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
久久婷婷六月综合| 4399在线日本A片| 天天色粽合合合合合合合| www.婷婷五月天,com| 色婷婷丁香花五月天| 色情五月天丁香社区| 五月婷综合性中心| 婷婷六月丁香开心深深爱| 九九伦子片| 婷婷五月天丁香花| 色六月婷婷| m色激情网| 九月丁香婷婷| 综合色情网| 色色综合网www| 香蕉久久国产AV一区二区| 亚洲AV色婷婷人禽五月天| 国产色色网址网站| A一级操| 97日本在线| 野战J办公桌椅H| 五月丁香婷婷啪啪| 狠狠干,狠狠操| 噜噜吧天天爱| 亚洲综合五月| 激情六月婷婷| 九色无码| 69久久99精品久久久久婷婷| 99成人| 国产精品A片| 这里只有精品视频在线观看免费| 熟女婷婷网站一婷婷五月一丁香婷婷一婷婷激情网 | 色开心五月婷婷丁香HD| 在线不卡的视频| 五六月丁香激情视频| 婷婷久久99| 五月天涩涩| 色。 日日日| 亚洲区视频| 五月婷综合激情| 午夜精品久久久久久久爽| 99热精品中文字幕| 另类激情综合| 97人人操人人干| 九九色99| 极品人妻VIDEOSSS人妻| 婷婷中文字幕网站| 96色婷婷| 欧洲综合视频| 美女丁香五月天| 思思热天天看| 夜夜噜夜夜奇| 亚洲精品午夜国产va久久成人| WWW.夜夜| 九九无码| 天天狠狠夜夜狠狠2023| 精品一二三区久久AAA片| 激情综合亚洲| 99精品视频在线观看| 天天影院色| 九九九九这里只有精品| 成人精品视频99在线观看免费| www.zbzhongsen.com| 丁香色五月 97干| 26uuu最新地址| 五月婷婷激情网| 九九这里有精品| 中文字幕成人| 伊人激情综合| 久久色婷婷| AV电影在线播放| 亚洲AV成人精品日韩在线播放| 久久色天堂| 九色自拍| 337p午夜影院| 五月婷婷在线观看黄| 色色丁香婷婷综合| 成人综合网站| 欧美日韩国产一区二区| 婷婷五月天美女| 五月天六月天| 色播五月婷婷| 久久伊人大香蕉| 国产一区二区av免费| 丁香五月色激情| caopeng97人人| 99精品在线观看视频| 婷婷五月天黄色| 91人妻PORNY九色大屁股| 桃色五月婷婷| 五月婷亚洲精品| 波多野结衣AV无码Porn| A片试看120分钟做受图片| 国产毛片操B| 91久久国产综合久久| 99精品久久久久久久| 婷婷五月播| 六月丁香五月激情网| 色天五月天在线观看视频| AA久久| 亚洲操逼网| 99在线视频。| 人人色人人摸人人看| 五月丁香欧美| www.操.com| AV在线不卡播放| 狠狠草网| 麻豆123区| 五月丁香六月婷婷操操操| VA色婷婷| 欧美色碰| 日日夜夜天天爽| 另类专区在线观看| 色色婷婷婷丁香五月天| 精品综合五月| 中文字幕 中文字幕明步| 国产做爰视频免费播放| 色五月天影视| 激情六月婷婷| 国产黄色av| 久久66er久久| 亚洲无码另类| 伊人狠狠色婷婷综合丁香一区| 亚洲婷婷月丁香五月| 五月丁香六月婷婷色日| 色色热日| 综合图区激情| 年轻的妺妺伦理HD中文| 开心久久五月天| xxx.色婷婷| 精品夜夜澡人妻无码AV| 五月婷婷免费在线| 欧日韩成人| 岛囯综合激情网| 91五月天| 91碰碰碰| 五月丁香激情综合| 色六月婷婷| 99碰碰碰| 五月网网站| 99久久网站| 9l视频自拍九色9l视频在线观看| 色婷婷婷婷五月天| 超碰cap| 久久国产性爱A V| 亚洲成人无码网站| 五月色亚洲| 五月婷婷九月婷婷九月婷婷| 刘玥精品一区| 丁香五月六月激情久久| 婷婷丁香18| 精品视频99看在线视频| 狠狠操狠狠爱| 亚洲五月婷天天操| 午夜亚洲AV日韩无码| 久热视频A.| AV在线免费播放| WWW·色色色·COM| 久久99综合网| 五月丁香福利| 久久综合丁香激情五月| 开心久久五月天| 色婷婷基地| AV动漫不卡无码免费| 激情五月天小说|五月天开心激情网|亚洲精品国产自在现线|黄色五月天 | 天天草天天日| 日韩婷久| 超碰在线视屏| 丁香五月天在线观看视频| 五月激情婷婷综合| 黄网免费看| 超碰93在线观看| 偷拍91九色| 美国十月色婷婷在线观看| 亚洲影院婷婷色| 婷婷五月天偷拍| 影音先锋 婷婷| 99精品偷自拍| 五月婷婷之美女图片| 日本在线观看99| 这里只有精品在线免费视频| 丁香久久九九99| 青青草五月天| 99九色视频在线观看| 99自拍视频网站| 五月婷婷色播| 欧美精品999| 深爱五月激情网| 99性爱| 我爱宗和色| 五月天激情色色| 五月丁香做爱视频| 91要啪| 这里只有精品免费视频| 五月激情婷婷播播网| 亚洲日韩久久婷婷伊人| 天天综合 99久久婷婷| 极品色丁香| 九九久久五月天| 亚洲精品99| www夜夜操| 26uuu亚洲色| 狠狠撸激情综合丁香五月天俺来啦| 九八Av| 久久只有18视频| 色99超碰| 色色色综合网| 九九热在线视频观看| 久久久欧美精品sm网站| 中文字幕网伦射乱中文| 99精品性爱| 九九这里是免费的视频5| 大香蕉五月丁香| 秋霞电影一级黄| 久久99热网| 天天在线XXX| 99ri在线| 996热re视频在线观看视频| 超碰日日操| 99综合视频在线| 激情婷婷狠狠干综合| 99亚州综合精品成人网| www色婷婷久久综合久色| 久久五月婷婷综合网| 色色亚洲五月天| 亚洲色五月| 丁香六月天婷婷色| 婷婷金品综合视频| 激情综合五月婷婷六月丁香| 五月天快乐开心激情网| 任你擦免费视频| 狠狠干综合| 九九热思思| 久久久激情| 婷婷综合中文| 婷婷激情社区| 六月婷婷开心| 天天色,天天操,天天射| 六月婷婷色综合| 九九爱激情| 久久人人九九| 九九久热| 九九热这里只有精品一| 狠狠看狠狠| 五月天综合色| 99婷婷精品推荐在线视频| 欧美Va婷色| 婷婷六月网| 亚洲成人在线综合| 97操男人的天堂| 99爱视频在线观看| 久久丝袜婷婷| 99热九九热| 欧美色骚婷婷五月天| 97久久五月丁香婷婷| 无码人妻AV久久久一区二区三区| 人人操五月天| 九九碰九九爱97| 国产玖玖资源| 五月婷婷欲色| 日日肏夜夜干| 激情五月婷婷啪啪| 深爱五月婷婷开心中文字幕| AV在线中文| 色吊丝av中文字幕| 色噜婷婷| 五月丁香另类网| 99色综合| 日本欧美成人片AAAA| 五月丁香好婷婷A片网| 成人五月天视频播放| 国产婷婷五月中文字幕高清 | 夜夜操天天干| 五月花激情| 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 | 国产69精品久久久久999小说| 婷婷五月天伊人网| 丁香五月人妻| www.久久久久| 色色五月婷| 亚洲中文字幕av| 丁香五月社区| 婷婷五月丁香久久| 丁香五月性| 天天爽天天| 很很干天天干| 九热免费视频| 色五月婷婷丁香五月| 狠狠爱五月婷婷| 婷婷六月丁香欧美视频在线| 丁香五月天之婷婷影院| 丁香五月激情啪| 狠狠色丁香婷婷久久综合| 色色色综合网| 97干免费视频| 色情五月丁香| 日韩av一区二区在线/日产精品久久久| 99精品久久| 五月婷婷六月色| 婷婷五月成人| 综合色色婷婷| 色色综合网站| 五月天综合| 97色婷| 色情综合| 97人碰人操| 超碰一区二区| 色色五月婷婷久久| site:901-07.com| 九九这里只这里只有精品| 怕怕av| 丁香五月天人体| 五月丁香久久综合精品| 婷婷夜夜操| 五月婷婷丁香俺日污视频| 人人摸人人澡人人| 亚洲激情av| 国产精品天天狠天天看| 2022久久婷婷| 亚洲国产婷婷色五月| 丁香激情五月| 刘玥精品一区| 秋霞成人毛片一级A片| 色婷| 婷婷丁香人妻久久在线观看| 久久婷婷色综合| 99亚洲视频| 色五月情| 日本WWW九九九| 玖玖爱综合网| 色狠狠六月| 女人天堂 AV| 五月丁香啪| 五月婷婷激情综合网| 天天日天天插| 99噜噜噜| 亚洲色婷婷婷婷人人爽| 久久激情五月婷婷| www.99热| 九九美女视频| 五月丁香色色综合| 开心婷婷中文字幕| 丁香五月婷婷啪啪| 丁香六月婷婷开心婷婷网| 综合激情婷婷| 人人射人人高潮| 人人摸人人搞| 五月天婷婷色色首页| 久久人人看| 小视频一区| 亚洲第一综合| 久草热8精品视频在线观看| 97sese婷婷| 99热偷拍| 九九99久久| 五月天婷婷综合| 色爱爱综合网| 婷婷五月天va| 久热 91| 日日鲁鲁鲁夜夜爽爽狠狠视频97| 狼友视频在线观看18| 五月色欧美| 久99热在线观看| 99热在线观看| 色婷婷五月影视| 久久黄色片| 久久99综合| 十区AV| 欧美综合激情五月| www五月| www. 五月. com| 农村熟妇高潮精品A片| 97操碰日本女人| 婷婷五月天最新综合你懂的 | 久久婷婷成人| 91丨九色丨老农村| 欧美性爱5月天天天看| 五月香婷婷| 色婷婷人人| 丁香五月网络网络| 人妻综合网| 国产黄色av| 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 | 99热这里只有精品9| 亚洲精品久久久久久久久久飞鱼| 六月丁香啪啪| 五月天激情四射| 久久精彩视频99| 99综合婷婷五月| 五月色网| 欧美在线操| 天天干天干| 免费无码毛片一区二区A片| 婷婷五月丁香六月| 激情综合网激情五月天| 99碰视频| 婷婷五月成人| 97自拍99| 天天爱天天狠天天透| 熟女色色一区二区| 五月天精品综合在线| 人妻体体内射精一区二区| 九九AV| 97性视频| 26uuu精品一区二区| 日本色狠狠| 天天五月情| 99这里只有精品| 国产亚洲99| 五月丁香啪啪网| 久热99热| 99九九久久| 色色色综合色| 996er热| 色五月婷婷综合在线| 99爱视频在线观看| 五月丁香亭亭操逼| 色五月网址| 午夜丁香| 久热婷婷| 色婷婷丁香AV综合| 婷婷黄色网| 婷婷.com| 一本久道综合99| 色噜噜五月天| 五月天激情国产综合婷婷婷就去爱| 97操操操| jiujiu无码五区| 九九在线视频| 五月天激情啪啪| 人妻视频一区而且二区| 日日干天天| 在线观看欧美| 亚洲操人| 日韩99色99| 51精品国内探花| 综合网天天| 婷婷情色五月天| 99亚洲天堂| 人人色婷婷五月天| 久久精品熟女亚洲AV麻豆| 日韩在线五月天婷婷| 丁香五月婷综合| 激情噜噜噜| 激情六月丁香| 无码激情AAAAA片-区区| 五月天综合在线观看| 欧美日韩国产日本精品四虎网网站物| 激情九月婷婷| 九九热在这里只有精品| 九九综合网色全集| 婷婷五月天天| 91碰碰碰| 91啪啪视频| 成功精品影院| 五月丁香婷婷五月| 久/久精品99看9| 婷婷综合五月天| 五月天久久丁香| 久久99久久99精品免观看粉嫩| www.五月天婷婷| 丁香五月天激情小说| 日本9区视频| 97在线精品| 色婷丨日丨天丨综合久久| 婷婷五月在线| 色噜噜综合网| 久久99网| 激情图片婷婷| 色色狼人综合| 爱操天堂| 色综合天天综合成人网| 无码人妻一区| 色色亚洲无码| A在线观看| 女人被躁到高潮嗷嗷叫小| 色五月婷婷五月| wuyuedingxiang99| 成人AV中文字幕| 一点色成人网| 久草A片| www.minyis.com【JT】币址百万U预算可预付QQ2101460746 | 色婷婷中文在线| 婷婷丁香水多多视频| 欧美在线视频9| 深爱激情五月天| 狠狠干天天日| 五月婷婷激情中心| 五月丁香色婷婷婷基地| 六月丁香六月婷婷欧美| 99久久精品视频女神1| 超碰九色| 色一情一乱一乱91Av| 日韩免费视频| 很很干天天干| 婷婷欧美综合| 五月天婷婷社区| 婷婷五月丁香激情色情| 激情网第九色| 99熟女视频| 久久九九99.www| 天天天天干| 婷婷激情性爱| 人人摸人人| 色婷婷五月天堂资源| 成人av免费观看| 伊人色五月| 激情影院69| 深爱五月天| 99操视频| 99精品国产热久久91色欲| 俺也去在线视频| 26uuu亚洲色| 玖玖资源站国产| 另类激情四射| 99精品久久久久久久| 九色视频入口91| 久草热8精品视频在线观看 | ww亚洲ww在线观看| 日韩成人中文字幕| 五月天操逼网| 久大香蕉| 伊人综合色干| 欧美成人日韩| 婷婷五月天中文字幕| 久久婷婷五月综合色天| 九九伦子片| 色婷婷五月天av在线| 婷婷97| 色综合色综合网| 91久操| 九色91视频| 在线天堂9| 成人丁香| 99色热视频| 色综合九九色综合88| 久久精彩免费视频| 天天综合五月| 亚洲综合在线视频| 久久色在线视频| 婷婷月五天在线在线看| 久久婷婷丁香五月一二三| 亚洲国产婷婷色五月| 五月色网| 激情影院内射| 五月激情网五月综合网| 甈你aaaaa| 另类视频丁香五月| 婷婷五月天堂| 91黄址| 思思热视频在线观看| 小视频久久久aaa| 五月开心网| 99色色| 高潮毛片又色又爽免费| 五月天色欧美| 久久精品五月天| 97碰碰视频在线观看| 狠狠爱综合网| 色欲丁香久久| 这里只有久久精99| 九艹在线| 五月婷婷综合在线| 婷婷丁香六月天激情四射网| 夜夜躁婷婷AV| 丁香色情五月天| 五五月五月| 天天爽天天摸| 色私五月婷婷| 亚洲精品又粗又大又爽A片| 婷婷五月天天| 六月婷婷七月丁香| 亚洲性爱干干| www.ppypp| 五月丁香综合网| 狠狠干夜夜干| 五月婷婷玖玖综合玖玖爱| 《丁香激情综合久久伊人久久》影视在线观看 -高清预告手机免费播放 -三妹影院 | 女婷久久| 丁香五月大香蕉| 久久久久9久无码视频| 97热九九| 亚洲激情淫网| 99视频这里有精品| 欧美日韩成人| 东北黄色一级| 综合激情五月综合激情五月激情1| 亚洲五月天婷婷综合| 97色色视频| www狠狠| 影音先锋91视频| 五月激情综合网| 99爱最新免费视频在线观看| 91狠狠综合网| 激情四射亚洲| www.激情.com.| 五月婷婷啪啪啪啪| 99色色| 丁香97综合| 激情四射五月天偷偷看婷婷| 天天日本夜夜谢| 婷婷欧美| 在线观看996精品| 五月天色综合服务平台| 五月丁香久| 亚洲成人无码专区| 欧美色图45678| 激情婷婷五月天日本系列| 亚洲精品视频在线播放| 在线sebiav精品视频| 五月婷婷新网站| 五月婷婷丁香婷婷| 日产精品一线二线三线芒果| 伊人91| 婷香五月激情视频| 天天揷综合网| 精品久久婷婷五月天| 激情小说五月天| 色色综合网www| 色婷婷XXXXX| 激情五月婷黄版| 久综合4| 久久五月天精品视频| www.婷婷五月天| 激情婷婷狠狠干综合| 婷婷五月天成人网| 91丨九色丨熟女|新版| 超碰69天堂| 亚洲天天免费| 婷婷五月天综合网| 欧美人人操| 无套内射极品大美女| 成人五月丁香花| 91精品电影18T| 五月天丁香网| 五月丁香好婷婷A片网| 伊人9草在线观看| 99热九九这里只有精品10| 超碰色色综合| 五月激情婷婷国产精品久久久久久| 五月色俺婷婷| 久久久婷婷五月天| 亚洲激情五月婷婷日日| 九九亚洲| 国产人妻操逼| 色优久久| 无码se| 色色激情五月天| 99热综合在线| 欧美影院婷婷| 婷婷九月激情| 天天爽人人综合免费7799| 亚洲成人超碰| 涩综合网| 91碰碰碰| 色五月婷婷久久| sS丁香五月婷婷| 五月天色色网站| 欧美大奶熟女噜噜噜噜| 久99热| 天天日夜夜高潮| 99久热| 狠狠色丁婷婷日日,伊人激情综合网| 99综合网| 六月婷婷七月丁香| 伊人大香蕉爱聚| 女人天堂 AV| 精品导航在线x不卡| 夜夜骑夜夜撸| 婷婷五月天激情电影| 97视频.干com| 99色这里| 91无码一区人妻A片蜜| 天天日婷婷| 丁香婷婷久久综合在线| 66色在线日韩| 色五月婷婷av| 91五月天| 狠狠色噜噜狠狠| 九九久久免费视频44| 婷婷色操| 金桔一区二区ab地址| 婷婷99狠狠| 丁香五月天五码婷婷| 91国产精品视频播放| 久色婷婷200| 丁香婷婷五月综合影院| 亚洲AV免费在线| 99热99热在线观看| 亞洲自怕| 五月丁香好婷婷A片网| 亚洲一个色| 中国无码av| 五月天播播中文字幕| 9久精品| 婷婷爱综合| 久久六月婷婷| 美女精品一级不卡视频| 26uuu国产色| 丁香五月婷婷香| 2017狠狠干| 九九热这里有精品23| 九九色插| 久热大香蕉| 深爱开心激情网| 99热一本| 久热超碰| 99精品免费视频| 天天色·欧美| 久久九九经典| 婷婷五月天AV| 色五月天成人| 99热99思午夜精品| 中文久久婷婷| 日本精品人妻无码77777| 久久机热/这里只有精品| 六月丁香婷婷五月天| 91人妻人人操| 婷婷色五月天在线观看| 99国产这里只有精品| 久操热| 综合久久综合五月天婷婷| 99热精品99| 六月色色婷婷| 日本在线视频www色| 九九婷婷五月天| 色色色色色色色色五月先| 久久久99精品| 久热这里只有精品3| 超碰在线观看caop| 亚洲成av人影院| www.黄色片-久久成人国产精品在线播放-999AV | 色五月综合| 亚洲精品视频电影| 久热精品视频| 侠女刀之记忆电影在线看免费| 亚洲精品中文字幕成人片| 青青青在线视频国产| 国产97色在线 | 日韩| 深爱五月亚洲| 无码九九| 婷婷九月亚洲| 伊人影院久久网| 国产99久久久国产精品免费看| 97碰啪啪| 日本欧美成人片AAAA| 婷婷五月天日日日干干干| 色色五月天激情| 视频在线免费观看欧洲乱码| 伊人久久五月天| 99综合视频| 4438国产免费看| 午夜微拍福利| 夜夜嗨一区二区三区直播内容 | 人妻尝试久久久久久久久久久久| 九九综合视频在线观看| 亚洲乱码在线观看| 色五月,婷婷大香蕉| 五月丁香婷婷成人网| 思思热视频在线| 色五月天丁香婷婷| 思思热精品在线| 色婷婷丁香五月色综合网| 激情开心五月婷婷| 精a品a视a频| 免费亚洲婷婷中文字幕| 在线观看av网站| 9超碰在线| 亚洲欧美日韩另类| 欧美天堂婷婷日韩| 亚洲丁香五冃97色| 成人无码髙潮喷水A片| 久久久久久久久久8888| 色五月在线播放| 999热在线视频| 91凹凸在线| 99热精品在线观看| 99久在线精品99re5热视频| 综合网亚洲| 99热一区| 欧美乱码国产一级A片| 66色在线日韩| 91丁香五月| 五月天丁香成人社| 色色五月天网站| 97精品欧美91久久久久久久| 婷婷激情性爱| 思思热在线播放| 俺去也综合| 9999久久久久| 国产真实乱了老女人视频| 国产精品VIDEOSSEX久久发布| av大香蕉| 精品爱欲五| 激情综合五月丁香六月婷婷| 色婷婷色丁香色欲av| 亚洲国产色婷婷| 婷婷第一页| 婷婷九月狠狠色| 婷婷免费无马| 五月婷婷免费在线| 天天爱天天做天天舔| 天天爱天天做天天爽| 五月丁香婷婷开心| 婷婷综合成人| 99操碰| 大香蕉综合网| 亚洲超碰青涩| 玖玖五月丁香| 五月激情婷婷丁香| www.夜夜| 狠狠色综合五月人人| 中文字幕欧美精品久久| 激情五月色综合网| 色婷婷成人| 就爱操www com| 久热网站| 久久久五月五丁香| 久久久婷婷婷| 大鸡巴伊人网| 婷婷五月丁香啪啪| 色六月丁香婷婷狠狠干| 色婷婷色婷婷五月| 婷婷五月天久久久| www.色五月| 丁香五月成人丝袜| 久久婷婷五月综合97色一本| va婷婷在线免费观看| 狠狠色丁香| 开心婷婷五月| 日逼影音先锋男人资源站| 免费国产视频| 婷婷五月综合欧美在线播放| 久久视频这里有精品99| 亚洲精品99| 97在线观视频免费观看| 日本3级片一区2区| 天天婷婷天天| 五月丁香婷婷导航视频| av中文在线| 婷婷丁香五月天熟女丝袜| 激情婷婷| 99热这里只有精彩| 色五月综合| 日本欧美啪啪| 色五月天天在线观看资源站| 99热精品中文字幕| 91日韩在线| 丁香激情五月少妇| 色黑鬼导航| 色色亚洲视频| 日本人妻伦在线中文字幕| 亚洲午夜一区二区| 性爱电影科技贸易有限公司| 玖玖99免费视频| 艹B高清无码| 九九热AV| 五月婷婷之综合激情| 五月婷婷六月丁香| 综合99久久天天综合| 五月天婷婷网站| 五月天婷婷av| 天天久久婷婷| 久久aaa| 九九亚洲综合| 色吊操色妞| 五月婷伊人| AV五月丁香| 婷婷丁香综合在线| 天天粽合合合合| 99精品国产在热久久| 丁香六月婷婷姐网| 国产偷人爽久久久久久老妇APP| 亚洲六月色婷婷| 久久人妻伦理| 亚洲乱码日产精品BD| 草草操操| 免费观看的av| 色婷婷成人色网| 久久99这里| 99色色网| 色综合中文色综合网| 色婷婷AV久久久久久久| 亚洲精品V天堂中文字幕| aⅤ79成人片| 久久狼人天堂| 一级二级色大片| 婷婷五月天成人小说| 五月婷三级片| 久久机热这里只有| 九九热在线视频| 久久五月天精品视频| 99啪啪视频| aaa久久| 五月天婷婷成人网| 39视频第二区| 丁香五月婷婷激情中文| 五月天婷久久| 另类小说婷婷色| 成人无码精品1区2区3区免费看| 丁香婷婷六月激情文学| 大香蕉五月天| 成人五月天丁香| 猫咪伊人久久| 欧美日韩国产一区| 五月婷婷五月色| 丁香婷婷五月人体| 色婷婷亚洲五月天| 超碰AV成人| 亚洲另类日本| 超色欲天天| 99热这里只有精品在线观看| 日韩激情网站| 五月婷婷六月情| 色欲婷婷五月天丁香| 99无码视频| www.9797国产| 五月丁香好婷婷A片网| 激情久久久久久久久久| 黄色成人网站在线播放| 色婷婷9| 99性视频| 色五月婷婷五月丁香五月激情五月视频| www.minyis.com【JT】实力收量可预付QQ2101460746 | 在线可以看的av网址| 665566 无码| 丁香六月色婷婷| 婷婷娌伦网| 99在线资源| 国产激情综合五月久久| 色色国产| 热99视频| 婷婷94s| 国产毛片精品一区二区色欲黄A片| 七七色色综合| 97人人操人人干| 婷婷色五月综合丁香| 国产成人片| 国语精品探花| 六月激情丁香一道本7777| 日韩在线9| 亚洲激情综合色站| 97超碰免费超级在线观看| 天天爽夜夜爽天天爽夜夜爽| 9色免费网| 色婷婷大香蕉| 五月天·www·com| 婷婷丁香红五月91C| 狠狠操狠狠操| 九热视频| 国产成人AV不卡| 久久婷婷五月天蜜桃| 久久久久亚洲AV成人无码电影| 伊人啪啪网| 26UUU在线观看| 大香蕉伊在| 99热精品在线| 六月丁香综合网| 亭亭玉月丁香| 色欲一区二区三区精品A片| 人人爱天天摸摸天天爱| 婷综合六月| 91久久99久久91熟女精品| 日韩欧美四五区| 五月婷婷国产| 99爱精品| 久久婷婷六月综合| 亚洲精品视频在线| 91狠狠色丁香婷婷综合久久狠丁香综合久久精品 | 成人 在线 日韩| 男同91 | 成人短视频在线免费观看| 夜夜爽天天干| 亚洲最大五月六月丁香婷婷| 亚洲在线操| 99视频在线观看地址| 六月婷婷八月丁香| 激情婷婷五月天伊人在线观看| 日本人妻操| 激情五月天丁香| 天天干天天干天天干天天干天天干| 一级片sese片.COM| 日韩AV在线电影| 99热97| 永久精品| 99在线观看视频蜜臀| 丁香色五月AV在线| 2018国产大陆天天弄| 播播网色播播| 五月天婷爱综合| 97色片| 99福利视频导航| 亚洲成人五月天| 色婷婷精品| 国产Va视频| 日韩色五月| 成人久碰| www.色五月| 成人av在线网址| 色婷婷狠狠久久综合五月| 99色色热热| 日本3级片一区2区| 婷婷香蕉精品| 婷婷成人五月天| 狠狠干综合网| www.成人婷婷综合| 立川无码av| 丁香六月婷婷综合激情欧美| 人人操操97| 99热99艹在线观看| 婷婷六月综合激情| 天天干,夜夜爽| 色婷婷九月| 久久久er热| 黄网在线播放| 色色五月天婷婷丁香| 欧美日韩一区二区三区四区| CHINESE熟女老女人HD视频| 久久精典| 婷婷欧美| 亚洲六月色| www.minyis.com【JT】币址百万U预算可预付QQ2101460746 | 亚洲传媒在线观看| 99国产精品久久久久久久久久久 | 欧美一级操逼视频| 99热这里只有精品69| 26uuu青青| 日韩人妻在线观看| 青996青| 999九九九久久久99HD| 国产精品天天狠天天看| 五月天精品| 婷婷六月激情| 久九色| 久久婷五月综合| 99热这里只有精品免费| 婷婷综合爱| 激情综合五月色丁香婷婷 | 91人人爽狠狠狠| 91porn一起草| 97五月婷婷| 伊人玖玖网| 丁香五月天天| 一起肏在线视频| 大香蕉75线| 婷婷五月丁香综合桃花色网| 五月丁香 狠狠爱| av五月天婷婷丁香| 操97在线观看| 狠狠爱丁香婷| 涩丁香91| CAOBIBI| 色婷亚洲| 日韩在线观看亚洲| 激情综合网激情五月天| 色婷婷色九月| 婷婷九月综合| 日本 欧美在线| 久久九九爽| 色婷网| 色综合网上班开心婷婷久久| 亚洲国产精品成人免费一区久久久在线观看AAAA | 综合色情网| 亚洲小视频免费播放| 丁香六月婷婷综合色| 日日日,com| 天天日日天天| 思思热久久婷婷五月天| 深爱五月日韩| 色婷婷久久综合中文久久一本| 日日杆天天| 在线视频99| 日本三级中国三级99人妇网站| 99视频只有精品| 亚洲视频在线观看| 五月丁香综合色婷婷| 99视频在线看| 99色色| 丁香五月精品视频| 色婷婷五月天天天做| 亚洲丁香五月在线观看| 人人干人人看| 九九热99视频| 五月天伊人| 91热在线观看视频| 亚洲人妻Av| 无码九九| 亚洲婷婷激情888精品久| 久久婷婷六月综合综合色| 狠狠色狠狠| 五月丁香影视| 任我肏视频精品| 黄网免费观看| 狠狠干五月丁香| 天天天综合网| 狠狠爱综合网| 超碰成人公开| 伊人五月天97| 深爱五月婷婷开心中文字幕| 五月天激情网页| www.91在线观看| 激情五月综合网| 久久五月天丁香| 亚洲综合1024| 99re热久久| 丁香五月综合| 丁香六月婷婷久久综合| 在线不卡的视频| 婷婷色色网| 丁香美女主播视频在线观看 | 天天xxxxxx天天日| 九月丁香亭亭| 五月婷婷色欲| 超碰免费99| 五月丁香六月婷婷综合伊人| 第四色大香蕉| 国外亚洲成AV人片在线观看| 99碰视频| 91啪级电影| 婷婷六月激情| 东京热五月婷婷| 九九99免费视频| 337午夜福利| 天天狠狠夜夜狠狠2023| 7777久久亚洲中文字幕| www.久久| 五月婷婷婷| 青草视频在线观看视频| 另类激情码| 99视频这里只有久久精品 | 99国产视频网| 日本三级大片| 狠狠爱五月婷婷| 日本九九热| 97久久久久| 日噜噜色| 天天免费成年人视频| 日韩人妻无码精品| H亚洲| 久久久久久xxxxx| 1区2区视频| 亚洲天堂色| 色五月激情问网站| 99精品在线观看视频| 91久久国产自产拍夜夜91久久精品文字>91麻豆精品国产 | 激情性五月天免费小说视频| 色色色色色色色色网站| 超碰精品国产首页| www.五月激情红色| 天天干天天操天天爽| 秋霞AV美国| 欧美五月丁香啪啪响视频| 成人在线视频一区| 亚洲 在线 性爱 | 国产精品一区在线观看你懂的| 色五月婷婷91| 激情亚洲网| 人妻第九页| 婷婷色网| 丁香久久五月婷综合| 91碰碰碰久久久久| 丁香五月激情宗合网| 婷婷五月色情| 丁香五月婷婷综合激情啪啪啪啪啪啪啪 | 99热精品9| 中文字幕五月久久婷| 91avse| 综合网激情| 天天色凹凸| 另类激情五月| 97精品人人A片免费看| 日韩综合天堂| 99综合视频| 大香人妻| 日本va欧美va欧美va| 91久久久久久久久久18| 538午夜激情| 丁香色婷婷| 国产在线黄色| 五月丁香婷婷色色色| 久久精品日| 欧美3AaAa大片| 婷婷五月天免费99| 婷婷五月 丁香六月| 国产超碰在线| 久久综合性| 六月婷婷激情| 99色久| 婷婷狠狠干| 婷婷激情综合色五月久久91| 五月丁香婷婷激情澎湃四射| 六月婷婷综合| 99热精品在线播放| 黄色AV日韩| 色碰碰视频| 激情五月婷婷| 99激情在线| 97自拍视频在线| 五月婷婷色色| 五月天开心网| 这里只有精品在线视频精品| 亚洲久久激情| 电影《战争与艾拉》免费观看| 五月天激情四射| 久久99免费视屏| www.zbzhongsen.com| 狠狠五月丁香色婷| 夫妇交换刺激做爰| xx综合网| 伊人爱爱日本| 丁香婷婷成人网| 五月丁香婷婷综合视频| 婷婷色在线视频| 超碰九九热| 99热都是精品| 五月婷婷香蕉| 激情婷婷护士激情| 色色色.COM| 99er热精品视频| www.久久久久久久| 99热啪啪| www.yw尤物| 激情综合网亚洲色图| 91九九热| 九九色大香蕉| 亚洲综合草草| 色色色色综合网| 丁香五月天av| 看逼中文字幕| 亚洲综合婷婷| 秋霞免费三级片| 国产熟妇乱子伦hd| 色五月色五天免费视频| 国产av基地| 九九精品热| 婷婷丁香成人网址| 久久丁香社| 婷婷99狠狠| 99色丁香婷婷综合网| 精品9久| 婷婷五月综合网| 五月天综合缴情网网站0| 久99久视频精品| 六月婷婷开心| 99视频内射三四| 色五月综合激情网| 极品另类| 亚洲综合激| 亚洲AV成人在线观看| 婷婷色九月| 六月丁香深深爱| 狠狠干婷婷| 97色碰| 国产精品美女久久久久AV超清| 久久六月天| 人妻爽爽爽久久久久久久久| 潘金莲AAAAAAAAAA| 狠狠五月天| 干亚洲天堂| 色婷成人狠干| www.久久99| 色婷婷亚洲六月婷婷中文字幕| 99热精品观看| 国产做爰视频免费播放| 色欲婷婷五月天丁香| 五月熟妇婷婷久久|