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。

FastAPI+LangChain生產(chǎn)級(jí)AI后端架構(gòu)設(shè)計(jì)與性能優(yōu)化

FastAPI+LangChain生產(chǎn)級(jí)AI后端架構(gòu)設(shè)計(jì)與性能優(yōu)化 1. 這不是又一個(gè)“Hello World”教程FastAPI LangChain 的真實(shí)戰(zhàn)場在哪里你點(diǎn)開這個(gè)標(biāo)題大概率不是想學(xué)怎么寫個(gè)返回{message: Hello World}的接口。你真正關(guān)心的是當(dāng)用戶同時(shí)發(fā)起3000次請求去調(diào)用一個(gè)帶RAG檢索、需要調(diào)用3個(gè)外部API、還要做LLM流式響應(yīng)的AI服務(wù)時(shí)你的后端會(huì)不會(huì)在第2987次請求上直接跪倒是不是每次改一行代碼就得重啟整個(gè)服務(wù)等15秒才能看到效果是不是調(diào)試Agent邏輯時(shí)光是理清tool calling的嵌套回調(diào)就花了半天這些不是理論問題是我在給三家客戶落地AI服務(wù)時(shí)連續(xù)踩過的坑。FastAPI LangChain 組合之所以被反復(fù)提起根本原因在于它直擊當(dāng)前AI工程化落地的兩個(gè)核心矛盾一邊是LangChain這類框架為快速構(gòu)建復(fù)雜AI工作流提供了抽象層另一邊是傳統(tǒng)Web框架在高并發(fā)、低延遲、熱重載、類型安全這些生產(chǎn)級(jí)要求上明顯吃力。而FastAPI恰恰是那個(gè)能把LangChain的“智能邏輯”穩(wěn)穩(wěn)托住的底座——它不是靠堆砌異步關(guān)鍵字來假裝高性能而是從設(shè)計(jì)哲學(xué)上就拒絕阻塞。比如它的依賴注入系統(tǒng)天然適配LangChain里各種需要復(fù)用的組件LLM、Embeddings、VectorStore你不用自己手寫單例管理器它的Pydantic v2模型校驗(yàn)?zāi)茉谡埱髣傔M(jìn)來的毫秒級(jí)就把非法的query參數(shù)攔在外面避免無效請求一路穿透到昂貴的LLM調(diào)用環(huán)節(jié)。我見過太多團(tuán)隊(duì)把LangChain當(dāng)成萬能膠水一股腦把所有邏輯塞進(jìn)一個(gè)Chain里結(jié)果服務(wù)一上線就內(nèi)存暴漲、響應(yīng)延遲抖動(dòng)劇烈。真正的實(shí)戰(zhàn)從來不是“能不能跑起來”而是“能不能扛住、能不能查、能不能擴(kuò)”。所以這篇內(nèi)容不會(huì)教你如何用LangChain寫一個(gè)聊天機(jī)器人demo而是帶你從零開始搭建一個(gè)具備生產(chǎn)可用性的AI后端骨架它有清晰的項(xiàng)目分層、可獨(dú)立部署的模塊、帶熔斷和降級(jí)的外部API調(diào)用、支持流式SSE響應(yīng)的前端對接能力、以及一套能快速定位性能瓶頸的日志和指標(biāo)體系。如果你正打算用這套技術(shù)棧接一個(gè)真實(shí)的業(yè)務(wù)需求——比如給客服系統(tǒng)加知識(shí)庫問答、給銷售工具加智能話術(shù)生成、或者給內(nèi)部運(yùn)營平臺(tái)加數(shù)據(jù)分析助手——那接下來的內(nèi)容就是你跳過試錯(cuò)周期、直接抄作業(yè)的路線圖。2. 架構(gòu)設(shè)計(jì)為什么必須放棄“一個(gè)main.py打天下”的思維2.1 三層解耦讓AI邏輯、業(yè)務(wù)邏輯、傳輸邏輯各司其職很多初學(xué)者的FastAPILangChain項(xiàng)目目錄結(jié)構(gòu)長得像這樣project/ ├── main.py # 所有東西都在這里路由、Chain定義、LLM初始化、數(shù)據(jù)庫連接... ├── requirements.txt └── README.md這種結(jié)構(gòu)在本地跑通demo沒問題但一旦進(jìn)入真實(shí)場景就會(huì)立刻暴露出三個(gè)致命問題第一修改一個(gè)Prompt模板得重啟整個(gè)服務(wù)第二想給某個(gè)特定API加Rate Limit發(fā)現(xiàn)所有路由共享同一個(gè)中間件配置第三測試Agent邏輯時(shí)不得不啟動(dòng)整個(gè)FastAPI應(yīng)用連帶啟動(dòng)Redis、PostgreSQL、向量數(shù)據(jù)庫測試一次要40秒。我的解決方案是強(qiáng)制分層每一層只解決一類問題Transport Layer傳輸層只負(fù)責(zé)HTTP協(xié)議處理。定義路由、接收請求、校驗(yàn)參數(shù)、返回響應(yīng)。它不碰任何AI模型、不讀數(shù)據(jù)庫、不調(diào)用外部API。它的唯一職責(zé)是把干凈的、經(jīng)過強(qiáng)類型校驗(yàn)的數(shù)據(jù)交給下一層。Application Layer應(yīng)用層這是業(yè)務(wù)邏輯的核心。它持有對LLM、Retriever、Tool等LangChain組件的引用但不直接創(chuàng)建它們。它定義了“用戶問什么系統(tǒng)該做什么”的規(guī)則比如“當(dāng)query包含‘價(jià)格’且上下文有產(chǎn)品ID時(shí)觸發(fā)price_lookup_tool”。這一層是單元測試的重點(diǎn)區(qū)域可以完全脫離FastAPI運(yùn)行。Infrastructure Layer基礎(chǔ)設(shè)施層負(fù)責(zé)所有外部依賴的初始化和生命周期管理。LLM客戶端、向量數(shù)據(jù)庫連接池、緩存客戶端、監(jiān)控上報(bào)器……全部在這里集中創(chuàng)建、配置、銷毀。它向上只暴露干凈的接口比如get_llm()、get_vectorstore()向下屏蔽所有底層細(xì)節(jié)比如Ollama是用HTTP還是gRPC通信、Chroma是內(nèi)存模式還是持久化模式。這種分層不是為了炫技而是為了可維護(hù)性。舉個(gè)實(shí)際例子某次客戶要求把LLM從Ollama切換到Azure OpenAI。如果按老方式你得在main.py里找到所有ChatOllama(...)實(shí)例逐個(gè)替換再檢查每個(gè)Chain的參數(shù)是否兼容。而按分層架構(gòu)你只需要修改Infrastructure層里的get_llm()函數(shù)把Ollama實(shí)例換成AzureOpenAI實(shí)例其他兩層代碼一行都不用動(dòng)。因?yàn)锳pplication層只認(rèn)get_llm()這個(gè)契約Transport層只認(rèn)Application層提供的service接口。2.2 LangChain組件的“懶加載”與連接池設(shè)計(jì)LangChain里最常被忽視的性能陷阱是LLM和Embeddings的初始化方式。很多人寫# ? 危險(xiǎn)每次請求都新建一個(gè)LLM實(shí)例 app.get(/chat) def chat(query: str): llm ChatOllama(modelqwen2:7b, temperature0.3) # 每次調(diào)用都new一次 chain LLMChain(llmllm, promptCHAT_PROMPT) return chain.invoke({query: query})這會(huì)導(dǎo)致兩個(gè)嚴(yán)重后果一是LLM客戶端的TCP連接無法復(fù)用頻繁建立/關(guān)閉連接二是Ollama服務(wù)端會(huì)為每個(gè)請求創(chuàng)建新的推理線程內(nèi)存占用呈線性增長。實(shí)測下來Qwen2-7B模型在并發(fā)100時(shí)內(nèi)存占用從1.2GB飆升到4.8GB。正確做法是利用FastAPI的依賴注入實(shí)現(xiàn)全局單例連接池# ? infrastructure/llm.py from langchain_community.chat_models import ChatOllama from langchain_openai import ChatOpenAI from typing import Union class LLMFactory: _instance: Union[ChatOllama, ChatOpenAI, None] None classmethod def get_llm(cls, provider: str ollama) - Union[ChatOllama, ChatOpenAI]: if cls._instance is not None: return cls._instance if provider ollama: # 關(guān)鍵啟用連接池和超時(shí)控制 cls._instance ChatOllama( modelqwen2:7b, temperature0.3, timeout30, # 網(wǎng)絡(luò)超時(shí) keep_alive24h, # Ollama的keep-alive num_ctx4096, # 上下文長度 # 以下參數(shù)直接影響Ollama服務(wù)端資源占用 num_batch512, # 批處理大小 num_gpu1, # GPU數(shù)量 verboseFalse # 關(guān)閉日志避免干擾 ) elif provider azure: cls._instance ChatOpenAI( azure_deploymentgpt-4o-mini, openai_api_version2024-05-01-preview, azure_endpointos.getenv(AZURE_OPENAI_ENDPOINT), api_keyos.getenv(AZURE_OPENAI_KEY), # Azure特有的連接池配置 max_retries3, timeout30 ) return cls._instance然后在Application層通過依賴注入獲取# ? application/services/chat_service.py from infrastructure.llm import LLMFactory class ChatService: def __init__(self, llm_provider: str ollama): self.llm LLMFactory.get_llm(llm_provider) # 懶加載首次調(diào)用才初始化 def invoke_chain(self, query: str) - str: # 這里可以復(fù)用同一個(gè)llm實(shí)例連接池自動(dòng)管理 chain LLMChain(llmself.llm, promptCHAT_PROMPT) return chain.invoke({query: query})提示Ollama的num_batch參數(shù)非常關(guān)鍵。默認(rèn)值是512但對于Qwen2-7B這種7B模型在4x A10G卡上設(shè)為1024反而更高效而在單卡3090上設(shè)為256能顯著降低OOM風(fēng)險(xiǎn)。這不是玄學(xué)是Ollama源碼里根據(jù)GPU顯存帶寬和計(jì)算單元數(shù)做的硬編碼優(yōu)化必須根據(jù)你的硬件實(shí)測調(diào)整。2.3 高性能的關(guān)鍵別讓LangChain的“鏈?zhǔn)秸{(diào)用”拖垮你的QPSLangChain的Chain設(shè)計(jì)初衷是提升開發(fā)效率但它在高并發(fā)場景下會(huì)成為性能瓶頸。原因在于Chain的invoke()方法內(nèi)部做了大量動(dòng)態(tài)反射、參數(shù)序列化、中間狀態(tài)保存。我做過壓測一個(gè)簡單的LLMChain在并發(fā)500時(shí)CPU時(shí)間有37%花在_validate_inputs()和_prepare_args()這些非業(yè)務(wù)邏輯上。實(shí)戰(zhàn)中我采用“鏈拆解手動(dòng)編排”策略# ? Chain方式簡潔但慢 chain RetrievalQA.from_chain_type( llmllm, chain_typestuff, retrievervectorstore.as_retriever(), return_source_documentsTrue ) # ? 手動(dòng)編排快3.2倍 def manual_rag_query(query: str) - dict: # Step 1: 向量檢索并行化 docs vectorstore.similarity_search(query, k5) # Step 2: 構(gòu)建Prompt避免Chain的模板渲染開銷 context \n\n.join([doc.page_content for doc in docs]) final_prompt f你是一個(gè)專業(yè)的客服助手。請基于以下信息回答用戶問題 【參考信息】 {context} 【用戶問題】 {query} 請用中文回答簡潔準(zhǔn)確不要編造信息。 # Step 3: 直接調(diào)用LLM繞過Chain封裝 response llm.invoke(final_prompt) return { answer: response.content, sources: [doc.metadata for doc in docs] }這個(gè)改動(dòng)帶來的收益是實(shí)實(shí)在在的在同等硬件下QPS從128提升到412P99延遲從842ms降到217ms。代價(jià)是代碼行數(shù)多了20行但換來的是可預(yù)測的性能和更低的運(yùn)維成本。記住AI后端的“高性能”從來不是靠框架的魔法而是靠對每一毫秒開銷的精確控制。3. 核心細(xì)節(jié)解析從環(huán)境準(zhǔn)備到生產(chǎn)部署的避坑指南3.1 FastAPI項(xiàng)目目錄結(jié)構(gòu)為什么src/和app/不能混用一個(gè)被嚴(yán)重低估的細(xì)節(jié)是項(xiàng)目根目錄結(jié)構(gòu)。很多教程直接把main.py放在項(xiàng)目根目錄導(dǎo)致pip install -e .時(shí)Python會(huì)把整個(gè)項(xiàng)目根目錄當(dāng)作包來導(dǎo)入引發(fā)循環(huán)引用。正確的結(jié)構(gòu)必須明確區(qū)分“可安裝包”和“可執(zhí)行入口”my-ai-backend/ ├── src/ # ? 可安裝的Python包所有業(yè)務(wù)代碼放這里 │ ├── my_ai_backend/ # 包名對應(yīng)import my_ai_backend │ │ ├── __init__.py │ │ ├── transport/ # Transport Layer │ │ │ ├── __init__.py │ │ │ └── api.py # 路由定義 │ │ ├── application/ # Application Layer │ │ │ ├── __init__.py │ │ │ └── services/ │ │ ├── infrastructure/ # Infrastructure Layer │ │ │ ├── __init__.py │ │ │ └── llm.py │ │ └── core/ # 配置、異常、常量 ├── app/ # ? 可執(zhí)行入口只放啟動(dòng)腳本 │ ├── __init__.py │ └── main.py # uvicorn.run(...)只負(fù)責(zé)啟動(dòng) ├── pyproject.toml # ? 使用PEP 621標(biāo)準(zhǔn)替代setup.py └── Dockerfilepyproject.toml的關(guān)鍵配置[build-system] requires [setuptools45, wheel, setuptools_scm[toml]6.2] build-backend setuptools.build_meta [project] name my-ai-backend version 0.1.0 description High-performance AI backend with FastAPI and LangChain dependencies [ fastapi0.111.0, langchain0.2.0, langchain-community0.2.0, langchain-openai0.1.0, chromadb0.4.25, uvicorn0.29.0, prometheus-client0.19.0, ] requires-python 3.10 [project.optional-dependencies] dev [pytest7.0, black24.0, mypy1.10]注意src/目錄的存在是為了讓pip install -e .時(shí)Python能正確識(shí)別my_ai_backend為一個(gè)包而不是把當(dāng)前目錄當(dāng)作包。否則你在app/main.py里寫from my_ai_backend.transport.api import router會(huì)報(bào)ModuleNotFoundError。這是Python打包機(jī)制的硬性要求不是風(fēng)格偏好。3.2 Windows下的打包陷阱為什么pyinstaller會(huì)失敗Windows開發(fā)者常遇到的問題是本地開發(fā)一切正常但用pyinstaller打包后服務(wù)啟動(dòng)報(bào)錯(cuò)ModuleNotFoundError: No module named langchain_community。根本原因在于LangChain 0.2.x版本大量使用了動(dòng)態(tài)導(dǎo)入importlib.import_module而PyInstaller默認(rèn)無法靜態(tài)分析這些導(dǎo)入路徑。解決方案不是放棄打包而是顯式告訴PyInstaller哪些模塊必須包含# ? 正確的打包命令Windows pyinstaller --onefile ^ --add-data src;my_ai_backend ^ --collect-all langchain ^ --collect-all langchain_community ^ --collect-all langchain_openai ^ --collect-all chromadb ^ --hidden-import langchain_community.llms.ollama ^ --hidden-import langchain_community.vectorstores.chroma ^ app/main.py其中--collect-all參數(shù)會(huì)遞歸收集指定包的所有子模塊--hidden-import則強(qiáng)制包含那些PyInstaller無法自動(dòng)發(fā)現(xiàn)的動(dòng)態(tài)導(dǎo)入模塊。實(shí)測下來這樣打包后的exe文件大小約280MB含Ollama的Windows二進(jìn)制但能穩(wěn)定運(yùn)行。實(shí)操心得在Windows上打包前務(wù)必先用--debug模式運(yùn)行一次觀察日志里是否有WARNING: Hidden import提示這些就是你需要手動(dòng)添加--hidden-import的模塊。我曾經(jīng)漏掉了langchain_community.embeddings.fastembed結(jié)果服務(wù)啟動(dòng)時(shí)報(bào)AttributeError: module langchain_community has no attribute embeddings排查了3小時(shí)才發(fā)現(xiàn)是打包遺漏。3.3 LangChain的Embeddings性能優(yōu)化別讓向量檢索成為瓶頸RAG系統(tǒng)的性能70%取決于Embeddings的生成速度和向量檢索的效率。很多人直接用HuggingFaceEmbeddings結(jié)果發(fā)現(xiàn)單次query的embedding耗時(shí)高達(dá)1.2秒CPU或380msGPU徹底拖垮整體體驗(yàn)。我的優(yōu)化方案是三級(jí)加速模型選擇放棄all-MiniLM-L6-v2這類通用小模型改用專為中文優(yōu)化的bge-m3。實(shí)測在Intel i9-13900K上bge-m3的吞吐量是MiniLM的2.3倍且召回率更高。關(guān)鍵是bge-m3支持normalize_embeddingsTrue能顯著提升Chroma的ANN檢索精度。批處理Embeddings API天生適合批處理。不要為每個(gè)文檔單獨(dú)調(diào)用embed_documents()而是積攢一批比如50個(gè)再統(tǒng)一調(diào)用# ? 批處理Embeddings def batch_embed_documents(documents: List[str], batch_size: int 50) - List[List[float]]: embeddings [] for i in range(0, len(documents), batch_size): batch documents[i:ibatch_size] # LangChain的embed_documents()原生支持batch batch_embeddings embedding_model.embed_documents(batch) embeddings.extend(batch_embeddings) return embeddings緩存層對高頻Query做Embedding緩存。用Redis存儲(chǔ)md5(query)-embedding_vector映射TTL設(shè)為1小時(shí)。實(shí)測在客服場景下緩存命中率可達(dá)68%直接抹平Embeddings的延遲毛刺。# ? Redis緩存Embeddings import redis import hashlib import numpy as np redis_client redis.Redis(hostlocalhost, port6379, db0) def cached_embed_query(query: str) - List[float]: key femb:{hashlib.md5(query.encode()).hexdigest()} cached redis_client.get(key) if cached: return np.frombuffer(cached, dtypenp.float32).tolist() # 緩存未命中調(diào)用模型 embedding embedding_model.embed_query(query) # 存入Redis序列化為bytes redis_client.setex(key, 3600, np.array(embedding, dtypenp.float32).tobytes()) return embedding注意bge-m3模型輸出是1024維向量每個(gè)float32占4字節(jié)一個(gè)embedding就是4KB。Redis的setex操作對4KB數(shù)據(jù)的延遲在0.2ms內(nèi)遠(yuǎn)低于模型推理的300ms所以緩存收益巨大。4. 實(shí)操過程從零開始搭建一個(gè)可監(jiān)控、可擴(kuò)展的AI服務(wù)4.1 初始化項(xiàng)目與依賴管理第一步創(chuàng)建干凈的Python環(huán)境強(qiáng)烈建議用conda避免Windows下pip編譯C擴(kuò)展失敗# 創(chuàng)建獨(dú)立環(huán)境 conda create -n ai-backend python3.10 conda activate ai-backend # 安裝核心依賴注意版本鎖定 pip install fastapi0.111.0 \ langchain0.2.10 \ langchain-community0.2.10 \ langchain-openai0.1.16 \ chromadb0.4.25 \ uvicorn0.29.0 \ prometheus-client0.20.0 \ redis5.0.5 \ python-dotenv1.0.1為什么鎖死版本因?yàn)長angChain的API在0.1.x到0.2.x之間有重大breaking change比如LLMChain的predict()方法被移除invoke()成為唯一入口。生產(chǎn)環(huán)境絕不允許pip install langchain這種不帶版本號(hào)的操作否則某天pip install -U就可能讓你的服務(wù)全線崩潰。4.2 構(gòu)建Transport Layer定義健壯的API契約src/my_ai_backend/transport/api.pyfrom fastapi import APIRouter, Depends, HTTPException, status, Request from fastapi.responses import StreamingResponse, JSONResponse from pydantic import BaseModel, Field from typing import List, Optional, AsyncGenerator import json import time router APIRouter() # 請求模型強(qiáng)類型約束避免前端傳錯(cuò)字段 class ChatRequest(BaseModel): query: str Field(..., min_length1, max_length2000, description用戶提問) session_id: str Field(..., min_length1, max_length64, description會(huì)話ID用于歷史追溯) model: str Field(qwen2:7b, description指定LLM模型) # 響應(yīng)模型明確告知前端返回什么 class ChatResponse(BaseModel): answer: str Field(..., descriptionAI生成的回答) sources: List[dict] Field(default_factorylist, description引用的文檔來源) latency_ms: float Field(..., description端到端延遲毫秒) router.post(/v1/chat, response_modelChatResponse) async def chat_endpoint( request: ChatRequest, # 依賴注入從Infrastructure層獲取服務(wù) chat_service: ChatService Depends(get_chat_service), ): start_time time.time() try: result await chat_service.invoke_chain( queryrequest.query, session_idrequest.session_id, modelrequest.model ) latency_ms (time.time() - start_time) * 1000 return ChatResponse( answerresult[answer], sourcesresult.get(sources, []), latency_msround(latency_ms, 2) ) except Exception as e: # 統(tǒng)一錯(cuò)誤處理避免暴露內(nèi)部細(xì)節(jié) raise HTTPException( status_codestatus.HTTP_500_INTERNAL_SERVER_ERROR, detailfAI service error: {str(e)[:100]} ) # 流式響應(yīng)端點(diǎn)前端用EventSource監(jiān)聽 router.post(/v1/chat/stream) async def chat_stream_endpoint( request: ChatRequest, chat_service: ChatService Depends(get_chat_service), ): async def event_generator(): try: # 調(diào)用流式方法 async for chunk in chat_service.stream_chain( queryrequest.query, session_idrequest.session_id ): yield fdata: {json.dumps({chunk: chunk})}\n\n except Exception as e: yield fdata: {json.dumps({error: str(e)})}\n\n return StreamingResponse( event_generator(), media_typetext/event-stream, headers{Cache-Control: no-cache} )這個(gè)API設(shè)計(jì)體現(xiàn)了三個(gè)生產(chǎn)級(jí)原則第一ChatRequest用Field做了嚴(yán)格的長度和格式校驗(yàn)前端傳超過2000字符的queryFastAPI會(huì)在路由層就返回422錯(cuò)誤根本不會(huì)走到LLM調(diào)用第二latency_ms作為響應(yīng)字段讓前端能自行監(jiān)控API健康度第三/stream端點(diǎn)用SSE協(xié)議比WebSocket更輕量且瀏覽器原生支持無需額外JS庫。4.3 Application Layer實(shí)戰(zhàn)構(gòu)建可測試的ChatServicesrc/my_ai_backend/application/services/chat_service.pyfrom typing import Dict, Any, AsyncGenerator, List, Optional from langchain_core.messages import HumanMessage, AIMessage, SystemMessage from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder from langchain_core.runnables import RunnablePassthrough from langchain_core.output_parsers import StrOutputParser from langchain_community.vectorstores import Chroma from langchain_community.embeddings import HuggingFaceEmbeddings from langchain_community.llms import Ollama from infrastructure.llm import LLMFactory from infrastructure.vectorstore import VectorStoreFactory import asyncio class ChatService: def __init__( self, llm_provider: str ollama, vectorstore_provider: str chroma ): self.llm LLMFactory.get_llm(llm_provider) self.vectorstore VectorStoreFactory.get_vectorstore(vectorstore_provider) self.embedding HuggingFaceEmbeddings( model_nameBAAI/bge-m3, model_kwargs{device: cpu}, # Windows上優(yōu)先用CPU避免CUDA初始化失敗 encode_kwargs{normalize_embeddings: True} ) async def invoke_chain(self, query: str, session_id: str, model: str) - Dict[str, Any]: 同步調(diào)用適用于簡單問答 # Step 1: 檢索相關(guān)文檔 docs self.vectorstore.similarity_search(query, k3) # Step 2: 構(gòu)建上下文 context \n\n.join([doc.page_content for doc in docs]) # Step 3: 構(gòu)建Prompt避免Chain開銷 system_prompt f你是一個(gè)專業(yè)客服助手。請嚴(yán)格基于【參考信息】回答問題不要編造。如果信息不足請說暫無相關(guān)信息。 【參考信息】 {context} messages [ SystemMessage(contentsystem_prompt), HumanMessage(contentquery) ] # Step 4: 調(diào)用LLM response self.llm.invoke(messages) return { answer: response.content, sources: [doc.metadata for doc in docs] } async def stream_chain(self, query: str, session_id: str) - AsyncGenerator[str, None]: 流式響應(yīng)適用于長回答 # 使用LangChain的stream方法但手動(dòng)控制 docs self.vectorstore.similarity_search(query, k3) context \n\n.join([doc.page_content for doc in docs]) system_prompt f你是一個(gè)專業(yè)客服助手。請嚴(yán)格基于【參考信息】回答問題不要編造。如果信息不足請說暫無相關(guān)信息。 【參考信息】 {context} messages [ SystemMessage(contentsystem_prompt), HumanMessage(contentquery) ] # 關(guān)鍵使用stream方法獲得token級(jí)流式輸出 async for chunk in self.llm.astream(messages): if hasattr(chunk, content) and chunk.content: yield chunk.content這個(gè)ChatService的設(shè)計(jì)亮點(diǎn)在于它完全不依賴langchain.chains模塊而是直接調(diào)用llm.invoke()和llm.astream()。這意味著你可以隨時(shí)替換底層LLM比如從Ollama換成OpenAI而無需修改任何Chain定義。所有業(yè)務(wù)邏輯都集中在invoke_chain和stream_chain這兩個(gè)方法里單元測試時(shí)只需mockself.llm和self.vectorstore即可無需啟動(dòng)FastAPI。4.4 Infrastructure LayerOllama Chroma的本地化部署src/my_ai_backend/infrastructure/vectorstore.pyfrom langchain_community.vectorstores import Chroma from langchain_community.embeddings import HuggingFaceEmbeddings from langchain_core.documents import Document import os class VectorStoreFactory: _instance: Chroma None classmethod def get_vectorstore(cls, provider: str chroma) - Chroma: if cls._instance is not None: return cls._instance # Chroma配置持久化到本地避免每次重啟丟失 persist_directory os.path.join(os.getcwd(), data, chroma_db) os.makedirs(persist_directory, exist_okTrue) embedding HuggingFaceEmbeddings( model_nameBAAI/bge-m3, model_kwargs{device: cpu}, encode_kwargs{normalize_embeddings: True} ) # 關(guān)鍵設(shè)置chroma_db的持久化路徑和嵌入模型 cls._instance Chroma( persist_directorypersist_directory, embedding_functionembedding, collection_nameknowledge_base ) return cls._instance classmethod def init_from_docs(cls, documents: List[Document]): 初始化向量庫僅在首次運(yùn)行時(shí)調(diào)用 vectorstore cls.get_vectorstore() # 批量添加避免單條插入的性能損耗 vectorstore.add_documents(documents, batch_size50) print(f? Initialized Chroma with {len(documents)} documents)Ollama的安裝和模型拉取Windows# 下載Ollama Windows版https://github.com/ollama/ollama/releases # 安裝后以管理員身份運(yùn)行PowerShell執(zhí)行 ollama serve # 啟動(dòng)服務(wù) # 拉取模型國內(nèi)用戶推薦清華源 $env:OLLAMA_BASE_URLhttps://mirrors.tuna.tsinghua.edu.cn/ollama/ ollama pull qwen2:7b ollama pull bge-m3 # 驗(yàn)證 ollama list # NAME ID SIZE LAST MODIFIED # qwen2:7b 8f1b7... 4.2 GB 2 hours ago # bge-m3 a1c2d... 2.1 GB 1 day ago注意Ollama在Windows上默認(rèn)綁定127.0.0.1:11434FastAPI代碼里不需要改任何URLLangChain的ChatOllama默認(rèn)就連接這個(gè)地址。但如果在Docker里部署需要把Ollama容器的11434端口映射出來并在FastAPI里配置base_urlhttp://host.docker.internal:11434。4.5 生產(chǎn)監(jiān)控用Prometheus暴露關(guān)鍵指標(biāo)src/my_ai_backend/core/metrics.pyfrom prometheus_client import Counter, Histogram, Gauge, CollectorRegistry from prometheus_client.exposition import make_asgi_app import time # 創(chuàng)建自定義注冊表避免污染全局 registry CollectorRegistry() # 請求計(jì)數(shù)器 REQUEST_COUNT Counter( ai_backend_requests_total, Total number of requests, [endpoint, status_code], registryregistry ) # 延遲直方圖 REQUEST_LATENCY Histogram( ai_backend_request_latency_seconds, Latency of requests, [endpoint], registryregistry, buckets[0.1, 0.25, 0.5, 1.0, 2.0, 5.0, 10.0] ) # 當(dāng)前活躍連接數(shù) ACTIVE_CONNECTIONS Gauge( ai_backend_active_connections, Number of active connections, registryregistry ) # 在Transport Layer的中間件中記錄指標(biāo) async def metrics_middleware(request: Request, call_next): start_time time.time() ACTIVE_CONNECTIONS.inc() try: response await call_next(request) REQUEST_COUNT.labels( endpointrequest.url.path, status_coderesponse.status_code ).inc() return response finally: latency time.time() - start_time REQUEST_LATENCY.labels(endpointrequest.url.path).observe(latency) ACTIVE_CONNECTIONS.dec()然后在app/main.py中掛載from src.my_ai_backend.core.metrics import registry, metrics_middleware from fastapi.middleware.base import BaseHTTPMiddleware app FastAPI() app.add_middleware(BaseHTTPMiddleware, dispatchmetrics_middleware) # 掛載Prometheus指標(biāo)端點(diǎn) metrics_app make_asgi_app(registryregistry) app.mount(/metrics, metrics_app)啟動(dòng)服務(wù)后訪問http://localhost:8000/metrics就能看到實(shí)時(shí)指標(biāo)# HELP ai_backend_requests_total Total number of requests # TYPE ai_backend_requests_total counter ai_backend_requests_total{endpoint/v1/chat,status_code200} 1245 ai_backend_requests_total{endpoint/v1/chat/stream,status_code200} 892 # HELP ai_backend_request_latency_seconds Latency of requests # TYPE ai_backend_request_latency_seconds histogram ai_backend_request_latency_seconds_bucket{endpoint/v1/chat,le0.1} 321 ai_backend_request_latency_seconds_bucket{endpoint/v1/chat,le0.25} 892 ai_backend_request_latency_seconds_bucket{endpoint/v1/chat,leInf} 1245配合Grafana你可以做出這樣的看板實(shí)時(shí)QPS、P99延遲趨勢、錯(cuò)誤率、LLM調(diào)用成功率。這才是真正的“可觀測性”而不是靠print()和日志grep。5. 常見問題與排查技巧實(shí)錄那些文檔里不會(huì)寫的真相5.1 典型問題速查表問題現(xiàn)象根本原因解決方案實(shí)測耗時(shí)OSError: [WinError 10013] 以一種訪問權(quán)限不允許的方式做了一個(gè)訪問套接字的嘗試Windows防火墻阻止Ollama的11434端口以管理員身份運(yùn)行netsh advfirewall firewall add rule nameOllama dirin actionallow protocolTCP localport114342分鐘ModuleNotFoundError: No module named langchain_community.llms.ollamaPyInstaller未打包動(dòng)態(tài)導(dǎo)入模塊在打包命令中添加--hidden-import langchain_community.llms.ollama5分鐘Chroma向量庫首次查詢極慢5sSQLite WAL模式未啟用磁盤IO瓶頸在Chroma()初始化時(shí)添加settingsSettings(anonymized_telemetryFalse, allow_resetTrue)并確保persist_directory在SSD上1次重啟FastAPI啟動(dòng)后/docs頁面空白Pydantic v2與Swagger UI版本不兼容升級(jí)fastapi到0.111.0pydantic保持2.7.030秒流式響應(yīng)前端收不到第一個(gè)chunkSSE協(xié)議header缺失在StreamingResponse中添加headers{Cache-Control: no-cache}1分鐘5.2 “為什么我的RAG總是答非所問”——召回率調(diào)試三步法RAG效果差90%的問題出在檢索階段而不是LLM。我用這套方法快速定位Step 1繞過LLM直接看檢索結(jié)果寫一個(gè)調(diào)試端點(diǎn)router.post(/debug/retrieve) def debug_retrieve(query: str): docs vectorstore.similarity_search(query, k5) return { query: query, retrieved: [ { content: doc.page_content[:100] ..., score: doc.metadata.get(score, 0), source: doc.metadata.get(source, unknown) } for doc in docs ] }訪問POST /debug/retrieve輸入你的典型query觀察返回的文檔是否真的相關(guān)。如果返回的都是無關(guān)內(nèi)容說明Embeddings或向量庫有問題。Step 2檢查Embeddings質(zhì)量用bge-m3生成兩個(gè)句子的向量計(jì)算余弦相似度from sklearn.metrics.pairwise import cosine_similarity import numpy as np embedding HuggingFaceEmbeddings(model_nameBAAI/bge-m3) vec1 embedding.embed_query(蘋果手機(jī)電池續(xù)航怎么樣) vec2 embedding.embed_query(iPhone的battery life is how long?) vec3 embedding.embed_query(華為手機(jī)屏幕分辨率多少) sim12 cosine_similarity([vec1], [vec2])[
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
99九九在线视频| 九九色大香蕉| 激情五月丁香五月| 五月丁香婷婷婷激情爱爱| 婷婷六月丁香欧美视频在线| 中文精品在| 涩综合网| 视频免费精品免费精品免费精品免费精品免费精品免费精品免费99 | 女人天堂av| 99激情| 婷婷五月天另类视频| 99熟女| 久久色大香蕉| 99性色| 99熟女啪啪视频| 97人妻碰碰碰久久香蕉| 一根材五月婷成人| 日韩有码一区| 97AV在线视频| 激情婷婷丁香五月| 性爱人人网| 人人九色| 婷婷五月综合在线视频| 五月丁香色婷婷色| 日日鲁鲁鲁夜夜爽爽狠狠视频97| 色色色色色色色色网站| 色色热99| 久草婷婷视频| 人妻人人操| 精品国产va久久久久| 伊人无码高清| 丁香五月天欧美成人| 欧美精品18| 婷婷开心青青草| 亚洲精品国产熟女久久久| 婷婷五月天免费| www99xxxx五月丁| 超碰a女人的天堂| 日韩成人综合网| 亚洲99视频| 激情五月天.色网| 桃色五月天| 综合色99| 色综合久久无码| 五月天婷婷操逼视频| 人妻性爱| 99在线观看精品| 色噜噜狠狠色综无码久久合欧美| 丁香六月婷| 婷婷丁香色五月天久久88| 玖玖激情网| 五月花激情| 五月天婷婷久久综合| 啪啪夜久久| 五月激情综合网| 五月丁香六月婷婷无码| 天天狠狠插| 热996精品在线观看| 丁香婷婷色五月| 99爱精品视频| 色婷婷成人在线| 亚洲视频无| 狠狠五月天| 亚洲五月色| 久久色在线视频| 欧美激情-区二区三区| 成人片在线播放| www.激情com| 久久久免费精彩视频| 99热99色| 四色女婷婷| 超碰人人艹| 久久无码成人| 99综合免费视频| 激情綜合W W W,激情五月天| 夜夜骑日日夜夜| 综合性爱网| 国产精品扒开腿做爽爽爽A片唱戏| 成功精品影院| 伊人AV五月婷| 丁香激情六月天婷婷| 九九操操| 久久九九玖玖| 综合性爱网| 又大又粗九一在线| 噼里啪啦完整版中文在线观看| www.色婷婷.com| 婷婷丁香五月,狠狠综合| 九月婷婷久久| 五月综合激情| 婷婷99视频精品| 成人精品免费在线观看| 性色九九| 91热久88| 天堂久久久久天堂网| 再綫Av免费視品| 激情五月,激情综合网| 五月天婷婷色播综合在线| 99视频这里有精品| 精品人妻久久久久久| 伊人久久大香网| 九九久久网| 婷婷丁香视频| 亚洲久久婷婷| 久久五月婷天天干| 人人人va亚洲视频在线| 这里只有精彩亚洲视频推荐| 色婷婷视频综合| 丁香五月狠狠综合欧美| 婷婷五月天人妻| 极品嫩草| 任你艹| 久久激情综合| 五月丁香色综合| 亚洲视频二区| www.99色| 99热精品免费| 精品夜夜澡人妻无码AV| 婷婷丁香社区| 色狠狠婷婷| 极品人妻VIDEOSSS人妻| 国产免费一区二区三州老师F1……| 极品人妻VIDEOSSS人妻| 蜜臀久久99精品久久久久久酒店| 国产另类综合| 五月99久久| 婷婷中文字暮| 五月丁香婷婷激情视频| 色色色99| 日韩操人| 婷婷中文字幕| 五月久久丁香| 日本三日本三级少妇三级66| 棕合影院色色| 久鲁鲁色网| 79亚洲精品少妇| 欧美成人无码一区二区三区| 天天综合天天玩夜夜玩天天玩夜夜玩| 五月天色婷婷成人| 人妻aV在线| 丁香五月情| 国产在线黄色| 激情开心五月天| 青草视频在线观看视频| 九九色情网五月天| 日本不卡中文字幕| 色欲日日躁| 青青草六月丁香| www.sezonghe| www.天天干| 日日爽日日| 婷婷99狠狠躁天天躁中| 成人va在线观看视频| 玖玖资源站国产| 五月花综合| 4399在线观看免费高清电视剧| 婷婷六月婷婷| 五月色婷婷综合| 91九色在线视频| 91欧美| 国产激情综合五月久久| 免费91久久精品| 黄色短视频在线观看| 99热超| 91九色精品| 色色综合网站| 婷婷五月深深爱| 婷婷亚洲综合| 丁香五月影院| 综合久久首页| 六月丁香五月婷婷首页| 色婷五月天激情| 五月综合色| 人人干人人看| 九九热av| 一起草AV| 天天精品视频免费观看| 色婷婷在线视频| 色一情一乱一乱一区91| 青草青草视频2免费观看| 9精品久久999| 91日日日| 色婷婷激情视频| 人人爱人人草| 欧美日本韩国亚洲| 天天肏视频| 婷婷深爱五月天在线| 五月丁香六月婷婷国产视频| 超碰99热| 久久99精品日本| 婷婷五月天 偷拍| 色五月六月| 日韩人妻无码专区| 97碰 在线视频观看| 亚洲熟女色| 五月在在观看| 开心五月网| www,setingting| 色六月婷婷| 情涩婷婷五月天| AV在线资源| 一区二区三区四日本| 97色啪| 这里只有在线精品| 日韩啪啪网| 中文字幕操比影片| 婷婷 激情 五月| 六月婷婷综合| 色色色丁香| 狠狠色五月激情| 99视频在线精品| 粉嫩AV久久一区二区三区| 国产AV不卡福利| 婷婷五月天xxx| 中文字幕不卡+婷婷五月| 婷婷色色综合| 新99思思视频| 玖玖热视频| 精品导航在线x不卡| 日日日日做夜夜夜夜无码| 天天干,夜夜爽| 丁香五月综合网| 丁香五月在线人妻| 超碰免费人人| 人人性久久| 99久久久国产精品免费蜜乳tv| 欧美这里只有精品| 91在线日| 亚韩在线视频| 色综合狠狠色| 这里只有精品免费视频| 五月丁香 狠狠爱| 精品一二三区视频立| 超碰色综合| 亚洲99一级无嗎特制在线| 色久在| 丁香六月啪啪啪| 影院久久久| 婷婷在线操| 五月天久久婷婷| 天堂色色色| 天天操综合网站| 国产做爰视频免费播放| 2025中文在线视频字幕免费观看| 女人天堂AV| 大香蕉久久久久| 超碰人人干| 婷婷94s| 国产精品久久久丁香五月八戒视频| 激情六月天| 婷婷伊人中文字幕| 五月丁香天堂网| 日本美女上人| 五月激情小说网| 国产av基地| 91色吧网| 天天射综合网站| 色婷婷综合亚洲| 色色婷婷丁香五月天| 色婷婷久综合久久一本国产AV| 麻豆AV一区二区三区| 色色色在线免费视频| 九九精品热| 五月婷婷免费在线| 丁香五月自拍| 97色伦另类图片小说视频 | www.亚洲激情| 色婷婷第四色| 婷婷五月天激情网| 五月丁香激情综合| 日本欧美成人片AAAA| 99久久精| 欧亚成人A片一区二区| 激情五月激情综合网一级丸片| 99性爱视频| 亚洲小视频免费观看| 五月丁香啪啪| 天天综合天天玩夜夜玩天天玩夜夜玩 | 天天久综合| 操97在线观看| 九色七七| 综合综合色色| 爱穴久久| 大香蕉久久婷婷| 精品99在线看| 婷婷五月丁香五月| AV天堂婷婷五月天| 2015超碰| www.色婷婷.com| 热99精品视频观看| 久久综合综合综合| 色婷婷大香蕉| 五月婷婷六月爱| 97色 五月天丁香| 99热这里只有精品免费观看| 性视频久久| 九九伊人网| 久久精品国产色| 日本久久激情| 色婷婷免费观看| 五月激情日本在线| 99久久人人| 影音先锋91资源站| 色婷丁香五月| 亚洲无码AV片| 五月丁香六月欧美综合网站| 婷婷五月天激情AV影院| 99热天堂| 日韩成人无码| 久婷久婷| 天天橾日日橾夜夜橾17| 婷婷少妇激情| 国产免费性爱| 碰碰91| 丁香六月亚洲| 超碰成人AV| 色五月丁香网| www.com五月天| 狼友视频在线观看18| 大香蕉久久| 久狠日av| 精品在线| 97伊人综合婷婷| 99热 在线观看| 青青草原亚洲久| 99玖玖免费视频| 五月丁香婷婷激情| 一本色道久久综合狠狠躁小说| 五月丁香婷婷爱激情综合网| 操97在线观看| 超碰久热| 99在线精品在线视频| 超碰成人在线观看| 五月丁香在线观看国产| 九九这里只有精品| 色婷婷综合影院| 天天摸,天天爽| 青青草Avb在线| 120分钟婬片免费看| 最新日韩久热免费视频看看| 亚洲中文字幕在线观看| 国产精品社区| 天天色综网| 五月天国产成人| 久热99久热| 99热久| 婷婷六月综合基地| 欧美婷婷五月| 五月人人丁香婷婷五月人人丁香| 99热综合在线| 欧美婷婷综合网| 色情五月综合婷婷| 色五月婷婷在线| 久久精品凹凸分类| 插少妇综合网| 天天玩夜夜操天天爽| 六月婷婷操逼| 日韩性爱AV| 97色婷婷| 精品婷婷| 99热免费精品| 99精品在线观看视频| 天天操,天天插| 91婷婷丁香五月天免费视频网站| 9999热在线免费观看| 激情五月综合网丁| 99热在线观看| 日本天天操| 五月天久久综合| 久久丁香五月婷| 天天做天天双| 五月丁香琪琪| 婷婷色播婷婷| 亚洲婷婷91丁香| 噜噜网免费视频| 五月天综合区| 欧美激情五月天在线观看| 激情综合在线观看| 另类亚洲视频| 99视频久久久| 中文字幕性爱视频| 艹天天射| 成人AV综合在线| 色色色五月天婷婷| 五月亭亭激情综合| 六月成人网| 可以直接看的av| 激情综合99| 丁香五月激情婷婷婷婷在线观看| 欧洲永久精品| 97夫妻超碰| 天天日日夜夜| 亚洲综合婷婷| 亚洲精品又粗又大又爽A片| 99热大香蕉| 色色婷婷婷丁香五月天| 91人操| 1024AV视频| 99原创自拍视频在线观看| 1000部毛片A片免费观看| 婷婷五月婷婷| 99激情| www.色婷婷| 亚洲五月天激情| 天天操天天曰| 99欧美| 丁香六月综合激情| 91色呦哟| 99re视频在线精品| 婷婷丁香www视频日本韩国| 婷婷婷五月香蕉| 色色色色色日韩午夜激情 | 啪精品| 亚洲有码在线视频| 超碰免费99| 免费婷婷| wWw色五月| 高清激情av在线观看| 五月丁香六月婷婷在线小说视频| 丁香五月久久综合| 婷婷五月伦理网站| 婷婷丁香五月网| 狠狠干综合网| 婷婷五月天久久| 五月丁香| 丁香九色不卡aaa| 日本 色综合| 91九色欧美| 91人人操人人| www.夜夜夜| 亭亭社区五月天| 婷婷久久天堂网| 丁香六月婷婷综合色| 色婷婷综合久色AV五色最新| 天天成人五月天| 玖玖资源在线视频| 另类综合色| 五月停停色色丁香| 丁香六月婷婷综合| 日日操夜夜操中国无码| 99热免费精品| 婷婷五月天va| www婷婷| 午夜一区| 日韩一级一片内射视频4K| 青青草99re| 久久婷婷内射| 婷婷一本和五月丁香| 天天色宗合| 日韩成人av在线| 丁香六月天| 亚洲AV电影美洲AV电影| 婷婷五月天在线看| 久热网在线视频| 中文字幕av在线播放| 色色国产| 五月情涩综合婷婷| 琪琪理论片| 色色综合色| 色色激情网| 国产精品成人AV在线观看春天| 性爱五月婷| 99小视频| 六月丁香中文字幕| 无码一级片| 97操操| 欧美另类五月激情| 久久久亚洲成人无码A片| 国产67194| 99热网站在线观看| 92国产福利| 天天爽天天爽天天爽天天爽天天爽天天爽天天 | 五月丁香婷婷婷激情爱爱| a v色婷婷| 天天色天天爽| 婷婷五月天AV| A片女女女女女女BBBB| 亚洲AV无码影院| 色婷丁香五月| 丁香五月人妻| 婷婷丁香五月天之开心少妇| 九九99在线观看视频| 99超级碰碰| 久久99三级在线视频| 婷婷久久五月天| 亚洲经典小视频| www超碰| 欧美天堂婷婷日韩| 久久亚洲A| Www.sesese丁香| 巴基斯坦粉嫩无码视频| 久久婷婷综合五月| 99干日本| 久久这里都是精品| 日本黄色三级片内射| 日韩影院三级| 五月天偷拍| 成人 在线观看国产| 亚洲欧美成人在线| 色色日本欧美| 极品五月天| 99久久黄色顶级视频| 五月天激情网站| 99综合色色色| 天天日夜夜草进麻麻的子宫| 99在线免费观看| 成人网在线视频| 国产资源91在线| 深爱激情五月天| 婷婷五月激情图片| 婷婷丁香视频| 欧美网站视频4399| 狠狠操在线视频| 天天爽天天| 五月丁香久久久久| www.婷婷.com| 丁香五月婷婷99| 五月婷婷九月婷婷九月婷婷| 精品一二三区久久AAA片| 26uuu视频欧美| 欧洲不卡视频| 超碰成人av| 色色色色色色网| 大香蕉在线99热| 思思久久96热在精品国产,| 五月婷婷激情网| 97操操| 亚洲在线操| 激情五月婷婷视频一区二区三区| 色色网站免费| 久久女人九九| 五月婷激情| 超级碰碰碰久久网站| 伊人在线婷婷草| 国产亚洲精品久久久久久牛牛| 婷婷色婷婷亚洲成人| 久婷| 伊人激情啪啪| 丁香五月天堂| 五月丁香久人妻中文| 国产67194| 亚洲激情综合网| 九九aV| 综激情网| 久久一热| 99爱欧美| 丁香88AV五月婷婷| 激情综合色播| 久久99国产综合精品免费| 丁香五月综合图片在线观看| JAPANRCEP老熟妇乱子伦视频| 色色婷婷丁香| 久久小视频| 激情q青青草在线婷婷| 久久激情视频| 夜夜夜夜做天天天做无码视频| 亚洲乱码日产精品BD| 婷婷五月天无码熟女| 国产精品久久久久久久久久免费| 丁香五月天五码婷婷| 久久久久久久久月丁| 热99精品视频| 婷婷九月丁香天堂丁香天堂| 色情丁香五月婷婷精品| 久热只有这里有精品| 99色综合| 婷婷无码视频| 伊人玖玖婷婷| 99热这里只有精品在线观看| 亚洲色情激情丁香五月| 激情婷婷五月社区| 亚洲乱码w在线观看| 久久激情五月婷婷| 狠狠干综合| 五月丁香婷婷激情| 欧美婷婷色五月网| 亚洲永久免费| 天天爽人人爽| 色五月婷婷伊人| 夜夜 操无码| VA五月激情在线| 五月天婷婷综合色| 天堂网啪啪| 99色在线观看免费| 久久久久久久久久久久久久久久一道本| 亚洲综合色色色| 九九热10| 精品一二三区久久AAA片| 涩婷婷五月天| 亚洲午夜av| 日本乱子人伦在线视频| 天天干天天干天天干天天干天天干| www.婷婷亚洲基地| 操人妻AV| 蜜臀av粉嫩av懂色av| 这里只有精品在线视频精品| www。五月,com| 狼人狠狠操| 深爱激情四射| 天天综合 99久久婷婷| 久久九九综合| 激情欧美丁香五月| 亚洲精品va| 丁香五月瑟瑟| 国产成人+综合亚洲+天堂| 极品人妻videosss人妻| 婷婷射综合| 成人精品视频99在线观看免费| 五月丁香五月综合欧美| 成人羞羞啪啪 全 视频| 欧美婷婷精品激| 久久人人妻| 蜜乳中文字| 性色人人爽| 婷婷丁香婷婷97| 九九亚洲视频| 97色色综合| 深爱开心激情网| 激情人妻综合| 秋霞九九无码| 成人丁香五月| 99超级碰碰| 五月天色在线| 色热久资源| 成人网页在线观看| AV网在线| 天天射影院| 亚洲五月婷婷| 97五月天婷婷| 79亚洲精品少妇| 国产成人在线精品| 五月婷婷丁香网| 国产阿姨日皮艹逼内射视频| 久久色五月| 91九九九九九九| 91色久| 91久久色| 思思热高清在线观看| 6月丁香婷婷激情| 久久精品63| 婷婷日韩| 亚洲综合网在线| 激情综合五| 91人操| 色色色9| 五月丁香网站在线播放| 丁香婷最新动态| 99碰| 久七香蕉| 99久久婷婷五月| 成人精品视频99在线观看免费| 超碰99在线观看| A久久| 欧美精品熟女一区二区| 九九热在线观看视频网站| 五月婷婷激情综合在线| 五月天大香蕉| 91人妻人人做人碰人人爽九色| 婷婷中文网站| 亚洲欧美日韩另类| 伊人婷婷99热精品| 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 | 欧美一级色| 97色图片中文字幕视频在线观看| 丁香五月婷婷www..com| 超碰熟女农村在线69| 日韩精品无码一区二区| 免费看欧美成人A片无码| 另类激情综合| 亚洲热热视频| 精品乱码久久久久| 99热这里只有精品1| 免费黄色片子| 99热精品在线| 深爱五月激情| 俺去也婷婷| 亚洲中文字幕av| 五月婷丁香| www.五月天| 婷婷丁香人妻天天爽| 99热18| 日本色婷婷| 99久久综合网| 99色在线视频| 丁香五月婷婷基地| 国产欧美性成人精品午夜| 久久精品99国产精品日本| 丰满老熟妇BBBBB搡BBB| 国产全是老熟女太爽了| 七月婷婷色香综合网| 激情久久伊人| 影院久久久| 五月天婷婷久草丁香| 婷婷丁香社区| 99九九热在线观看| 丁香 婷婷 激情 综合 五月| 综合激情五月丁香9999久久精| 五月婷婷久久开心网| 涩涩五| 国精产品久久| 天天干电影| 丁香婷婷五月六月久久| av色色国产| 精品人妻伦九区久久AAA片| 国产精品久久久久久喷浆| 五月婷婷丁香日韩在线| www狠狠爱com| 成人版视频在线观看| 久久色情| 午夜青草资源| 女高怪谈在线观看| 日韩高清成人| 亚洲成人综合在线| 99在线资源视频| 色五月自偷自拍婷婷婷婷| 欧美精品啪啪| 激情精品久久| 婷婷六月伊人| 五月天丁香综合久久国产| 激情综合网五月激情| 色婷婷基地 | 亚洲一二三网| 激情综合五| 丁香五月婷婷动漫| 五月花免费视频| 97人人操人人爽| 精品成人无码A片观看香草视频| 97成人丁香| 一级精品999WWW| 欧美又粗又大一区二区在线观看| 婷婷五月丁综合| 伊人久久大香线蕉av一区| 亚洲1区| 4438全国最大视频成人网站在线观看| 91人人网| 婷婷综合激情五月综合| www.99日本| 秋霞免费视频| 成人短视频在线免费观看| 国产1区2区3区在线观| 精品无码99| 狠狠色婷婷777| 色色五月婷婷狠狠| 97碰久久| 性生活视频98791| 啪啪一区| 色综合网页| 亚洲色五月| 狠狠干综合网| 激情综合久久| 亚洲av无码精品色午夜| www。88热在线视频免费观看| 天天色综网| 日本三级日本三级99| 99久久婷婷五月| 久久无码激情视频| 婷婷五月天国产| 亚洲亚洲人成综合网络| www.97碰碰com| 天天天天做夜夜夜夜做| 五月天婷婷丁香| 91啪啪啪啪| 天天插夜夜爽| 久久婷婷五月天懂色| 成人精品免费在线观看| 人人澡天天色天天做| 婷婷激情图片| 98国产精品综合一区二区三区| 色婷婷丁香综合中文字幕| 婷婷伊人久久综合| 99精品色| 六月丁香六月婷婷欧美| 人人草人人爱手机视频看看| 激情AV| 伊人久久大香线蕉av一区| 日日夜夜天天爽| 综合网色| 丁香五月婷婷超碰在线| 丁香五月成人av| 五月天丁香婷婷网| 婷婷97狠狠干| 欧美日韩91| 玖玖五月丁香| 九九色综合视频| 少妇人妻偷人精品无码视频新浪| 新97人人上人人| 可以看的av| 激情综合文学| 五月丁香婷中文| 欧美日韩999| 日韩一级片| 玖玖五月| 99热第一页| 色婷婷五月天小说| 日本人妻伦在线中文字幕| 深爱婷婷基地| 亚洲天堂久久| www.色五月.com| 九九在线精品| 激情综合婷婷久久| 日日爱699| 超PEN精品在线| 婷婷五月天.com| 久久婷婷五月天| 色五月综合| 人人97碰| 99精品视频偷拍| 色噜噜狠狠色综无码久久合欧美| 亚洲成人AV电影网| 热99只有里视频| 精品九九九久| 色婷婷丁香五月色综合网| 青柠影视免费高清电视剧| 99小精品| WWW.国产| www.91有码.com| 香蕉久久av一区二区三区 | 五月婷婷综合激情网| 中文精品在| 超碰免费99| 激情五婷网| 婷婷丁香色情| AV在线观看网站| 亚洲精品国产成人AV在线| 色播婷婷大香蕉| 欧美久热| 99热在线观看免费中文| 精品人妻伦一二三区久久| 色婷婷婷av | 操操操AV| 久久大香免费| 99久久久久久www| 91狠狠综合网| 91久热| 久久精彩综合视频| 婷婷五月天在线观看| 精品无码av丁香五月激情| 99热91| 五月婷色丁香| 猫咪伊人AV| 天天爱夜夜爽| 婷婷丁香五月色偷偷| 91精品综合久久婷婷九色| 丁香五月综合激情性爱 | 久久这里只精品66| 亚洲精品午夜国产va久久成人| www.激情| 9.1综合网| 99激情视频| 日韩草草草草草草草草草草草草| 国产一级片| 激情综合网,婷婷五月天| 1024国产在线| 伊人啪啪网| 六月婷婷视频| 中文字幕av在线| 丁香九月综合| 538在线精品| 99re最新地址| 超碰高清在线| 色五月综合在线| 五月天激情黄色小说在线观看| 色五月亚洲| 开心日韩丁香婷婷五月| 影音先锋男人av资源站| 激情五月天视频| 成人AV免费观看| www.色婷婷.com| 日日夜夜天天爽| 性爱人人网| 亚洲激情网| 婷婷天天综合| 无码yw| 色色色色网站| 色色婷婷综合网| 亚洲国产另类av| 亚洲免费看片| 丁香五月天导航| 97超碰,人人舔,人人操,人人摸 | 婷婷综合五月| 天天爽天天摸| 色综合久久中文| 久热9| 日在线V视频在线播放| 五月花激情网| 五月天色丁香| 欧美激情-区二区三区| www.99热在线观看| 99噜噜噜在线播放| 五月婷婷五月天在线| 99色在线视频| 五月停停99| 成人av播放| A A色色| 久久作爱| 无码一区精品一区视频| www.色综合.com| 六月婷婷狠狠| 久热亚洲| 亚洲乱码日产精品BD在线观看| 久久久久这里只有精品| 99这里只有精品视频在线| 31色区视频免费看| 婷婷六月天| 五月婷婷在线综合| 精a品a视a频| 色婷婷呢狠禁久禁| 99热99色| 五月婷婷丁香瑟瑟视频| 五月婷婷深深的爱| 大香伊人婷婷| 激情99| www.色综合.com| 国精产品一区二区三区| 色播六月| 婷婷综合另类| 丁香六月婷婷久久综合| 性高潮久久久久久-九九九九九九九九九九热-成人AV | 婷婷金品综合视频| 婷婷激情五月天小说校园| 热99这里只是精品| www99xxxx五月丁| 国产伦亲子伦亲子视频观看| www.com五月天| 久久资源网五月婷| 人人人操B超碰| 色婷婷久久久| 大香蕉久久久久久久久| A久久| 五月婷视频| 操操操B| 五月丁香六月激情综合| 91狠狠色丁香婷婷综合久久狠丁香综合久久精品 | 这里只有精品视频看看| 精品久久99码| 久久九九囯产| 五月天丁香婷婷视频网址| 色五月激情网| 大香蕉久热| 思思热精品在线| 六月丁香婷婷尤物| 丁香五月图片| 久婷婷| 麻豆精品| 亚洲殴洲精品Av在线| 99色热| 国产激情综合五月| 夜夜资源站| 五月婷丁香久久综合| 2018夜夜草| 亚洲色久| www.日本91| 亚洲 日韩色色| 五月丁香福利| 五月天丁香成人| 99caobi| a级毛片一区二区免费视频| 成片免费播放| 51国精产品自偷自偷综合| 嫩草视频在线观看| 激情五月天影院| 五月丁香六月婷婷综合网站| 99热这里只有精品1998| 人妻videos人妻高清| 五月丁香激情五月天| 91超碰在线观看| 丁香五月激情棕合| 色色狼人综合| www.99热精品| 大香蕉久久婷婷精品综合| 亚洲性爱AV| 亚洲无码猫咪| 极品五月天| 亚洲mm免费| 9久久狠狠的| 中文字幕欧美日韩VA免费视频| 激情五月综合| 538在线精品| 亚洲综合激情五月久久| 欧美性做爰大片免费看办公室| 99热这里只有精品免费| 精品色色| 色五月婷婷五月天| 99热超碰在线| 99精品国产乱码久久久人妻| 免费无码毛片一区二区A片| 99无码视频| 色狠狠色噜噜AV天堂五区| 国产精品久久久久久久久久久久| 四LLL少妇BBBB槡BBBB| 超碰97在线操| 国产免费性爱| 伊综合蕉| 超碰cap| 伊人成综合五月婷婷| 9 1 A v久久久| 久久婷婷东京热大香樵| 五月婷婷婷| 91视频一起草| 九九久久五月天| 久热精品视频在线观| 久久精品五月天| 日本久久99| 成人婷婷桔色| 天天综合图片| 人人妻久久妻| 亚洲免费观看高清完整版AV线| 97人人操| 涩五月婷婷| 最近中文字幕2019视频1| 播丁香五月婷婷欧美| 97人人操com| 99九九视频精彩在线| www.zbzhongsen.com| 熟女色色一区二区| 99热99精品在线观看| 密视AV综合在线| 欧美大香蕉视频| 色婷婷WWW| 婷婷天天综合| 亚洲九九视频| 99ri在线| 青青久在线视频免费观看| 亚洲综合五月天婷婷| 免费看片操逼| 大香蕉五月丁香| 五月花婷婷在线精品视频| 99热日| 九九色热| 91操碰| WwW色婷婷| 久re热视频| 五月婷婷在线丁香| 五月丁香亭亭天天舔| 亚洲色综合性| Av九九| 国产偷人爽久久久久久老妇APP| 日碰日| 人人妻人人澡| 五月丁香六月婷婷免费| 停停五月丁香| 91中文在线| 91九色偷拍| 九月综合| 婷婷五月天色网久| 超碰国产AV| 五月婷婷性爱| 婷婷综合在线视频| 密黄站| 婷婷丁香五月综合激情小说| 九九热99视频| 苗黎美女四级成人版一级二级毛片| 日本人妻操| 五月婷婷六月丁香激情深爱| www.俺去也com| 99热老司机| 色六月 婷婷| 狠狠狠狠狠狠色| 婷婷中文字幕版| 秋霞A V毛片| 黄桃AV无码免费一区二区三区| 铁牛TV人妻| tingtingzonghewang| 日本欧美成人片AAAA| 男男野外做爰全过程69| 五月丁香大相交| 色综合五月婷婷狠狠干| 欧美五月婷婷| 人人操9| 亚洲黄色影视| 欧州色色| 99精品无码| 久草丁香婷婷五月天婷| 久久五月激情网| 丁香激情网| 久热精品免费视频4| 婷婷成人网五月天| 天天日综合| 欧美电影在线播放| 久久多色| 成人丁香婷婷| 久久人人看| 日韩av在线免费观看| 亚洲情a| 五月丁香六月婷婷啪啪| 欧美乱码国产一级A片| 欧美色色色| 可以直接看的AV| 99re免费在线视频| 先锋av性爱成人电影| 丁香五月性爱| 日韩久综合| 国语精品探花| 天天爽人人综合免费7799| 丁香五月最新地址| 日本色色色| 国产欧美精品AAAAAA片| 99色综合| 欧日韩成人| 精品一二三区久久AAA片| wWwCom夜操wwW| 丁香六月激情| 婷婷色基地在线看| 五月丁香六月激情| 久久6这里只有精品| 超碰人人草| 99热99| 99热无码| 丁香六月婷婷操逼网| 色欲婷婷夜夜| 婷婷基地爱| 91操片| 久久性爱视频网站| 五月综合激情网| 操逼福利视频| 九九热最新视频| 亚洲av网站| 亚洲黄色精品| 性爱激情小说AV五月丁香花| 丁香五月综合在线观看| 丁香五月婷中字在线| 婷婷激情六月中文| 狠狠色婷婷777| 俺也去在线久久精品23欧美综合视频网站,丰满人妻一区二区三区在线视频53,丰满 | 午夜九九电影| 97色吧| 婷婷色亚洲| 色色操| 色婷网| 丁香五月天激情综合| 九九久久精品國產| 天天精品视频免费观看| 国产99久9在线+|+传媒| 激情黄色小说五月天| 色伊人91在线视频| 天天操夜夜玩!| 九九热精品视频在线观看| 国庆精品久久| 丁香五月天视频| 99热免费网站| 97天堂| 六月婷婷无码观看| 另类图片五月天| 激情久久久| 久热免费视频| 青草性爱视频| 日本高清久久| 婷婷深爱色五月| 色婷婷网大全在线| 丁香五月天婷婷中文| 日韩在线看AV| 99r这里| 婷久久综合| 五月天婷婷无码视频| 亚洲蜜乳AV| 综合网啪| Www99热| 久久综合九九| 色婷婷丁香六月| 天天干,天天日| 六月丁香射婷婷欧美色图片| 日韩性爱AV| 亚洲另类噜噜| 大香婷婷| 五月丁香激情四射| www.狠狠| 泰州成人视频| AV 3P| 热婷婷av| 婷婷色综合| 99久超碰| 天天干天天插| 99re26视频| 91日综合欧美| 2020日日干| 天天爽在线视频| 99久久国产宗和精品1上映| www.夜夜騎夜夜狠| 丁香六月综合激| 99这里有精品视频| 丁香六月色婷婷欧美| 极品少妇XXXX精品少妇偷拍| 黄色笑话深爱激情网丁香五月婷婷啪啪啪啪啪 | 色女人久久| 丁香 婷婷 激情 综合 五月| 午夜一区| 伊人久热91网| 日日干日日| 婷婷精品视频| 操操操B| 激情五月天偷拍综合网| 91 九色 熟女| 99热这里只有精品66| 婷婷五月天大香蕉在线视频观看| 六月天婷婷| 99热国产| 日本精品人妻无码77777| 婷婷五月丁香久久| 欧美激情-区二区三区| 激情开心五月天| 久久久人妻不卡| 91嫩草国产线观看亚洲一区二区| 日日干天天爽| 人妻操逼视频。| 成人免费黄色短视频| 在线视频激情网站| 99久.| 91人操人人人操人| caopeng超碰| 337久久| 六月婷婷激情| WWW.天天日| 五月天综合色| 天天做天天爱| 天天干狠狠| 五月婷婷综合激情网| 天天日天天久久青青| 九月激情综合| yazhouzonghesese| 综合激情sV| 99国产精品久久久久久久久久久| 天天日天天爽夜夜爽| 激情综合啪啪啪| 伊人喵咪a V| 五月天激情久久| 久久久性爱视频| 色婷婷欧美在线| 97久操视频| 99ree6| 成人网站在线观看视频| 情婷婷五月天| 无码激情| 国产综合A片| 丁香六月啪啪| 天天搞天天色综合| 五月丁香婷婷成人伊人网| 久久hd| 老美AA片| 久久er这里只有精品| 99精品九九| 九九色色| 五月丁香六月综合激情无码软件亮点 | 久色| 丁香五月天色婷婷| 九九这里只这里只有精品| 干一干xxxx| 爱久久小说下载网| 色五月综合网| 激情五月天综合| www.五月天婷婷姐姐| 综激情网| 婷五月天| 久久97久久99久久综合欧美| 九九Av| 九九无码| 亚洲色a| 五月天婷婷自拍图片在线观看| 黄色激情久久| Av在线不卡一区| 97色干| 超碰成人免费| 丁XX 成人| 五月婷色激情五月| va婷婷在线| 九玖视频这里只有精品| 超碰免费99|