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。

用LlamaIndex一條命令跑通RAG全鏈路:建庫(kù)、召回、重排、生成

用LlamaIndex一條命令跑通RAG全鏈路:建庫(kù)、召回、重排、生成 在本地跑了幾個(gè)月RAG項(xiàng)目我越來越覺得大多數(shù)人第一次接觸 LlamaIndex 時(shí)不是被模型難倒而是被“建庫(kù)、召回、重排、生成”這四個(gè)環(huán)節(jié)之間的脫節(jié)搞崩潰。你辛辛苦苦寫完 Embedding 和建庫(kù)邏輯到了查詢階段又得處理 Retriever 返回的節(jié)點(diǎn)還要為了效果再掛一層 Rerank最后手動(dòng)拼接 Prompt 調(diào)用 LLM。每一步單獨(dú)看都不復(fù)雜可串起來卻總在細(xì)節(jié)上翻車。折騰過幾次之后我把這套流程收斂成了一個(gè)腳本一行命令直接跑完先判斷索引存不存在不存在就自動(dòng)建庫(kù)存在就直接進(jìn)入召回→重排→生成整個(gè)過程每一步都有日志輸出。如果你正在做文檔問答、私有知識(shí)庫(kù)、技術(shù)客服這類項(xiàng)目這篇東西應(yīng)該能幫你少走不少?gòu)澛贰?. RAG 全鏈路的核心矛盾與一條命令的價(jià)值1.1 建庫(kù)→召回→重排→生成四個(gè)環(huán)節(jié)到底在做什么先別急著寫代碼把四個(gè)詞拆開看清楚。建庫(kù)解決的是“知識(shí)在哪里”的問題。原始文檔是一堆散文、表格、標(biāo)題模型不能直接理解整本書。你需要先按一定策略把文檔切成文本塊給每塊文本算一個(gè)向量然后把向量和原始文本一起存到索引里。這一步?jīng)Q定了后續(xù)所有鏈路的上限。很多人把建庫(kù)想得太簡(jiǎn)單以為扔給框架就行實(shí)際上切分粒度、元數(shù)據(jù)、存儲(chǔ)方式都會(huì)直接影響最終回答質(zhì)量。召回解決的是“找哪些內(nèi)容”的問題。用戶提問后系統(tǒng)把問句向量化在向量索引里找最相似的 K 個(gè)文本塊。這里的關(guān)鍵是“速度快、別漏”寧可多召回一些不相關(guān)的也不能漏掉真正包含答案的片段。這個(gè)過程類似海選標(biāo)準(zhǔn)可以寬松一點(diǎn)。重排解決的是“哪些內(nèi)容真正有用”的問題。向量召回基于embedding相似度但語(yǔ)義相似不等于能回答問題。比如“年假怎么算”和“年假的申請(qǐng)流程”向量距離很近但后者可能根本不包含答案。重排模型會(huì)更精細(xì)地計(jì)算“查詢-片段”的相關(guān)性把真正有用的片段排到最前。海選之后做一輪復(fù)試過濾掉噪音這是RAG效果質(zhì)變的關(guān)鍵。生成解決的是“如何有依據(jù)地說人話”的問題。把重排后的少量片段按模板拼進(jìn)Prompt交給大模型生成答案。同時(shí)要求模型引用片段中的內(nèi)容能顯著降低幻覺。如果少做或跳過重排Prompt里塞進(jìn)去的噪音太多大模型就容易被帶偏。這四個(gè)環(huán)節(jié)缺一不可。但傳統(tǒng)的做法是四個(gè)環(huán)節(jié)各自獨(dú)立腳本開發(fā)者既要管中間產(chǎn)物又要小心不同腳本里模型配置不一致。我實(shí)際遇到過的案例建庫(kù)腳本里用的 Embedding 模型是英文版查詢腳本里換成了中文模型向量維度都沒變運(yùn)行不報(bào)錯(cuò)結(jié)果檢索結(jié)果莫名其妙。一條命令把全流程串起來至少能減少這類低級(jí)錯(cuò)誤。1.2 為什么選擇 LlamaIndex而不是從零輪子如果你只是做原型手動(dòng)用 SentenceTransformer 算向量再加 sklearn 的余弦相似度也能跑通但那僅限于幾十個(gè)文本塊的 Demo。一旦進(jìn)入真實(shí)場(chǎng)景你很快會(huì)遇到這些問題文檔格式多種多樣有 PDF、Word、Markdown、HTML一個(gè)文檔可能幾百頁(yè)切分策略需要定制你需要保存中間狀態(tài)下次啟動(dòng)不能全部重新算你還可能要接不同的向量庫(kù)、不同的大模型接口。LlamaIndex 最核心的價(jià)值不是某個(gè)單一算法多強(qiáng)而是把“文檔加載→文本解析→索引構(gòu)建→檢索→后處理→生成”整條鏈路抽象成了統(tǒng)一接口。它的數(shù)據(jù)連接器能讀一堆文件格式節(jié)點(diǎn)解析器負(fù)責(zé)切分VectorStoreIndex 負(fù)責(zé)向量化與存儲(chǔ)Retriever 負(fù)責(zé)召回NodePostprocessor 負(fù)責(zé)重排最后通過 Query Engine 或者自定義流程交給 LLM。傳入同樣的數(shù)據(jù)你可以在不改變主流程的情況下切換不同的 Embedding 模型、向量數(shù)據(jù)庫(kù)和后端大模型。更關(guān)鍵的是LlamaIndex 在工程上留了持久化機(jī)制索引構(gòu)建好之后向量、文檔映射、索引元數(shù)據(jù)都能存到本地目錄。下次啟動(dòng)直接從磁盤加載而不是每次從零建模。這一條直接讓“一條命令跑全流程”成為可能——建庫(kù)是一次性工作之后每次啟動(dòng)都只是加載索引并查詢。1.3 “一條命令”不是炫技而是工程化的基石為什么不寫多個(gè)腳本比如build_index.py和query.py而非要合并成一個(gè)命令因?yàn)椤叭肟趩我弧北旧砭褪且环N工程約束。在團(tuán)隊(duì)協(xié)作中新同事拿到倉(cāng)庫(kù)后只需要跑一條命令不用去翻 README“先執(zhí)行 A 再執(zhí)行 B”在自動(dòng)化任務(wù)中定時(shí)重建索引也只需要在 Cron 里寫一行在排障時(shí)我們只需要看一條命令的日志流中間不會(huì)出現(xiàn)“上次重建索引用的模型和這次不一致”的詭異問題。有人會(huì)覺得“一條命令”意味著參數(shù)被寫死、擴(kuò)展性差其實(shí)恰恰相反。一個(gè)設(shè)計(jì)良好的 CLI 入口可以通過參數(shù)控制文檔目錄、索引目錄、Top K 值、重排數(shù)量、是否強(qiáng)制重建默認(rèn)值滿足大多數(shù)場(chǎng)景同時(shí)開放自定義。這也是我推薦大家照著這個(gè)思路去搭建自己項(xiàng)目的核心原因。2. 環(huán)境準(zhǔn)備與組件選型2.1 依賴清單與安裝命令在開始寫代碼前先把環(huán)境準(zhǔn)備好。我建議用 Python 3.10 或更高版本開一個(gè)干凈的虛擬環(huán)境避免和項(xiàng)目依賴沖突。以下是我在這套流程里實(shí)際使用的核心依賴pip install llama-index-core pip install llama-index-readers-file pip install llama-index-embeddings-huggingface pip install llama-index-llms-ollama pip install sentence-transformersllama-index-core是 LlamaIndex 的核心庫(kù)提供文檔加載、索引、檢索等主流程llama-index-readers-file讓 SimpleDirectoryReader 支持更多文檔格式llama-index-embeddings-huggingface負(fù)責(zé)接入 Hugging Face 上的 Embedding 模型llama-index-llms-ollama用于連接本地部署的推理服務(wù)sentence-transformers是我們自定義重排器時(shí)要用到的 CrossEncoder 工具包。如果你后面打算用 Chroma、Qdrant 或者 Milvus需要再裝對(duì)應(yīng)的擴(kuò)展包。但在起步階段我強(qiáng)烈建議先用 LlamaIndex 自帶的SimpleVectorStore它不需要額外啟動(dòng)服務(wù)索引可以直接持久化到本地目錄足夠跑通整條鏈路。2.2 Embedding、Rerank、LLM 三個(gè)模型的選型Embedding 模型這個(gè)環(huán)節(jié)決定文本向量化的質(zhì)量。中文場(chǎng)景下我優(yōu)先推薦 BGE 系列尤其BAAI/bge-small-zh-v1.5維度 512對(duì) CPU 和內(nèi)存都比較友好效果也能滿足大多數(shù)場(chǎng)景。如果機(jī)器條件更好可以換BAAI/bge-base-zh-v1.5維度 768準(zhǔn)確率會(huì)更高一些。再往上還有BAAI/bge-m3支持多語(yǔ)言和長(zhǎng)文本但資源占用也大很多。記住一個(gè)原則建庫(kù)和查詢必須使用同一個(gè) Embedding 模型換模型就必須重新建庫(kù)。Rerank 模型我用的是BAAI/bge-reranker-base。它和bge-reranker-large相比速度更快效果差距并沒有想象中那么大。重排模型通常比 Embedding 模型大不少如果內(nèi)存緊張建議用量化版本或者放在 GPU 上。還有一個(gè)無法回避的現(xiàn)實(shí)重排是逐對(duì)計(jì)算的性能和 Top K 直接相關(guān)所以不要一開始就把重排數(shù)量設(shè)成好幾十。LLM 模型為了隱私和成本控制我優(yōu)先用本地 Ollama 部署的開源模型比如qwen2.5:7b。你只需要在代碼里替換成你自己的服務(wù)地址和模型名就行。如果公司內(nèi)部有其他兼容 OpenAI 協(xié)議的統(tǒng)一推理平臺(tái)也完全可以接入LlamaIndex 的 LLM 抽象層會(huì)幫你統(tǒng)一處理。2.3 存儲(chǔ)方案與向量檢索的直觀理解起步階段默認(rèn)的SimpleVectorStore是最合適的。它本質(zhì)上就是把向量存在內(nèi)存里然后序列化到本地目錄。你不需要去裝一個(gè) Vector Database也不用配置連接字符串。等你索引條目到了幾十萬(wàn)級(jí)或者需要多人并發(fā)查詢、復(fù)雜過濾、動(dòng)態(tài)更新時(shí)再遷移到 Chroma 或 Milvus 也不遲。向量檢索是怎么工作的簡(jiǎn)單說每個(gè)文本塊被 Embedding 模型映射成一個(gè)高維向量查詢時(shí)同樣把問句映射成向量然后計(jì)算兩個(gè)向量之間的余弦相似度。余弦相似度公式是向量點(diǎn)積除以模長(zhǎng)乘積結(jié)果區(qū)間在 -1 到 1 之間越接近 1 表示方向越一致、語(yǔ)義越相關(guān)。比如二維向量 [1,0] 和 [0,1] 的余弦相似度是 0它們正交可以理解成完全不相關(guān)[1,0] 和 [0.99,0.01] 的余弦相似度接近 1則方向非常接近。這也是為什么 RAG 要配合重排——余弦相似度衡量的是語(yǔ)義分布是否接近但無法直接判斷“這段文字是否包含問題的答案”。重排器會(huì)以更精細(xì)的交互方式把查詢和候選文本拼起來重新打分把相似但無用的內(nèi)容壓下去。3. 從零搭建索引構(gòu)建與核心參數(shù)取舍3.1 文檔加載與常見格式坑LlamaIndex 里最簡(jiǎn)單的方式是用SimpleDirectoryReader讀取一個(gè)目錄下的所有文件。它的實(shí)現(xiàn)足夠聰明能根據(jù)文件擴(kuò)展名自動(dòng)選擇解析器。但實(shí)際項(xiàng)目里文檔格式往往是最大的坑。先說 PDF。很多 PDF 是從打印系統(tǒng)導(dǎo)出的沒有文本層直接解析會(huì)得到一堆亂碼或者大量空白。即便有文本層復(fù)雜的表格和排版也會(huì)被打亂順序。我的建議是PDF 優(yōu)先轉(zhuǎn)成 Markdown 或者純文本再喂給索引器如果 PDF 是掃描件先走一層 OCR 轉(zhuǎn)換否則后續(xù)無論檢索還是重排都會(huì)受到極大影響。再說 Word。SimpleDirectoryReader對(duì) docx 的支持不錯(cuò)但前提是你安裝了對(duì)應(yīng)的依賴。如果你遇到“文件存在但讀取不到內(nèi)容”的情況先檢查是不是缺少解析庫(kù)比如讀取 docx 需要安裝python-docx。表格數(shù)據(jù)是另一類麻煩。如果文檔里全是表格直接按段落切分會(huì)把表格拆得七零八落。我建議在進(jìn)入 RAG 之前把表格轉(zhuǎn)換為 Markdown 表格格式因?yàn)?Markdown 表格在文本切分時(shí)還能保留結(jié)構(gòu)語(yǔ)義。標(biāo)題、列表、注釋也同理盡量保留結(jié)構(gòu)信息有助于后續(xù)檢索時(shí)區(qū)分主次。3.2 文本切分參數(shù)chunk_size、overlap、metadata文本切分是建庫(kù)環(huán)節(jié)最值得花時(shí)間調(diào)的部分。LlamaIndex 默認(rèn)的SentenceSplitter已經(jīng)能處理大多數(shù)情況但你需要理解兩個(gè)關(guān)鍵參數(shù)chunk_size和chunk_overlap。chunk_size控制每個(gè)文本塊的最大字符數(shù)。我實(shí)測(cè)下來中文場(chǎng)景下512是一個(gè)比較穩(wěn)的起步值。這個(gè)數(shù)字太小比如 128一個(gè)完整的技術(shù)方案會(huì)被切成好幾塊回答問題時(shí)就容易找不到完整上下文數(shù)字太大比如 2048一個(gè)塊里包含太多段落向量語(yǔ)義會(huì)被稀釋而且最終 Prompt 塞進(jìn)去也容易超長(zhǎng)。當(dāng)然這不是死的如果你的文檔本身邏輯塊很大可以適當(dāng)調(diào)大。chunk_overlap控制相鄰文本塊之間的重疊字符數(shù)。為什么要重疊因?yàn)榍蟹贮c(diǎn)很可能落在一個(gè)句子或概念中間有了重疊后半段文檔的起始部分會(huì)在前一個(gè)塊里再出現(xiàn)一次避免關(guān)鍵信息正好被切掉。我通常設(shè)置為50到100大約控制在chunk_size的 10% 到 20%。如果你的文檔里天然有清晰的 Markdown 標(biāo)題分級(jí)也可以考慮用MarkdownNodeParser它會(huì)更智能地按標(biāo)題層級(jí)切分而不是硬切長(zhǎng)度。還有一個(gè)容易被忽略但非常重要的點(diǎn)給文本塊掛 metadata。比如file_path或page_number這樣生成答案時(shí)可以通過node.metadata拿到來源在 Prompt 里展示“參考來源”或者在 UI 上高亮對(duì)應(yīng)的 PDF 頁(yè)碼。沒有來源的 RAG 很難讓人信任。3.3 向量化與索引持久化文檔切好之后就到了 Embedding 和索引構(gòu)建環(huán)節(jié)。LlamaIndex 的VectorStoreIndex會(huì)逐塊調(diào)用 Embedding 模型把文本塊向量化然后寫入存儲(chǔ)。如果你有 1 萬(wàn)個(gè)文本塊每個(gè)塊在 CPU 上做 Embedding 大約需要 0.1 到 0.5 秒全量建庫(kù)可能就得半小時(shí)以上。耐心等不要在中途頻繁打斷進(jìn)程否則容易寫出不完整的向量文件。持久化其實(shí)很簡(jiǎn)單核心代碼如下storage_context StorageContext.from_defaults(persist_dir./storage) index VectorStoreIndex.from_documents(documents, storage_contextstorage_context) storage_context.persist()持久化之后storage目錄里會(huì)出現(xiàn)多個(gè) JSON 文件分別存向量、文檔關(guān)系、索引元數(shù)據(jù)。以后加載索引只需要storage_context StorageContext.from_defaults(persist_dir./storage) index load_index_from_storage(storage_context)這里有一個(gè)很重要的工程經(jīng)驗(yàn)索引和 Embedding 模型是綁定在一起的。如果你升級(jí)了 Embedding 模型或者改變了切分參數(shù)必須強(qiáng)制重建索引否則舊索引和新查詢向量無法對(duì)齊。這也是為什么我的腳本里保留了一個(gè)--force-rebuild參數(shù)專門用于這種“配置變更后的重建”。4. 一條命令跑通全流程完整的可復(fù)現(xiàn)工程4.1 工程目錄與 CLI 設(shè)計(jì)我做這套腳本時(shí)目錄約定如下rag_pipeline/ ├── data/ # 放原始文檔 ├── storage/ # 索引持久化目錄 └── local_rag.py # 主腳本主腳本接收以下參數(shù)參數(shù)作用默認(rèn)值--query用戶提問必填--data-dir原始文檔目錄./data--index-dir索引持久化目錄./storage--force-rebuild強(qiáng)制重建索引False--top-k召回候選數(shù)20--rerank-top-n重排后保留數(shù)5我不建議一開始設(shè)計(jì)一堆花哨的接口上面這幾個(gè)參數(shù)已經(jīng)覆蓋絕大多數(shù)場(chǎng)景。top-k和rerank-top-n是你在做效果評(píng)測(cè)時(shí)最常調(diào)整的兩個(gè)旋鈕后面會(huì)細(xì)講。4.2 完整代碼從建庫(kù)到生成一步到位下面是完整的local_rag.py。我把流程拆成了四個(gè)子步驟并且用日志打印每一步方便排查。這段代碼基于 LlamaIndex 0.10.x 的 API 編寫如果你用的是其他版本可能需要小幅適配。import argparse import os import time from typing import List # LlamaIndex 核心 from llama_index.core import ( SimpleDirectoryReader, VectorStoreIndex, StorageContext, load_index_from_storage, Settings, ) from llama_index.core.schema import BaseNode from llama_index.core.schema import QueryBundle from llama_index.core.node_parser import SentenceSplitter from llama_index.core.postprocessor.types import BaseNodePostprocessor # Embedding 和 LLM from llama_index.embeddings.huggingface import HuggingFaceEmbedding from llama_index.llms.ollama import Ollama # 重排模型 from sentence_transformers import CrossEncoder # 配置全局模型 Settings.embed_model HuggingFaceEmbedding( model_nameBAAI/bge-small-zh-v1.5 ) # 根據(jù)你的本地推理服務(wù)修改 model 和 base_url Settings.llm Ollama( modelqwen2.5:7b, request_timeout120.0, ) # 自定義重排后處理器 class LocalReranker(BaseNodePostprocessor): def __init__(self, model_name: str BAAI/bge-reranker-base, top_n: int 5): super().__init__() self._model CrossEncoder(model_name) self._top_n top_n property def _node_type(self) - str: return Node def postprocess_nodes( self, nodes: List[BaseNode], query_bundle: QueryBundle, **kwargs ) - List[BaseNode]: if not nodes: return nodes pairs [(query_bundle.query_str, node.get_content()) for node in nodes] scores self._model.predict(pairs) scored_nodes list(zip(scores, nodes)) scored_nodes.sort(keylambda x: x[0], reverseTrue) return [node for _, node in scored_nodes[: self._top_n]] def build_index(data_dir: str, index_dir: str, force_rebuild: bool): 建庫(kù)讀取文檔→切分→向量化→持久化 if os.path.exists(index_dir) and not force_rebuild: print([建庫(kù)] 檢測(cè)到已有索引跳過建庫(kù)步驟) storage_context StorageContext.from_defaults(persist_dirindex_dir) return load_index_from_storage(storage_context) print(f[建庫(kù)] 開始讀取目錄: {data_dir}) documents SimpleDirectoryReader( input_dirdata_dir, required_exts[.md, .txt, .docx, .pdf], recursiveTrue, ).load_data() print([建庫(kù)] 開始切分文本...) splitter SentenceSplitter(chunk_size512, chunk_overlap50) nodes splitter.get_nodes_from_documents(documents) print(f[建庫(kù)] 共切分 {len(nodes)} 個(gè)文本塊開始向量化...) storage_context StorageContext.from_defaults(persist_dirindex_dir) index VectorStoreIndex(nodes, storage_contextstorage_context) storage_context.persist() print([建庫(kù)] 索引構(gòu)建完成并已持久化) return index def retrieve(index, query: str, top_k: int): 召回從索引中獲取候選節(jié)點(diǎn) print(f[召回] 開始向量召回 top {top_k} ...) retriever index.as_retriever(similarity_top_ktop_k) nodes retriever.retrieve(query) print(f[召回] 得到 {len(nodes)} 個(gè)候選片段) return nodes def rerank(nodes, query: str, rerank_top_n: int): 重排用 CrossEncoder 對(duì)候選片段二次打分 print(f[重排] 開始精排保留 top {rerank_top_n} ...) processor LocalReranker( model_nameBAAI/bge-reranker-base, top_nrerank_top_n, ) query_bundle QueryBundle(query_strquery) filtered_nodes processor.postprocess_nodes(nodes, query_bundle) print(f[重排] 最終保留 {len(filtered_nodes)} 個(gè)片段) return filtered_nodes def generate(query: str, nodes): 生成拼接 Prompt 并調(diào)用 LLM print([生成] 拼接上下文調(diào)用大模型...) context \n\n.join( f[片段{i1}]\n{node.get_content()} for i, node in enumerate(nodes) ) prompt f請(qǐng)根據(jù)下面的參考片段回答用戶問題。 參考片段 {context} 用戶問題{query} 要求 1. 優(yōu)先使用參考片段中的信息回答 2. 如果參考片段中沒有相關(guān)內(nèi)容請(qǐng)直接回答“未在資料中找到相關(guān)信息” 3. 回答盡量簡(jiǎn)潔、準(zhǔn)確 回答 response Settings.llm.complete(prompt) print(\n * 40) print(問答結(jié)果) print(response.text) print( * 40) return response.text def run_pipeline(): parser argparse.ArgumentParser(description一條命令跑完 RAG 全流程) parser.add_argument(--query, requiredTrue, help用戶提問) parser.add_argument(--data-dir, default./data, help原始文檔目錄) parser.add_argument(--index-dir, default./storage, help索引持久化目錄) parser.add_argument(--force-rebuild, actionstore_true, help強(qiáng)制重建索引) parser.add_argument(--top-k, typeint, default20, help召回候選數(shù)) parser.add_argument(--rerank-top-n, typeint, default5, help重排后保留數(shù)) args parser.parse_args() # 步驟 1建庫(kù) time_start time.time() index build_index(args.data_dir, args.index_dir, args.force_rebuild) # 步驟 2召回 nodes retrieve(index, args.query, args.top_k) # 步驟 3重排 filtered_nodes rerank(nodes, args.query, args.rerank_top_n) # 步驟 4生成 generate(args.query, filtered_nodes) time_end time.time() print(f\n[完成] 總耗時(shí): {time_end - time_start:.2f} 秒) if __name__ __main__: run_pipeline()4.3 執(zhí)行效果與預(yù)期輸出假設(shè)你的data目錄里放了幾份員工手冊(cè)然后執(zhí)行python local_rag.py \ --query 新員工的年假天數(shù)是怎么計(jì)算的 \ --data-dir ./data \ --top-k 20 \ --rerank-top-n 5第一次運(yùn)行時(shí)如果storage目錄不存在會(huì)自動(dòng)進(jìn)入建庫(kù)流程。你會(huì)看到類似這樣的日志[建庫(kù)] 開始讀取目錄: ./data [建庫(kù)] 開始切分文本... [建庫(kù)] 共切分 128 個(gè)文本塊開始向量化... [建庫(kù)] 索引構(gòu)建完成并已持久化 [召回] 開始向量召回 top 20 ... [召回] 得到 20 個(gè)候選片段 [重排] 開始精排保留 top 5 ... [重排] 最終保留 5 個(gè)片段 [生成] 拼接上下文調(diào)用大模型... 問答結(jié)果 根據(jù)員工手冊(cè)新員工的年假天數(shù)根據(jù)入職時(shí)間按比例折算具體為…… [完成] 總耗時(shí): 18.23 秒第二次再執(zhí)行同一條命令時(shí)建庫(kù)步驟會(huì)直接跳過總耗時(shí)通常能降到 5 秒以內(nèi)取決于重排模型和 LLM 的速度。這就是“一條命令跑完全流程”的直觀體驗(yàn)。4.4 參數(shù)調(diào)節(jié)建議表調(diào)參是 RAG 的日常。下面這張表列出的默認(rèn)值是我在多個(gè)文檔問答項(xiàng)目里反復(fù)試出來的起點(diǎn)但最終取值一定要基于你自己的文檔做評(píng)測(cè)。參數(shù)默認(rèn)值設(shè)置過低的后果設(shè)置過高的后果chunk_size512上下文碎片化關(guān)鍵信息被切斷向量語(yǔ)義被稀釋檢索精度下降Prompt 易超長(zhǎng)chunk_overlap50切分點(diǎn)可能切斷完整句子文本塊之間大量重復(fù)索引體積膨脹top_k20漏召回正確答案不在候選中重排負(fù)擔(dān)重單次查詢延遲變高rerank_top_n5過濾掉了潛在正確答案LLM 上下文噪聲增加生成變慢且容易跑偏我自己的習(xí)慣是先固定chunk_size512和chunk_overlap50然后用一組真實(shí)問題做評(píng)測(cè)。如果發(fā)現(xiàn)答案沒找到先把top_k從 20 升到 40看是不是召回階段漏了如果召回候選里能找到正確答案但最終答案不對(duì)那就把rerank_top_n從 5 調(diào)到 8或者檢查重排模型是否與領(lǐng)域匹配如果整體延遲太高優(yōu)先降top_k和rerank_top_n。5. 實(shí)測(cè)遇到的高頻問題和排查技巧5.1 召回結(jié)果為空或根本檢索不到最典型的癥狀是索引構(gòu)建成功日志也提示得到了候選片段但生成出的答案胡編亂造或者壓根沒有用上參考內(nèi)容。首先檢查 Embedding 模型是否加載成功。如果 Hugging Face 模型第一次下載失敗Settings.embed_model可能變成空對(duì)象LlamaIndex 不會(huì)直接報(bào)錯(cuò)而是用默認(rèn)的模擬模型結(jié)果檢索結(jié)果全部是隨機(jī)序。我踩過這個(gè)坑花費(fèi)大量時(shí)間排查后才發(fā)現(xiàn)是模型文件沒下全。解決辦法是啟動(dòng)時(shí)打印Settings.embed_model的關(guān)鍵屬性或者單獨(dú)跑一次embedding Settings.embed_model.get_text_embedding(測(cè)試)看維度是否正常。其次檢查文檔切分是否成功。如果原始文檔里全是圖片掃描件文本切分之后可能一個(gè)有效節(jié)點(diǎn)都沒有。你可以臨時(shí)打印建庫(kù)后的節(jié)點(diǎn)內(nèi)容和數(shù)量確認(rèn)至少有一個(gè)完整句子級(jí)的文本塊。我見過某項(xiàng)目把掃描版 PDF 直接扔進(jìn)去索引建了但節(jié)點(diǎn)里全是空行最后召回一堆空白。還有幾種低概率原因查詢語(yǔ)言與文檔語(yǔ)言不一致比如文檔是中文查詢用了英文模塊文本切分后只有寥寥幾個(gè)塊向量空間上的區(qū)分度不夠又或者你有多個(gè)storage目錄命令行參數(shù)--index-dir指錯(cuò)了位置。排查時(shí)先看日志里的索引路徑再打印幾個(gè)召回節(jié)點(diǎn)的node.get_content()開頭 100 個(gè)字符基本就能定位。5.2 重排階段超時(shí)、內(nèi)存爆炸CrossEncoder 是逐對(duì)計(jì)算的當(dāng)top_k20時(shí)一次查詢要做 20 次模型推理這比 Embedding 一次查詢要多得多。如果你把top_k設(shè)成 100單次重排耗時(shí)可能長(zhǎng)達(dá)十幾秒在 CPU 機(jī)器上甚至可能把內(nèi)存打滿。解決辦法有三個(gè)方向把top_k控制在合理區(qū)間比如 20 到 50使用更小的重排模型比如bge-reranker-base而不是large對(duì)重排模型做量化或者干脆跑在 GPU 上。如果業(yè)務(wù)場(chǎng)景對(duì)首字延遲特別敏感可以考慮把重排模型做成獨(dú)立服務(wù)批量異步處理但這就超出了單命令的范疇屬于上線架構(gòu)問題。另外sentence_transformers在predict的時(shí)候默認(rèn)會(huì)使用你本機(jī)最大的 batch size如果顯存或內(nèi)存不夠可以在調(diào)用時(shí)加一個(gè)batch_size16參數(shù)scores self._model.predict(pairs, batch_size16)這個(gè)參數(shù)并不影響結(jié)果只是限制同時(shí)處理的樣本數(shù)能明顯降低內(nèi)存尖峰。5.3 生成結(jié)果亂說、引用錯(cuò)誤RAG 最大的風(fēng)險(xiǎn)是 LLM 無視參考片段自由發(fā)揮。我的排查經(jīng)驗(yàn)是先看 Prompt 模板有沒有做強(qiáng)約束。如果直接寫“根據(jù)以下內(nèi)容回答問題”模型自由度太高。更穩(wěn)的寫法是明確要求“如果參考片段中沒有對(duì)應(yīng)信息請(qǐng)直接回答未找到”同時(shí)給片段編號(hào)讓答案中帶上[片段1]這樣的引用標(biāo)記。下面是我常用的 Prompt 約束1. 優(yōu)先使用參考片段中的信息回答 2. 如果參考片段中沒有相關(guān)內(nèi)容請(qǐng)直接回答“未在資料中找到相關(guān)信息” 3. 回答中引用內(nèi)容時(shí)請(qǐng)標(biāo)注來源編號(hào)第二個(gè)常見原因是沒有做好重排噪聲片段被塞進(jìn)上下文。某個(gè)片段雖然和問題有較高的向量相似度但內(nèi)容其實(shí)是另一個(gè)部門的制度LLM 看到一堆相似但不相關(guān)的片段很容易被帶偏。建議把重排后的片段打印到一個(gè)調(diào)試日志里人工檢查每個(gè)片段是否真的回答問題再?zèng)Q定是否調(diào)rerank_top_n。第三個(gè)原因是 LLM 上下文被截?cái)唷H绻鹯erank_top_n8且每個(gè)片段 512 字符上下文很容易超過 4000 字符模型在長(zhǎng)上下文中容易“遺忘”靠后的內(nèi)容。解決辦法是減小chunk_size或rerank_top_n或者在 Prompt 中讓模型優(yōu)先關(guān)注前幾個(gè)片段。5.4 增量更新與索引失效最簡(jiǎn)單的索引更新方式是全量重建。如果你的文檔量不大直接跑一遍--force-rebuild是最省心的絕對(duì)不會(huì)出現(xiàn)新文檔和舊向量混存的臟狀態(tài)。如果文檔量很大全量重建的時(shí)間不可接受就需要做增量插入。LlamaIndex 的VectorStoreIndex本身支持插入新節(jié)點(diǎn)new_documents SimpleDirectoryReader(input_files[./data/new_file.md]).load_data() new_nodes splitter.get_nodes_from_documents(new_documents) index.insert_nodes(new_nodes) storage_context.persist()但增量更新的難點(diǎn)不在于 API而在于“去重”。如果你重復(fù)插入同一份文檔索引里會(huì)出現(xiàn)重復(fù)向量檢索結(jié)果就會(huì)有大量相同內(nèi)容。我建議在文檔層面維護(hù)一個(gè) hash 表用文件內(nèi)容 hash 作為唯一標(biāo)識(shí)插入前先查這次是不是已經(jīng)處理過。更進(jìn)一步如果你做了復(fù)雜的增量更新最好在索引目錄名里加上版本號(hào)比如storage_v2_20250101萬(wàn)一線上效果衰減還能快速回滾。5.5 高頻問題速查表現(xiàn)象可能原因排查方向檢索結(jié)果全部隨機(jī)Embedding 模型沒加載成功打印Settings.embed_model單獨(dú)測(cè)向量維度召回到空節(jié)點(diǎn)文檔解析失敗檢查 PDF 是否有文本層打印節(jié)點(diǎn)數(shù)量答案沒有引用參考內(nèi)容Prompt 約束太弱加強(qiáng) Prompt 要求強(qiáng)制引用片段編號(hào)重排特別慢top_k太大降低top_k加batch_size索引越來越大重復(fù)插入/切分重疊太大做文件 hash 去重減小chunk_overlap換模型后結(jié)果變差索引和查詢模型不一致強(qiáng)制重建索引6. 影響范圍與進(jìn)階方向6.1 誰(shuí)最需要這套一條命令的 RAG很多人以為 RAG 是算法工程師的專屬工具但我在實(shí)際落地中接觸到的用戶真正高頻使用它的反而是技術(shù)負(fù)責(zé)人、產(chǎn)品經(jīng)理、客服主管和知識(shí)管理專員。技術(shù)人員拿它做內(nèi)部開發(fā)文檔問答把散落在 Confluence 和 GitLab Wiki 里的資料集中成一個(gè)可查詢?nèi)肟诳头F(tuán)隊(duì)拿它接產(chǎn)品 FAQ用戶問“退款多久到賬”系統(tǒng)能從幾十份客服手冊(cè)里快速給出帶出處的話術(shù)產(chǎn)品經(jīng)理拿它分析競(jìng)品文檔和用戶調(diào)研減少大量翻文檔的時(shí)間個(gè)人用戶則用它做論文筆記和電子書查詢本質(zhì)上是一樣的鏈路。這套方案的門檻低到什么程度只要你能把文檔放進(jìn)data目錄會(huì)運(yùn)行一條命令就能得到一個(gè)相對(duì)靠譜的問答系統(tǒng)。這非常符合實(shí)際團(tuán)隊(duì)的協(xié)作方式——不要求每個(gè)人都懂向量數(shù)據(jù)庫(kù)只需要維護(hù)入口和文檔更新。6.2 從“跑通”到“跑好”的演進(jìn)方向如果你已經(jīng)能順利跑通全流程下一步我建議按以下順序做優(yōu)化。第一加入BM25 混合檢索。向量召回擅長(zhǎng)語(yǔ)義相似但不擅長(zhǎng)精確關(guān)鍵詞匹配比如型號(hào)編碼、錯(cuò)誤代碼、合同編號(hào)這類信息。把 BM25 的關(guān)鍵詞命中和向量召回的候選結(jié)果加權(quán)合并可以顯著提升準(zhǔn)確率。第二做查詢改寫。復(fù)雜問題里經(jīng)常有口語(yǔ)化表達(dá)和指代比如“它是不是支持這個(gè)功能”中的“它”需要結(jié)合多輪對(duì)話上下文才能理解。在進(jìn)入召回前先讓 LLM 將用戶問題改寫成一個(gè)標(biāo)準(zhǔn)檢索式往往能給召回帶來很大的提升。第三建立效果評(píng)估集。找業(yè)務(wù)方要 50 到 100 個(gè)真實(shí)問題把參考標(biāo)準(zhǔn)答案標(biāo)注好每次調(diào)整參數(shù)后自動(dòng)跑一遍統(tǒng)計(jì)“檢索命中率”和“答案正確率”。這套機(jī)制比任何人的主觀感覺都可靠也是項(xiàng)目從 Demo 走向上線的關(guān)鍵一步。第四把單命令腳本擴(kuò)展為HTTP 服務(wù)。用 FastAPI 包一層接收查詢請(qǐng)求復(fù)用同一個(gè)storage目錄加上緩存和流式輸出就成了一個(gè)標(biāo)準(zhǔn)的 RAG 推理服務(wù)。第五考慮多租戶與元數(shù)據(jù)過濾。不同團(tuán)隊(duì)的知識(shí)庫(kù)可能混在一起通過給文本塊打team_id元數(shù)據(jù)在檢索時(shí)做條件過濾可以避免跨團(tuán)隊(duì)的信息串味。我個(gè)人在實(shí)際操作中的體會(huì)是不要一開始就追求大而全的架構(gòu)。先用這一條命令把閉環(huán)跑起來讓真實(shí)業(yè)務(wù)問題驅(qū)動(dòng)你去加深對(duì)每個(gè)環(huán)節(jié)的理解。踩過幾次坑之后你會(huì)發(fā)現(xiàn)真正決定 RAG 上限的不是用了多強(qiáng)的模型而是索引構(gòu)建時(shí)有沒有把文檔結(jié)構(gòu)想清楚Prompt 里有沒有把約束寫明白。最后再分享一個(gè)小技巧給你的storage目錄加上構(gòu)建日期作為后綴比如storage_20250101這樣哪怕改了切分策略也能隨時(shí)對(duì)比新舊版本的問答效果。等到你覺得當(dāng)前方案的工作流已經(jīng)穩(wěn)定了再往混合檢索和評(píng)估體系上擴(kuò)展整個(gè)系統(tǒng)會(huì)越用越順手。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
大香蕉啪啪啪| 99视频在线观看视频| 久草大| 国产婷婷五月| 婷婷综合在线播放| www.henhenl| 成人啪啪色婷婷久| 久久精品五月天| 九月av在线| 日韩久久日| 久9综合| 久久五月天激情| 久久精品视频在这里有| 天天爽夜夜爽夜爽精品| 色婷婷丁香五月在线观看| 亚洲天堂aaa| 十月色综合| 免费观看欧美成人AA片爱我多深| 色五月丁香婷婷| 另类视频五月天| 色婷婷丁香五月| 99精色| 婷婷五月丁香在线视频| 欧美久久网| 99免费在线视频| 久久天天| 激情综合婷婷| 色五月激情网| www.9操| 婷婷五月天性色| 中文字幕日产A片在线看| 欧美色综合天天久久综合精品| caop视频| 五月五月婷婷| 色播综合| 五月天开心成人网| 战争与艾拉电影免费观看| 五月丁香六月情婷婷久久| 天天草天天日| 亚洲操操操| 五月激情天| 99精品视频偷拍| 丁香九月婷婷综合| 九九av| 精品夜夜澡人妻无码AV| 99丁香五月| 国产伦亲子伦亲子视频观看| 996热re视频在线观看视频| 婷婷丁香综合| 亚洲日韩国产黑丝黑丝AVAV一区二区三区| 久久A热| 激情综合激情五月一起草| 六月丁香婷婷综合在线| 99热激情| 久久婷婷五月天丁香| www.一起草av| 日本在线视频播放91| 亚洲综合久| 伊人婷婷青青cao| www.狠狠干| 97五月天婷婷| 天天综合五月天| 99久久婷婷国产综合精品草原| 人妻丰满精品一区二区A片| 亚洲婷婷性爱| 超碰色婷婷| 丁香五月天啪啪| 狠狠狠狠狠狠狠狠狠狠狠色宗合图片| 婷婷深爱五月| 99碰碰| 国产乱妇无乱码大黄AA片| 婷婷在线中文字幕| 婷婷丁香九月| 狠狠干青青草| 婷婷狠狠18禁久久| 男妓跪趴把舌头伸进我的嘴巴| 色香蕉精品五夜婷| 五月婷婷亚洲| 九九久久99| 亚洲综合五月天婷婷| 伍月激情天| 俺也去综合| 99爱视频在线| 色99视频| 99热精品网| 婷婷丁香五月综合| 婷婷五月天免费视频| 99色综合网| 国产精品国产成人国产三级| 人人操人人爰人人一天天碰夜夜拍夜夜爽-中国A级毛片天天看天天谢… | 激情五月天婷婷视频| 亚洲精品永久久久久久| 99热| 五月丁香六月成人| 久久一二三视频| 丁香五月天论坛| 婷婷五月天开心网| www,色综合| 五月天丁香六月综合| 亚洲AAAA网| 色五月激情五月开心五月| 色五月激情五月开心五月| 99精品视频免费观看近期发布| 色99无码| 无码激情精品色婷婷久久久久| 久久婷婷五月| 超碰99在线观看| 色爱综合五月| wwccc久久久| 操操操Av| 《亚洲操B久久免费在线观看,亚洲操B久久在线播放》在线播放 - 高清资源 - 97 | 人人色AV| 五月丁香琪琪| 免费日本aⅴ中文字幕| 丁香大香蕉| www.丁香黄色五月天人与| 日本久久人人| 激情五月最新网址| 婷婷六月丁香色| 天天综合五月天| 日本三级成人秘书精品片| 99九九综合久久九九| 天天爽夜夜爽夜夜爽精品| 五月天婷婷婷| 国产日韩精品SUV| 丁香激情四射| 五月色色激情网| 欧美性爱五月天| 夜色综合网| 丁香色啪综合| 丁香五月成人| 97色久| 六月丁香好婷婷| 精品久久久人妻| 丁香五月天激情四射网络不好 | 丁香综合日产精品久久| 中文网AV| 人人干99| 狠狠爱婷婷丁香| 天天天日天天天干| 久久久久久久人妻| 五月天久久久| 丁香五婷婷| 91干婷婷| 婷婷激情另类| 欧美婷婷综合| 激情黄色小说色五月| 最新日本A片| 狠狠操狠狠做| 国产无套精品一区二区| 天天日天天做天天舔| 荷兰av一级| 91综合视频丁香| 亚洲精品操一操、噜一噜、摸一摸、爽 | 婷婷丁香花五月天| 五月天久久网站| www.婷婷久久五月天| 婷婷丁香五月天欧美| 在线99热| 91成人视频| 天天噜| wwwav大香蕉| 可以免费观看的av网址| 99久在线观看| 国产亚洲99久久| 五月天另类小说久久小说网| 人人妖人人97| 婷婷五月丁香六月天亚洲综合| 免费观看18视频网站| 婷婷综合视频| 色五月天成人| 免费看片在线观看| 这里只有精品免费观看网占| 亚洲AV无码成人电影| Av性爱网| 大香蕉av在线| www..com色爱| 成人亚洲精品久久久久| 一本道综合网| 操操操B| 婷婷久久国产视频| 麻豆AV一区二区三区| 天天肏视频| 欧美久久网| 9婷婷内射| 色婷婷AV久久久久久久| 五月婷婷丁香网| 综合网视频| 99热超碰人| 99热大片| 1024欧美看片| 天天日,天天干,天天操| 婷婷五月精品中文| 五月婷婷69| 草榴成人影片| 91精品综合久久久久久五月丁香| 99碰碰中文| www.henhengan| 日韩小视频在线99| 丁香婷婷六月| 激情综合九月| 日日夜夜天天综合| 台湾综合丁香五月蜜桃| 在线观看国产高清视频免费网站 | 五月婷人妻| 大学生高潮无套内谢视频| 成人精品一区二区三区四区五区 | 色婷婷色综合久久精品V| 99热这里只有精品 搜| 日本人人超碰| 99r这里只有精品在线观看| 久久婷五月影院| 婷婷五月天堂一本在线| 天堂综合久| www,超碰| 丁香五月色| 79精品视频在线观看,| 五月天天堂久久| 丁香花五月天| 欧美精品999| 婷婷99狠狠躁天天| 搡BBBB搡BBB搡18| 久久永久网址| 91中文在线| 丁香成人综合| 一区二区你懂的| AV人人操| 丁香婷婷大香蕉| 婷婷激情综合| 天天拍夜夜爽| 亚洲蜜乳AV| 婷婷五月色色| 婷婷四月 成人 狠狠干| 九九婷婷五月天| 丁香婷婷在线| 六月丁香天堂| 日本色99| 天天插天天玩天天干| 99久久99九九99九九九| 五月香六月婷| 色婷婷AV在线| 女人天堂AV| 五月丁香六月日逼| 婷五月天| 九九色婷婷| 婷婷六月丁香开心深深爱| 婷婷五月花| 五月婷婷激情四月| 午夜成人网站在线观看| 综合色播| 深爱五月网| 超碰国产av| 九月婷婷综合| 久久九九在线视频| AV在线大香蕉| 免费无码毛片一区二区A片| 99热在线观看精品免费| 九九热视频99| 男女啪啪做爰高潮无遮挡| 国产亚洲精久久久久| 超碰在线9| 日日夜夜天天综合| 激情五月四色| 婷婷激情在线| 黄色片久久| 久久久久人妻网址| sS丁香五月婷婷| 性欧美大战久久久久久久83| 色在线99| 深爱五月中文字幕| 色情五月天。| 国产AV一区二区三区最新精品| 欧美激情五月| 欧洲综合视频| 色吧网91| 99思思| 日日操人人操| 五月婷婷欧美| 亚洲精品一二三| 色欲久久久久久综合网综合网| 色五月xxx| 激情五月天天| 91久久久久久| www.日日夜夜.com| 99re这里只有精品99| 欧美黄色一级录像| 久久婷.com| 97色五月天| 青青日韩| 无码AV免费精品一区二区三区| 99热国产免费| 丁香六月婷婷综合激情欧美 | 五月婷婷综合视频| 日本在线va| 九九人妻福利| 99久久五月丁香野外| 丁香五月人妻| 来吧亚洲综合网| 婷婷国产日本欧美| 99热这里都是精品| 4438全国最大视频成人网站在线观看| 996热| 丁香五月婷婷亚洲另类| 99热精品在线播放| 另类亚洲电影| 99热亚洲| 五月丁香香蕉| 天天舔天天摸视频| 再次出发二| 黑人无码一区| 666555。COm毛片| 丁香花五月天激情| 天天爽天天爽视频| 五月丁香网中文字幕| 伊人玖玖精品| 嫩草视频。| 五月综合无码| 亚洲色小说在线综合| 97视频91| Www.se.久久| 91丨九色丨43老版熟女| 99这里只有精品视频| 五月激情综合激情五月| 丁香婷婷啪啪| 91在线看免费 九九九九| 青柠影视免费高清电视剧| 99干日本| 久久ab| 丁香五月婷婷色五月| 97碰碰在线看视频免费| 玖玖激情网| 91性交在线播放| 色色色色网站| AA久久| 桔色成人在线| 十二区无码| 婷婷五月无码| 亚洲成人超碰| 99热这里只有精品4| www.五月激情.com| 欧美 日韩 成人 在线| 精品一二三区久久AAA片| 成人网址在线观看| 五月丁香六月成人| 婷婷五月色激情欧美激情| 热99re| 色色啊| 九九青青草成人| 综合九九久久| 91日综合欧美| 婷婷天天五月天| 久久视频在线视频| 综合久久99| 五月丁香婷婷深深爱| 噜噜噜噜噜色| 六月婷婷亚洲| 五月婷深深爱激情网| 欧美噜噜免费观看| 97人人操人人干| 99热热这里只精品996小说| 31色区视频免费看| www.色五月| 五月丁香激情综合| 99色色网| 婷婷伊人网| 九九99免费视频| 狠狠色丁香婷婷久久综合| 五月婷婷中文字幕| 六月丁AV| 五月丁香综合激情网| 天天肏天天爽夜夜爽| 丁香五月亭亭六月综合激情网| 色情五月婷| 久久一品区| 97在线视频 欧美| 天天久久九九| www.1024久久| 一本色道久久88综合日韩精品| 五月婷婷色| 色色色综合网| av中文在线| 五月激情丁香五月宗合| 五月丁香婷婷免费视频| 91色色色| 超碰国产在线播放| 婷婷九月在线| 日日鲁鲁鲁夜夜爽爽狠狠视频97| 丁香六月激情| 韩国真做片在线观看| 天天操屄网| 久久一热| 国产日日夜夜操| 丁香五月丐人妻| 婷婷区日本| 亚洲精品性色| 婷婷国产日本欧美| 久久五月激情| 欧洲S级在线观看| 九九热99视频在线| 午夜69成人做爰视频| 婷婷色色亚洲| 成人做爰A片免费看视频| 99久久综合| 婷婷六月激情在线视频| 亚洲色色在线| 婷婷5月色| 婷婷和五月天| 久久婷婷五月| 9l久久久视频| 丁香色五月婷婷17C| 亚洲成人日韩无码精品| 91狠狠综合久久久| 色情五月婷婷| av在线免费播放观看| 少妇性BBB搡BBB爽爽爽视頻| 91啪啪视频| 丁香色婷婷| av色色国产| 激情综合色| 99热伊人| 五月婷婷丁香五月| 亚洲最大在线| 狠狠草网| 热热99爱爱| 99热精品中文字幕| 激情人妻蜜夜系列区| 人妻操逼视频| 国产亚洲在线观看| 欧美久久一级内射wwwwww.| 天天操天天操天天操天天操天天操天天操天天操天天操天天操 | av色色国产| 丁香五月天婷婷中文字幕| 久久久久久97| 综合色色色| 91久热| 日韩欧美成人一区二区三区| 国产成人精品一区二区三区视频| 婷婷久久五月| 久久久中文| 日本在线播放97| 亚洲顶级VA在线观看-高清完整版在线影院观看-S022AV | 9久久久久久久久久久| 色在线99| 伊人久久大香线蕉av一区| 狼友超碰| 97超碰综合| 森林影视大全,最好看的2019年视频 | 精品一二三区久久AAA片| 色天使色综合| 91久久综合亚洲鲁鲁五月天| 任我鲁这里有精品视频| 精品网站:999WWW| 深爱 五月天| 丁香五月五月婷婷五月天激情四射| 99热这里只有在线| 五月丁香成人| 婷婷五月天网| 色网站9| 亚洲乱啪| www久久艹| 玖玖资源部在线播放| 亚洲精品白浆高清久久久久久 | 秋霞三级影视资源| 成人必爱视| 开心五月婷婷在线| 色丁香五月| 琪琪色网址| 天天玩夜夜操天天爽| 停停五月丁香| 久久久免费精彩视频| 亚洲情综合五月天| 欧美A级成人婬片免费看理论| 色色色地址| 成人欧美一区二区三区在线观看| 色综合色| 天天狠天天叉| 日本熟妇乱妇熟色A片蜜桃| 中文字幕成人网站| 碰人人97| 97资源碰碰| AV美美午夜| 五月天四色房丁香亭亭| 丁香五月久久| 超碰人人在线观看| wWw色五月| 激情婷婷五月天日本系列| 26uuu国产| 色噜噜狠狠狠狠色综合久欧美| 97久久五月丁香婷婷| 欧美成人无码一区二区三区| www.99久| 97超碰,人人舔,人人操,人人摸 | 亚洲av网站| 丁香社92视频| 呦呦视频无码播放| 婷婷色网| 人妻人人操| 五月婷婷六月丁香玖玖玫瑰91| WWW.99热| AV中文网| 日韩国产在线免费观看| 丁香五月婷婷啪啪| 国产裸舞表演WWWW| 色五月情| 五月丁香六月激情综合网| www,色婷婷| 四射综合网| 5月婷婷6月丁香aV| 久99久精品视频| 91jiuseshunv| 婷婷五月六| 色色六月| 久久视频这里都是精品| 欧美五月婷婷| 丁香花狠狠婷婷亚洲中文字幕| 色黑鬼导航| 国产日韩欧美性爱| 亚洲性爱电影| 伊人色综合网| 91九色中文| pom538精品视频| 在线成人国产| 婷婷五月天99| 99国产99| 开心综合激情综合| 禁欲电影完整版在线播放| 伊人狠狠丁香婷婷综合尤物| WWW99热| 92久久| 超碰高清在线| 狠狠色狠狠爱| 99热免费| 色婷大香蕉| 99久热这里只有精品| 日本天堂网站99| 亚洲天堂aaaa| 97久人人| 九九99免费视频| 中文字幕五月久久婷| av在线免费网站 | 婷婷五月在线观看| 综合欧美五月婷婷| 婷婷丁香六月激情综合| 日韩精品呦呦va| 五月丁香婷婷啪啪综合网| 精品无码久久久久久久久| 婷婷激情五月天网站| 日日鲁鲁鲁夜夜爽爽狠狠视频97| 夜夜骑日日操| 激情综合网激情五月婷婷| 激情五月婷婷色综合| 成人综合网站| 久久视网36| 成人va在线播放| 丁香花五月天| 婷婷丁香18| 五月婷婷丁香色吧网| 色欧洲| 先锋五月婷婷丁香草草| 大香蕉综合网| 五月天久久综合婷婷丁香| 久久9热好| 激情五月天小说视频| 婷婷综合九色伊人| 99热这里只有精品2| 伊人五月综合网| 国产日韩亚洲欧美在线观看| 久久人人超| 中文字幕精品无码一区二区| 99色综合| 国熟女视频| 色呦精品| 五月综合激情| 丁香狠狠色婷婷久久无码视频| 思思 热 99| 婷婷伊人欧美| 人人干人人操人人摸| 婷婷五月欧美| www.99热在线| 综合在线丁香五月| 99这里有精品视频| 日本人妻久久| 婷婷色婷婷| 五月丁综合在线观看| 久操热| www色婷婷com| 婷婷伊人| 久久婷婷大香蕉| 欧美99热| 五月综合激情视频| 色色色色色色五月婷婷| 激情五月天啪啪| 成人视频九九| 九热视频精品| 91 欧美| 另类激情五月| 欧美激情xxxXX| 99热官网精品在线| 亚洲欧洲中文日韩久久AV乱码| 中文久久婷婷| 国产成人av在线播放| 最近中文字幕大全免费版在线| 色五月丁香伊人五月| 色啪综合| 九九九九精品精| 99热新网址| 天天激情视频| 97碰碰视频| 777影视理论片大全在线观看| 五月丁香啪啪综合| 亚洲激情免费视频观看| 久久亚洲色导航| 亚洲在线综合| 99色人| 超pen个人视频97| 久久婷色| 久操97| 婷婷色五月在线视频| 五月丁香婷婷激情在线| 久久香蕉丁香| 综合 激情 婷婷| 色播五月网| 99爱视频在线播放| 深爱 五月天| 丁香婷婷基地| 九九综合网| 五月天综合| 亚洲丁香婷婷丁香五月天激情| 丁香五月婷婷丫| 色婷婷a v| 六月色激情| 亚洲无码激情| 人操人人| 91综合网| 69精品人人人人| 精品一二三区久久AAA片| 天天噜| 婷婷综合爱| 三日本无码| 色五月婷婷基地| 久久婷婷综| 婷婷成年人免费视频| 日日色五月天| 天天搞夜夜叫| 成人精品在线| 天天干夜夜操A片| 成人av在线电影| 伊人色综合久久久| 99ri国产在线| 九九人妻福利| 九九99久久| 九九久久五月天| 9精品视频在线| 婷婷五月天堂| 五月丁香啪啪激情| 日韩成人电影av| 五月丁香另类网| 狠狠综合色网| 五月婷婷丁香| 九九热欧美| 日韩无码一区二区三区四区| www.久久66| 99在线精品视频在线观看| 五月婷婷在线观看黄| 黄网免费观看| 超碰chaompinm| 天堂五月婷婷| 91色在线| 丁香5月综合啪啪| 天天综合五月| 久久99综合| 激情六月天| WwW色婷婷| www.激情com| 久热9| 精品久久99| 97视频91| 97碰碰视频| 九九色大香蕉| 五月天婷婷色色| 久久精品爱爱| 最新五月天婷婷影| 欧美激情2025| 综合五月网| 国产欧洲欧洲精品久久| 九九综合影音先锋| 熟女网站久久| 激情校园 亚洲| 色婷婷丁香五月| 超碰av在线| 色五月激情五月| 狠狠色噜噜狠狠狠狠狠色综合久久| 五月丁香自拍| 天天射天天射一道本日本社区| 激情五月综合婷婷| 日韩啪啪视频| 国产黄大片在线观看画质优化| 激情色五月天| 色五月大| 青青草婷婷综合五月| av色婷婷| 天天插夜夜爽| 直接看的AV| 狠狠操天天干| 丁香五月激情网| 五月天天丁香婷婷在线中| 久久婷婷五月天激情| 天天玩夜夜操| 狠狠操狠狠操| 久久婷婷亚洲无码一起| AⅤ色区| 日本视频99| 狠狠爱丁香婷| 婷婷伊人| 天天操天天操天天操天天操天天操| 五月丁香啪| 婷婷激情九月| 婷婷六月天激情影院| 97干在线视频| 高清成人综合| 免费日韩99| 色情婷婷五月天| 婷婷五月天福利| 99久久亚洲国产| 就爱啪啪婷婷| 天天天天干| 1024在线观看免费视频| 亚洲精品乱码久久久久99| 79精品视频在线观看,| 久久精品无码一区| 成熟妇人A片免费看网站| 中文字幕高清av| 婷婷八月激情| 思思热精品在线| 国产午夜一区二区三区| 91丨九色丨熟女丰满| 婷婷五月天激情网站| 超pen个人视频97| 黄色成人网站在线播放| 婷婷丁香五月综合激情小说| 天堂伊人干| 91啪啪| 久久99久久99精品免视看婷婷| 99ri6在线视频| 狠狠五月激情婷婷直播片| 青草青草视频2免费观看| 天天日日人| 色色亚洲五月天| 99久久人人| 九九色综合视频| 99综合免费视频| 性色播| 伊人狠狠丁香婷婷综合尤物| 丁香五月天.com| 五月天综合视频| 草了bav视频在线观看| 国产在线黄色| 丁香五月婷婷影院| 五月天天综合| 超碰人人艹| 五月婷在线观看| 婷婷五月天va| 免费无码毛片一区二区A片 | 五月婷色啪| 伊人免费视频9| xxxx五月| 亚洲V国产V欧美V久久久久久| 精品国产va久久久久| 在线不卡视频| 五月婷婷这里都是精品| 免看黄大片AA | 色性日本| 大香蕉伊人丁香五月| www.色色色色| 欧洲S级在线观看| 黄色AAAAA| 色色网站毛片| 思思热在线精品视频网站| 婷婷的五月天另类视频| 婷婷五月天中文字幕| 六月大香蕉| 天天色噜| 五月婷婷熟女| 超碰人人色| 婷婷五月天免费| 久久综合26p| 开心五月婷婷婷美女| 天天综合色丁香| 婷婷激情社区| 成人五月天色天堂| 中文字幕婷婷9月天| 五月丁香六月欧美| 午夜微拍福利| 91精品综合久久婷婷九色| 欧美性猛交99久久久99| 五月天婷婷AV| 97人人超| 色播五月天天| 91人人爽人人操| 色五月在线视频观看| 免费看片操逼| 婷婷五月色播| 呦呦v线| 婷婷激情五月天激情小说| 97综合在线| 噜噜噜噜婷婷五月天| 中文字幕操比影片| 中文字幕在线播放视频| 视频这里只有精品16| 七七色色综合| 激情五月色婷婷| 久久五月视频| 五月色激情综合网| 91免费看片| 开心五月婷婷在线视频免费观看| 婷婷五月丁香青青草在线| 在线成人网址| 涩涩涩.com| 偷拍91九色| 婷婷综合在线| 久久视频这里有精品99| 亚洲综合无码| 日本4399天堂中出| 舔色婷婷| 激情小说婷婷小说| www.刺激色网站www.| 婷婷久久综合久| 久久婷婷五月天蜜桃| 99五月丁香丁| 99欧美精品99日本精品| 色婷婷综合网| 亚洲色情网站| ji'qing'luan'ren'lun| 五月色亚洲| 久久艹 五月天| 色五月婷婷亚洲| 婷婷五月天成人娱乐| 中文av网| 激情五月天伊人av| 亚洲小视频免费播放| 玖玖九九9999在线观看视频精品| 婷婷六月丁| 99综合网| 日韩av网址大全| 婷婷成人网五月天| 五月婷婷综合社区| 五月婷婷色在线| 色噜噜综合网| 五月丁香 啪啪| 五月花激情| 人人草人人看| 五月天天天色| site:publishdd.com| 1024操逼| 激情综合网激情五月网| 成人深爱丁香五月| 猫咪伊人久久| 91人人看| 激情五月丁香五月| 97碰人人操| 春色激情第四色| 色欲天天综合网| 国产黄色av| 日韩青青| 99热在线只有精品| 变态另类9| 欧美人妻一区二区| www 五月天 com| 色五月91| 另类视在线| 久婷婷久草| 色欧美色色色| 91丨九色丨东北熟女| 五月天大香蕉| 91久久精品无码一区二区三区| 婷婷五月天激情网站| 色情五月天首页| 五月天婷婷基地丁香| 99久久精品色老| 九九色院| 天天艹| 久久亭亭电影| 国产亚洲成AV人片在线观黄桃| 色五月欧美| 久久久WWW| 99热在线观看精品| 天天爽天天干天天| 六月天丁婷婷| 久久婷婷五月丁香| 婷婷播播五月天| 色五月天成人在线| 五月丁香婷中文字幕| 99在线观看| aⅤ79成人片| 激情婷婷五月| 色五月综合激情| 色婷婷免费观看| 婷婷综合网站| 中文字幕AV网址| 久久婷婷五月综合精品蜜芽| 精品网站:999WWW| wwww.9免费视频| 偷拍99在线视频观看| 丁香五月婷婷综合激情啪啪啪| 色婷婷很很丝袜| 国产日产亚系列精品版优势| 色五月激情五月| 色五月综合激情网| 丁香六月综合| 五月丁香综合成人社区| 激情六月天婷婷| 五月天婷婷基地综合网| 日韩av在线免费观看| 久久机热这里只有| 五月天婷婷激情在线色图| 热婷婷av| 91视频免费后入强操| 8区视频在线| 婷婷五月黄色激情在线| 狠狠操天天操综合| 色五月婷婷内射| 综合色色婷婷| 色婷婷影视| 超碰妻人人| 亚洲无码激情| 狠色狠色狠狠色综合网| 婷婷五月天激情综合婷婷五月天激情综合| 五月涩涩网| 九九在线精点品| 亚洲天堂色色| 久久加勤综合| 五月色亚洲| 就是色婷婷五月亚洲色| 成人网丁香五月| 亚洲五月天激情| 婷婷色在线| 丁香花大香蕉婷婷综合| 一本色道久久88加勒比—| www,五月天com| 婷婷亚洲丁香五月| 99久在线视频| 超碰只有精品在线| 操九色| 久月婷婷| 综合激情网激情五月。| 一起草Av| 亚洲99一级无嗎特制在线| 91碰| 亚洲亚洲永久无码777777| 99免费热视频在线| 五月婷婷激情啪啪| 日本老女人黄页在线播放| 99热99热| 五月婷婷六月激情| 色婷婷啪啪| 日本五月丁香| 丁香色成人| 五月丁小婷婷激情四射| 久草五月婷婷| 无码任你操| 免费无码毛片一区二区A片| 99偷拍视频在线日本| 五月丁香六月欧美综合| 99热综合色图| 96色婷婷| 婷婷五月丁香激情色情| 热久精品| 另类精品视频在线观看| 亚洲欧美999| 成人无码髙潮喷水A片| 婷婷综合视频| 五月丁香六月婷婷开心网| 无码任你操| 亚洲av成人在线| 久久九九热视频| 日韩成人影片网站| 丁香五月自拍| 五月丁香六月玩女人| 一起草av| 97干婷婷| 激情婷婷丁香色五月| 五月天桃色深爱网| 粉嫩av懂色av蜜臀av熟妇| 天天日天天草| 在线看AV| 2025最新亚洲激情在线| 丁香五月综合| 99操视频| 夜夜 操无码| 日韩不卡DvD| 久久hd| 91艹人| 五月婷婷69| 丁香婷婷久久综合在线| 色五月婷婷婷婷| 麻豆WWWCOM内射软件| 久久婷婷六月| 深爱五月天| 婷婷五日b| 九久9精品| 九九热这里有精品23| 久青操| 国产综合婷婷| 五月丁香欧美综合| 伊人五月婷婷| 激情www| 婷婷色在线| www.五月丁香| 草综合网| 婷婷成人视频| va婷婷在线| 日本4399天堂中出| 午夜婷婷六月天| 国产XXXX搡XXXXX搡麻豆| 丁香五月亚洲综合| 97碰碰草| 亚洲无码色色| 久久久久网站| 99热最新| 九九热视频网站| 五月天丁香| 亚洲国产精品成人va在线观看| 亚洲激情五月| 久久精品五月| 丁香六月色婷婷| 99热欧美| 激情色色| 呦呦视频无码播放| 激情色情五月天| 色婷婷亚洲婷婷| 丁香六月色香蕉视频| 精品少妇人妻AV无码专区偷人 | 午夜性做爰电影| 综合色色婷婷| 色伊人婷婷| 79精品视频在线观看,| 激情五月丁香在线观看直播| 丁香色色五月| 天天插天天干| 亚洲综合久| 久久er99热精品一区二区| 六月丁香社区| 激情婷婷久久| 六月丁香啪啪| jiZZdr| 色五月激情五月| 国产精品蜜臀99| 欧美视频五区| 亚洲情欲| 色婷婷基地| 久久五月天婷婷| 韩日另类| 天天综合五月| 操操操www.com| 婷婷五月天丁香激情| 五月综合无码| 五月丁香六月综合基地| 久碰婷婷视频| 桃色成人网| 玖玖爱综合网| 久热视频这里只有精品68| 日本激情91| 九九99精品视品| 91狠狠色丁香婷婷综合久久精品| 激情九九这里只有精品| 日韩精品超碰在线观看| 色婷婷性爱网| 99视频这里有精品| 五月丁香六月情| 激情婷婷综合| 久久久大香蕉| 亚洲性爱AV| 国产亚洲精品久久久久久久久动漫| 这里只有久久精99| 婷婷伊人激情婷婷| 久久婷婷啪啪视频| 怡春院天天干| 欧美激情综合五月色丁香| 国产精品日日躁夜夜躁| WWW激情五月天| 久久视这里只有精品| 国产成人AV在线播放| 久久99大| 91精品丝袜久久久久久| 九九99视频| 五月色精品| 亚洲色婷婷激情| 色婷婷www| 婷婷五月天情色| 99精品九九| 中文字幕网伦射乱中文| 99热精品在线观看| 色五月婷婷av| 久久这里只有国产精品视频| 五月丁香成人日| 色色激情网| 久久色五月天| 久热在线观看视频9| 久久人人做人人妻人人玩精品va| 99成人| 婷婷亚洲综合| 色色五月丁香婷婷| www.夜夜| 午夜丁香五月天综合| 综合六月激情婷婷| AAA亚洲AV| 久热这里只有精品66| 天天日,夜夜爽| 日日干日日s| 五月丁香久久久日婷婷久久婷婷日| 婷婷99中文字幕| 激情婷婷久久| 五月丁香在线观看| 色婷婷综合影院| 婷婷五月天社区| 亚洲中文乱字字幕在线永久| 激情六月丁| 五月天丁香| 97色久| 日本三级日本三级99| 日韩黄色电影| 综合色播| 操一操干一干| 五月激情小说| 色五月婷婷五月天| 亚洲综合成人网| 亚洲第一成人无码A片| 亚洲欧洲美女在线观| 九九久久偷拍| 玖玖精品婷婷| 国产9色在线/日韩| 色色综合网站| 综合久色五月| 天天激情夜夜干| 五月激情基地| 五月天婷婷黄色| 天天干com| 99这里都是精品6| 内射综合网| 色情婷婷| 久久久全国免费视频| 色色影院黄大片| 9精品视频在线| 轮奸综合网| 亚洲看av的网站| 激情激情激情网| 日韩AAAAAAAAAAA片| 91干| 五月天社区| avh片在线观看| 五月丁香趴趴| 久久精典| 日韩成人网站精品久久大全| 五月天开心成人网| 六月婷婷在线| 天天操天天操天天操天天操天天操天天操天天操天天操天天操 | 亚洲人成人五月天| 丁香五月另类色婷婷麻豆| 五月天激情小说| 天堂久热| 久99视频在线观看| 影音先锋 91工厂| 97干视频在线| 丁香色色网| 99人人看| 超碰免费人妻| 婷婷亚洲激情在线观看视频| 日韩五月婷婷| www狠狠| 五月婷婷官网色| 丁香五月婷婷五月| 久久99免费视屏| 天天日夜夜高潮| 天天xxxxxx天天日| 日韩av在线免费观看| 国产婷伊人| 亚洲AV人人操| 99国产性感视频| 天天插天天爽| 九九偷拍网| 人妻videos人妻高清| 天天操婷婷| 人妻久久久| 婷婷色五月天色| 狠狠干激情五月| 五月丁香婷色| 月色色综合婷婷网| av在线观看免费| 无码人妻一区二区三区免费九色| 色五月天丁香婷婷| 99久久国产宗和精品1上映| www.婷婷.com| 婷婷五月天美女视频| 激情综合网五月婷婷| 五夜丁香| 啄木鸟丝袜美女福利视频| AA片在线观看视频在线播放| 91色五月| 婷婷色片| 国产亚洲成人综合| 久久人人人人妻| 91丨九色丨国产打屁股| 丁香五月香蕉| 婷婷另类小说| 五月丁香激情综合网官网| 99亚洲综合| 26uuu精品一区二区| 激情四射网| nvrentiantang av| 色婷婷色五月综合| 久色资源网| 久热一区| www..com色爱| 久久九九热视频| www.五月婷婷.com| 天天干天天拍| 9 1在线视频| 天天插天天爽| 五月天堂六月丁香亚州中文字幕久久| 亚洲五月天伊人| 乱岳熟女50岁| 色婷婷丁香五月天在线视频| 激情www| 色天天综合天天综合频道。| 丁香色婷婷| 日本色色图| 亚洲丁香花色| 久久综合99| 激情小说婷婷| 天天摸天天舔在线视频| 激情五月天色色网| 五月丁香婷成人网| 国产高潮A片羞羞视频涩涩| 99热在线里有精品| 99燥99日| 亚洲va欧美va国产综合久久久| 91呦呦呦| 五月天开心婷婷激情网站| 婷婷丁香五月色偷偷| 91丨九色丨白浆| 97九色| 99操| 99热99这里有免费的精品| 亚洲乱码日产精品BD| 操丝袜视频影院导航| 青青操日本摸摸看看| AV操操操| aa久久| 秋霞免费视频| 99久久精品视频女神1| 91VIP在线观看| 99久在线观看| 久久99婷婷| 中国丰满熟女A片免费观| www.色擼擼.com| 亚洲有码在线视频| 亚洲操b| 在线A色| 久草a片| 久久激情五月婷婷| wwwxxx五月婷婷小说| 丁香五月久久社区| www.色婷婷| 密乳视频| 99干99| 99爱在线视频|