夜夜天天综合| 26UUU成人网| 9久久网| 亚洲妇女熟BBW| 丁香六月五月天| 狠狠综合久久综合| 婷婷五月丁香基| 丁香五月激情图片| 婷婷瑟瑟五月天| 丁香五月开心亚洲| 五月丁香婷婷激情| 色情综合网| 久久婷婷五月综合激情国产| 亚洲第一影院高清无码网站| 五月熟妇婷婷久久| 色99网| 97视频.干com| 色 五月 天 婷婷 丁香 九月| 丁香五月激情五月| 丁香五月久久| 婷婷久久99| 五月婷婷激情日本| 99精日本久久| 婷婷色五月大香蕉在线| A片试看50分钟做受视频| 亚洲中文字幕av| 夜夜撸日日操| 精品草原久久视频| 色五月婷婷啪啪五月| 熟女五月天久久综合| 国产欧美日韩性爱| 婷婷久久亚洲| 超碰超碰在线| 黄色五月婷婷| 婷婷六月综合基地| 啪精品| 色综合香蕉| 国产精品汇聚精彩第二页 - 高清完整版在线 - 青蛙AV | 亚洲国产网站| 激情五月天色色色| 五月婷婷久久网| 夜色热久| 男人操女人高潮91视频| 日本不卡一区二区三区| 国产精产国品一二三在观看| 香蕉综合网| 狠狠干婷婷| 五月天色色网站| 成人丁香五月| 色优久久| 中文字幕在线免费观看视频| 久久激情视频| 伊人在线视频| 丁香五月色| 激情内射人妻1区2区3区| 成人在线二区| 久久日本wwww色| 日本三级网址| 99福利导航| 久久xx| 激情五月图| 女性自慰系列第五页| 狠狠操.com| 婷婷涩涩网| 天天做天天爱天天玩夜夜爽 | 奸逼视频| 99热精品在线播放| 六月天婷婷| 婷婷六月啪啪| 中文字幕在线免费观看视频| 男男野外做爰全过程69| 国产日产亚系列精品版优势| 国产成人精品一区二区三区视频 | 白人荫道BBWBBB大荫道| 亚洲网综合在线| 色播激情婷婷| 日韩AV在线免费观看| 五月婷婷综合网| 狠狠操天天操| 日日艹思思热| 婷婷大乡焦噜噜| 色五月婷婷五月| 国产精品成av人在线视午夜片| CAOBIBI| 国产亚洲在线| 色五月六月婷婷| 高清无码网址| 久久久18| 亚洲成人AV一区在线观看| 亚洲在线操| 久色网五月| 这里只有精品视频在线| 99热精品中文字幕| 99视频综合| 自拍视频99| 国产精品电影| 五月综合影院| 欧美色色色色色色色| 四川女人毛多水多A片| 91九色超碰正在播放| 噜噜狠狠| 五月婷婷二月丁香| 五月天丁香六月综合| 1995年关宝慧版蜘蛛女| 成人va视频| 99综合网| 亚洲综合无码| 亚洲精品性色| 9色视频在线| 99精品国产乱码久久久人妻| 日韩无码91| 性 色 婷婷| 激情婷婷五月天| 丁香五月激情综合| 久99精品视频| 五月丁香综合伦理片| 欧美在线视频免费播放| 精品一二三区久久AAA片| 99色五月| 9999色色色色| 丁香五月欧美色综合| 成人αV视频免费观看| 久草 天堂| 激情五月婷婷丁香综合网| 亚洲综合激情五月久久| 另类视屏| 99精品久久久久久久婷婷久久| 啊v视频在线观看| 色呦呦在线| VA五月激情在线| 性色天| 成人龟情网丁香五月| 亚洲激情淫网| 婷婷久久综| 五月丁香六月停停停| 六月婷婷天天操夜夜爽视频| 天堂久久性| 四色五月婷婷| 天天日狠狠| 另类图片五月天| 任你擦免费视频| 欧美色五月天| 九九色综合| 日本色频| 色婷婷www| 视频在线免费观看欧洲乱码| 色五月五月丁香| 天天色亚洲| 熟女激情网| 日日操夜夜爽| 色综色网| 丁香五月亚洲无码| 婷婷色影院| 婷婷综合色色| 亚洲综合色色| 婷婷99狠狠躁天天躁中文| 丁香五月婷婷乱| 欧洲亚洲精品| 深夜婷婷 丁香| 婷婷的五月天另类视频| 69精品人人人人| 五月婷婷色播| 色婷婷五月天偷拍| WWW.五月com| 99热在线这里只有精品| 五月花婷婷| 丁香六月亚洲| 天天婷婷综合亚洲亚洲| 人人澡玖玖一| 狠狠色噜噜狠狠狠狠综合| 五月婷无码| 人人噜天天上| 色综合99无码| 视色综合| 五月婷婷性爱网| 久久AV电影| 狠狠色婷婷综合开心影视| 这里只有精品在线免费视频| 中文字幕在线aⅴ免费观看| 婷婷五月开心中文字幕色| www.天天干| 在线五月色播| 久99热| 五月丁香六月婷婷不卡免费无码| 极品人妻VIDEOSSS人妻| 亚洲综合视频天天精品| 超碰在线成人| 色A网| 亚洲欧洲中文日韩久久AV乱码| 亚洲综合丁香婷婷六月天| 成人做爰高潮A片免费视频| 五月在在观看| 激情五月天网| 色欲丁香久久| 五月综合在线婷婷图片| 六月丁香五月天| 久久99热这里| 99精品国产在热久久| 欧美毛片www| 五月天另类小说久久小说网| 国产精品热搜丁香五月婷婷| 五月婷色丁香| 99毛片| 操人无码| 激情六月天| 亚洲色色图片| 艳妇野外情欲放荡HD| 操逼棍操逼| 夜色热久| 亚洲男女激情| 五月丁香精品| 久久婷色| 青青草视频福利| 婷婷五月天丁香久久| 91免费看片| 亚洲激情亚洲激情 | 爱iii做iiii日日| 色综合另类| 九九热中文| 大伊香蕉精品视频在线| 婷婷五月天六点丁香五月| 97五月婷婷| 色久综合| 五月婷在线播放| 日本高清不卡免费一区二区三区| 熟女网站久久| 婷婷色五月婷婷姐妹| 九月婷婷在线视频| 色色综合激情| 婷婷成人网五月天| 九九色网专区| 亚洲综合草草| 丁香六月色情| 性爱人人网| 国产成人AV| 欧美丁香五月夫妻天|