日韩精品一区二区三区在线视频放-无码中文字幕V?一区二区-成年片免费观看视频-国内少妇人妻丰满av-国产精品中文字幕免费观看-亚洲成人久久一区二区三区-国内少妇偷人精品视频无缓冲-一区二区国产精品日本一区二区三区在线网

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。

放棄微調(diào)?Auto-train Harness如何用外圍優(yōu)化全面提升Agent性能

放棄微調(diào)?Auto-train Harness如何用外圍優(yōu)化全面提升Agent性能 當(dāng)你的 Agent 在測(cè)試集上表現(xiàn)不穩(wěn)定時(shí)很多團(tuán)隊(duì)的第一反應(yīng)是換底座模型比如從開(kāi)源 7B 換成更大的 70B或者從 GPT-4o 換成“當(dāng)前最強(qiáng)”的模型。結(jié)果常常是有提升但幅度不大而且換了供應(yīng)商之后原來(lái)的工具調(diào)用方式可能又要重寫(xiě)一遍。另一個(gè)常見(jiàn)反應(yīng)是微調(diào)模型。但微調(diào)成本高、數(shù)據(jù)難準(zhǔn)備而且很多 Agent 場(chǎng)景里模型其實(shí)沒(méi)有“知識(shí)缺陷”真正的問(wèn)題出在它不知道該在什么時(shí)機(jī)調(diào)用工具、工具參數(shù)怎么填、調(diào)用失敗后如何恢復(fù)、結(jié)果不滿 意時(shí)應(yīng)該繼續(xù)檢索還是直接作答。這些問(wèn)題不發(fā)生在模型參數(shù)內(nèi)部而發(fā)生在模型和外部環(huán)境之間的那一層代碼與配置里。這一層現(xiàn)在被越來(lái)越多開(kāi)發(fā)者稱為 LLM Harness。最近在 Hacker News 上出現(xiàn)了一個(gè)很能概括這個(gè)方向的標(biāo)題Auto-train the harness, not the LLM. cross-model, cross-benchmark gains。大意是自動(dòng)優(yōu)化外層 Harness而不是訓(xùn)練 LLM 本身并且把這種優(yōu)化帶來(lái)的收益遷移到多個(gè)模型和多個(gè)評(píng)測(cè)基準(zhǔn)上。這個(gè)觀點(diǎn)聽(tīng)起來(lái)有些反直覺(jué)但放在 Agent 應(yīng)用大量落地的背景下它比“繼續(xù)卷底座模型”更貼近工程現(xiàn)實(shí)。這篇文章不是為了介紹某個(gè)具體倉(cāng)庫(kù)而是想把這個(gè)思路拆開(kāi)什么是 Harness、為什么要自動(dòng)訓(xùn)練 Harness、怎么用最小工程驗(yàn)證它是否真的有效。1. 為什么說(shuō) Agent 的瓶頸可能不在模型而在 Harness先看一個(gè)高頻場(chǎng)景。你給 LLM 接上了搜索工具和計(jì)算器業(yè)務(wù)流程大概是系統(tǒng)提示詞告訴模型“不確定就搜索”工具描述里寫(xiě)清楚搜索接口能做什么模型返回一個(gè)結(jié)構(gòu)化工具調(diào)用你的代碼去執(zhí)行函數(shù)再把結(jié)果拼回上下文讓模型繼續(xù)推理。聽(tīng)上去很順實(shí)際跑起來(lái)卻經(jīng)常出現(xiàn)三類問(wèn)題第一模型該搜索的時(shí)候不搜索不該搜索的時(shí)候反而搜索。這不是模型“笨”而是提示詞里沒(méi)有定義清楚判斷條件工具描述也沒(méi)有告訴模型什么樣的問(wèn)題屬于“需要實(shí)時(shí)信息”。第二工具結(jié)果回填格式混亂。模型可能返回一個(gè)很長(zhǎng)的網(wǎng)頁(yè)摘要上下文被撐爆或者返回了 JSON 數(shù)組但你的解析器只處理了對(duì)象。這些格式問(wèn)題本質(zhì)上由 Harness 環(huán)節(jié)的人為規(guī)定造成。第三Agent 陷入死循環(huán)。模型反復(fù)調(diào)用同一個(gè)工具拿到相似結(jié)果然后繼續(xù)調(diào)用。如果循環(huán)次數(shù)、停 止條件、結(jié)果去重沒(méi)有兜底再?gòu)?qiáng)的模型也會(huì)在真實(shí)環(huán)境里打轉(zhuǎn)。如果你把這些問(wèn)題歸因于“模型能力不夠”就會(huì)走上換模型或微調(diào)的路。但稍微復(fù)盤(pán)一下就會(huì)承認(rèn)模型大多是按照它看到的那套系統(tǒng)提示、工具定義、消息歷史去決策的。模型像一個(gè)經(jīng)驗(yàn)豐富但完全聽(tīng)信流程的員工真正決定工作質(zhì)量的是他手里的操作手冊(cè)和上級(jí)給的授權(quán)邊界。這個(gè)操作手冊(cè)和授權(quán)邊界就是 Harness。Harness 不是某個(gè)大模型廠商提出的專有概念。只要你在做 Agent、寫(xiě) RAG、做工具調(diào)用其實(shí)已經(jīng)不知不覺(jué)寫(xiě)了大量 Harness 代碼。問(wèn)題在于過(guò)去我們把這些代碼當(dāng)成“調(diào)用 API 的臨時(shí)膠水”沒(méi)有意識(shí)到它們是可以系統(tǒng)設(shè)計(jì)的、擁有獨(dú)立版本、需要評(píng)測(cè)和優(yōu)化的核心部件。從很多公開(kāi)討論來(lái)看過(guò)去半年“Harness 工程”這個(gè)詞出現(xiàn)的頻率明顯升高。圍繞 DeepSeek、Codex 等模型的封裝工具也開(kāi)始出現(xiàn)。大家開(kāi)始默認(rèn)一個(gè)前提當(dāng)模型能力差距縮小到一定程度Agent 效果的上限不取決于你選哪個(gè)底座模型而取決于你在這層外圍工程上做得有多細(xì)。2. 什么是 LLM Harness模型、環(huán)境與任務(wù)之間的膠水層要理解 Auto-train Harness先得把 Harness 的邊界畫(huà)清楚。LLM Harness 可以理解為為了讓 LLM 完成真實(shí)任務(wù)而在模型之外增加的提示模板、工具定義、循環(huán)控制、上下文管理、結(jié)果校驗(yàn)與安全邊界的總稱。它至少包含四塊內(nèi)容。第一塊是認(rèn)知接口。也就是模型“看到”什么。系統(tǒng)提示詞、用戶問(wèn)題的組織方式、工具名稱和描述、Few-shot 示例、輸出格式約束都屬于認(rèn)知接口。模型不會(huì)直接看到你的內(nèi)部工具它只能看到你給它描述過(guò)的工具。因此工具描述寫(xiě)得好不好直接決定模型會(huì)不會(huì)調(diào)用正確的工具。很多團(tuán)隊(duì)只把工具描述當(dāng)作文檔隨手寫(xiě)一句“查詢訂單狀態(tài) API”模型在復(fù)雜語(yǔ)境里自然容易誤用。第二塊是執(zhí)行循環(huán)。LLM 本身沒(méi)有手它不能真正執(zhí)行搜索、不能寫(xiě)數(shù)據(jù)庫(kù)、不能發(fā)送 HTTP 請(qǐng)求。模型能做的只是輸出一個(gè)結(jié)構(gòu)化的工具調(diào)用請(qǐng)求。誰(shuí)來(lái)執(zhí)行這個(gè)請(qǐng)求誰(shuí)來(lái)把執(zhí)行結(jié)果放回消息歷史誰(shuí)來(lái)決定是繼續(xù)讓模型推理還是終止這些是 Harness 的運(yùn)行時(shí)控制部分。ReAct 模式、Tool Calling 循環(huán)、LangChain Agent 里的執(zhí)行器、各類 Agent 框架中的 Loop本質(zhì)都屬于這一層。第三塊是穩(wěn)定性機(jī)制。真實(shí)環(huán)境是不穩(wěn)定的。工具可能超時(shí)第三方 API 可能返回臟數(shù)據(jù)模型可能連續(xù)多次輸出無(wú)效 JSON甚至可能在一次回復(fù)中同時(shí)給出最終答案和工具調(diào)用。Harness 需要處理這些異常重試、截?cái)?、錯(cuò)誤提示、回退策略、最大輪次限制。沒(méi)有這層機(jī)制模型即使知道答案也可能會(huì)被一次工具異常帶偏。第四塊是安全和數(shù)據(jù)邊界。一個(gè) Agent 能訪問(wèn)哪些工具、每個(gè)工具允許哪些參數(shù)、調(diào)用前是否需要審批、日志里能不能出現(xiàn)敏感字段這些通常不會(huì)被模型自身感知而是由 Harness 在調(diào)用執(zhí)行前強(qiáng)制執(zhí)行。越是進(jìn)入生產(chǎn)環(huán)境這部分的分量越重。把模型和外層 Harness 分開(kāi)看會(huì)發(fā)現(xiàn)它們想解決的問(wèn)題不同。層面主要問(wèn)題改進(jìn)方式成本類型LLM 參數(shù)知識(shí)、推理、指令遵循預(yù)訓(xùn)練、微調(diào)、RLHF算力和數(shù)據(jù)成本高Harness工具調(diào)用、流程控制、穩(wěn)定性提示詞優(yōu)化、循環(huán)策略、代碼邏輯開(kāi)發(fā)和評(píng)測(cè)成本高評(píng)測(cè)體系改進(jìn)是否真實(shí)存在基準(zhǔn)集、交叉驗(yàn)證、回歸測(cè)試評(píng)測(cè)基建成本Harness 經(jīng)常被誤認(rèn)為只是“提示詞工程”其實(shí)提示詞只是認(rèn)知接口的一部分。更重要的是Harness 是可以寫(xiě)代碼、做控制流、跑自動(dòng)化評(píng)測(cè)的系統(tǒng)。正因?yàn)樗窍到y(tǒng)所以可以在不改變模型權(quán)重的情況下被優(yōu)化自動(dòng)化的優(yōu)化就變得有可能性。這就是 Auto-train Harness 的核心前提。3. Auto-train Harness 的思路調(diào)的不是模型參數(shù)而是決策策略“Auto-train”這個(gè)詞聽(tīng)起來(lái)很大它未必意味著你要做 PyTorch 訓(xùn)練。在 Agent 場(chǎng)景里它更接近一種搜索或自動(dòng)調(diào)優(yōu)過(guò)程把 Harness 的關(guān)鍵變量從人工配置變成可枚舉、可變異的參數(shù)空間然后通過(guò)自動(dòng)評(píng)測(cè)尋找更優(yōu)配置。傳統(tǒng)手工調(diào) Harness 是幾天前最常見(jiàn)的做法。一個(gè)人對(duì)著系統(tǒng)提示詞改三版把工具描述從“搜索網(wǎng)頁(yè)”改成“當(dāng)用戶詢問(wèn)最新新聞時(shí)使用此工具獲取搜索結(jié)果”再跑一遍評(píng)測(cè)集看準(zhǔn)確率有沒(méi)有漲。這種方式的問(wèn)題在于評(píng)測(cè)集的噪聲經(jīng)常比提示詞差異帶來(lái)的收益還大人工很難判斷一個(gè)改動(dòng)是真正有效還是碰巧有效。自動(dòng)優(yōu)化至少能保證候選配置都跑在同一個(gè)評(píng)測(cè)集上打分一致最后用規(guī)則選出表現(xiàn)最好的配置而不是靠感覺(jué)。如果要自動(dòng)訓(xùn)練的變量只有提示詞那它其實(shí)還是提示詞搜索。可以把優(yōu)化空間擴(kuò)大一些系統(tǒng)提示詞與工具描述換措辭、換結(jié)構(gòu)、增加邊界條件說(shuō)明。工具順序與可見(jiàn)性模型不一定要看到全部工具按任務(wù)路由到不同工具子集可能更好。循環(huán)控制最大迭代次數(shù)、提前終止條件、連續(xù)相同工具結(jié)果時(shí)是否中斷。輸出解析與校驗(yàn)要求模型先輸出 JSON 再輸出解釋或者反過(guò)來(lái)。模型路由策略簡(jiǎn)單任務(wù)用便宜小模型復(fù)雜任務(wù)才交給大模型。Few-shot 示例選擇從已完成任務(wù)中挑相似樣例放入上下文。這些變量共同決定了一個(gè) Agent 的實(shí)際行為邊界。而且它們大多不綁定某個(gè)具體模型。換句話說(shuō)一套合理的 Harness 配置在換一個(gè)底座模型之后大概率仍然有效。這正是“cross-model”收益能成立的根本原因如果你的優(yōu)化只針對(duì)某個(gè)模型的表達(dá)能力那它很難遷移如果你的優(yōu)化改善了工具描述結(jié)構(gòu)、循環(huán)控制這一層通用機(jī)制它就能在多個(gè)模型上同時(shí)帶來(lái)增益。Cross-benchmark 的道理同樣如此。不同基準(zhǔn)會(huì)考察不同能力比如有些考察多跳推理有些考察工具調(diào)用準(zhǔn)確性有些考察最終答案是否簡(jiǎn)潔。如果一個(gè) Harness 變體只在某個(gè)基準(zhǔn)上提升可能是過(guò)擬合到該基準(zhǔn)的數(shù)據(jù)風(fēng)格只有多個(gè)基準(zhǔn)同時(shí)提升才能說(shuō)明它優(yōu)化的是比較通用的行為。3.1 Auto-train 與微調(diào)的區(qū)別很多人會(huì)問(wèn)Auto-train Harness 是不是一種微調(diào)并不是。對(duì)比維度微調(diào) LLMAuto-train Harness對(duì)象模型權(quán)重配置、提示詞、循環(huán)策略成本GPU、訓(xùn)練框架、數(shù)據(jù)標(biāo)注評(píng)測(cè)任務(wù)、API 調(diào)用、搜索算法遷移性一般只對(duì)當(dāng)前模型有效跨模型遷移可能性更高迭代速度小時(shí)到天分鐘到小時(shí)風(fēng)險(xiǎn)可能改變模型通用能力主要影響 Agent 行為邊界這兩者不互斥。如果場(chǎng)景高度垂直微調(diào)仍然有價(jià)值。但如果只是想讓 Agent 更會(huì)調(diào)用工具、更少陷入循環(huán)、更穩(wěn)定地輸出結(jié)果先花時(shí)間優(yōu)化 Harness 的性價(jià)比通常更高。Show HN 標(biāo)題里“not the LLM”的重點(diǎn)應(yīng)該理解為優(yōu)化重心轉(zhuǎn)移而不是否定所有的模型訓(xùn)練。4. Cross-Model、Cross-Benchmark 究竟該怎么驗(yàn)證很多團(tuán)隊(duì)做過(guò)類似的事給提示詞加一句“請(qǐng)一步步思考”然后在自己的評(píng)測(cè)集上看到分?jǐn)?shù)漲了就說(shuō) prompt engineering 有效。但如果把同一套提示詞換一個(gè)模型效果可能反而下降。這說(shuō)明這個(gè)改進(jìn)只對(duì)單個(gè)模型有效屬于某種模型偏好耦合不是真正的 Harness 改進(jìn)。要驗(yàn)證一個(gè) Auto-train Harness 方案是否真的帶來(lái)了跨模型、跨基準(zhǔn)增益需要一個(gè)相對(duì)嚴(yán)謹(jǐn)?shù)脑u(píng)估矩陣。至少應(yīng)該包含三個(gè)模型和兩個(gè)以上評(píng)測(cè)基準(zhǔn)。比如三個(gè)模型分別來(lái)自不同機(jī)構(gòu)評(píng)測(cè)基準(zhǔn)分別覆蓋工具調(diào)用、多輪對(duì)話、信息檢索或代碼生成。優(yōu)化的 Harness 在開(kāi)發(fā)集上搜索時(shí)就應(yīng)當(dāng)在多個(gè)模型上同時(shí)評(píng)估選取平均表現(xiàn)更好的配置而不是只盯著主力模型。把數(shù)據(jù)分成開(kāi)發(fā)集和測(cè)試集也很重要。開(kāi)發(fā)集用來(lái)搜索和選擇 Harness 配置測(cè)試集在最終配置選定后只跑一次。如果開(kāi)發(fā)集和測(cè)試集來(lái)自同一個(gè)基準(zhǔn)可能存在風(fēng)格相似導(dǎo)致的過(guò)擬合所以更穩(wěn) 妥的做法是額外準(zhǔn)備一個(gè) Held-out Benchmark也就是模型和 Harness 都沒(méi)有見(jiàn)過(guò)的新評(píng)測(cè)基準(zhǔn)。只有最終配置在 Held-out Benchmark 上也保持優(yōu)勢(shì)時(shí)才有底氣說(shuō)“提升是真的”。一句話跨模型驗(yàn)證是為了防止改進(jìn)只對(duì)自己用的模型有效跨基準(zhǔn)驗(yàn)證是為了防止改進(jìn)只對(duì)某一個(gè)評(píng)測(cè)集有效。Show HN 標(biāo)題中提到的“gains”如果缺少這種矩陣驗(yàn)證仍然只能視為一種初步觀察。5. 最小實(shí)現(xiàn)一個(gè)可落地的 Harness 自動(dòng)優(yōu)化雛形下面用一個(gè)與具體廠商無(wú)關(guān)的 Python 示例來(lái)演示 Auto-train Harness 的完整鏈路。這里不依賴某一家模型 SDK而是把模型調(diào)用抽象成call_llm()。實(shí)際項(xiàng)目中根據(jù)你用的模型服務(wù)換成對(duì)應(yīng)客戶端即可。5.1 定義一份 Harness 配置先看 Harness 配置示例。它描述的是Agent 的系統(tǒng)提示詞、可選工具列表、循環(huán)控制參數(shù)。學(xué)習(xí)這類思路時(shí)盡量把配置與代碼分離因?yàn)?Harness 本身會(huì)被反復(fù)修改。{ harness_name: react_tool_agent_v1, system_prompt: You are a helpful research agent. If the question asks about real-time facts, call web_search before answering., tools: [ { name: web_search, description: Search the web for keywords and return relevant snippets., parameters: { type: object, properties: { keywords: { type: string, description: search keywords } }, required: [keywords] } }, { name: calculator, description: Evaluate a arithmetic expression., parameters: { type: object, properties: { expression: { type: string, description: A mathematical expression, for example 3 * (7 2) } }, required: [expression] } } ], loop: { max_rounds: 5, stop_when: no_tool_call } }這份配置的核心價(jià)值在于把 Harness 關(guān)心的東西集中到一個(gè)文件里。修改工具描述、調(diào)整系統(tǒng)提示詞、限制最大輪次都通過(guò)配置完成不需要改 Agent 主邏輯。5.2 寫(xiě)一個(gè)最小評(píng)測(cè)循環(huán)下面代碼的目標(biāo)是給定一份 Harness 配置和一個(gè)模型在一個(gè)簡(jiǎn)單評(píng)測(cè)集上返回準(zhǔn)確率和 token 成本。代碼演示的是核心思路并不負(fù)責(zé)處理所有真實(shí) SDK 差異。# harness/evaluator.py import json def to_openai_tool(tool_meta): return { type: function, function: { name: tool_meta[name], description: tool_meta[description], parameters: tool_meta.get( parameters, {type: object, properties: {}} ), }, } def execute_tool(name, args_json, example): 模擬執(zhí)行工具。實(shí)際項(xiàng)目需要替換為真實(shí)搜索或計(jì)算邏輯。 args json.loads(args_json) if name calculator: expression args.get(expression, ) try: result eval(expression, {__builtins__: {}}, {}) except Exception: result calculation_error return fresult{result} if name web_search: # 在演示里我們用 example 中預(yù)置的 context 代替真實(shí)網(wǎng)頁(yè)結(jié)果。 context example.get(context, ) return ffound:{context[:300]} return unknown_tool def judge_answer(answer, expected): 演示用判斷真實(shí)場(chǎng)景建議引入獨(dú)立的答案評(píng)估 prompt 或精確匹配。 return float(expected.strip().lower() in answer.lower()) def run_single(harness_cfg, model_name, example): messages [ {role: system, content: harness_cfg[system_prompt]}, {role: user, content: example[question]}, ] max_rounds harness_cfg[loop][max_rounds] tools [to_openai_tool(t) for t in harness_cfg[tools]] for _ in range(max_rounds): resp call_llm(model_namemodel_name, messagesmessages, toolstools) assistant resp.choices[0].message messages.append(assistant) tool_calls assistant.tool_calls or [] if not tool_calls: answer assistant.content or return judge_answer(answer, example[expected]), resp.usage.total_tokens for call in tool_calls: result execute_tool(call.function.name, call.function.arguments, example) messages.append( { role: tool, tool_call_id: call.id, content: result, } ) return 0.0, 0 def evaluate_candidate(harness_cfg, model_name, examples): total 0 correct 0 total_tokens 0 for example in examples: score, token_cost run_single(harness_cfg, model_name, example) correct score total_tokens token_cost total 1 return { accuracy: correct / max(total, 1), avg_cost: total_tokens / max(total, 1), }這里真正的核心不是代碼本身而是它建立了一個(gè)評(píng)測(cè)入口同一份 Harness 配置同一個(gè)模型同一批例子跑出的分?jǐn)?shù)才能互相比較。call_llm()在示例中沒(méi)有定義因?yàn)樗皇悄P凸?yīng)商 SDK 的一層薄封裝。真實(shí)開(kāi)發(fā)時(shí)用 OpenAI、Anthropic、本地部署的 DeepSeek、Qwen 等任意服務(wù)替換均可。5.3 實(shí)現(xiàn)自動(dòng)搜索隨機(jī)搜索已經(jīng)能證明問(wèn)題自動(dòng)優(yōu)化的算法可以從很簡(jiǎn)單的隨機(jī)搜索開(kāi)始。雖然聽(tīng)起來(lái)不高級(jí)但它能幫助你快速驗(yàn)證流水線是否通暢也能作為后續(xù)貝葉斯優(yōu)化、進(jìn)化算法的基線。# harness/optimizer.py import copy import random def random_search(base_config, eval_models, dev_set, rounds10): prompt_pool [ You are a helpful agent. Only call tools when necessary., You are a research agent. If you are not fully certain, search first., You are an assistant. Answer directly if you know; otherwise call tools., ] max_rounds_pool [3, 5, 8] best_cfg None best_score -1.0 for i in range(rounds): candidate copy.deepcopy(base_config) candidate[system_prompt] random.choice(prompt_pool) candidate[loop][max_rounds] random.choice(max_rounds_pool) # 調(diào)整工具展示順序。順序本身會(huì)影響模型先嘗試哪個(gè)工具。 random.shuffle(candidate[tools]) # 在多個(gè)模型上同時(shí)評(píng)估避免只對(duì)單個(gè)模型有效。 acc_list [] for model_name in eval_models: metric evaluate_candidate(candidate, model_name, dev_set) acc_list.append(metric[accuracy]) avg_acc sum(acc_list) / len(acc_list) print(f[round {i}] avg_acc{avg_acc:.3f} acc_list{acc_list}) if avg_acc best_score: best_score avg_acc best_cfg candidate return best_cfg, best_score5.4 最終配置的跨基準(zhǔn)驗(yàn)證選出最優(yōu)配置后不能立刻上線還需要在 Held-out Benchmark 上驗(yàn)證。這段代碼會(huì)把最終配置在先前沒(méi)有優(yōu)化過(guò)的評(píng)測(cè)集上運(yùn)行一遍觀察它是否還保持優(yōu)勢(shì)。def validate_on_heldout(final_cfg, eval_models, heldout_examples): print(--- held-out validation ---) for model_name in eval_models: metric evaluate_candidate(final_cfg, model_name, heldout_examples) print( f{model_name}: faccuracy{metric[accuracy]:.3f}, favg_cost{metric[avg_cost]:.2f} )到這里我們已經(jīng)有了一條完整的 Auto-train Harness 雛形鏈路配置化 Harness、可重復(fù)評(píng)測(cè)、多模型打分、自動(dòng)搜索、最后跨基準(zhǔn)驗(yàn)證。算法可以從隨機(jī)搜索變成更復(fù)雜的方法但這條鏈路本身不會(huì)變。6. 運(yùn)行思路與效果驗(yàn)證怎樣算一次優(yōu)化真正成功運(yùn)行上述腳本時(shí)你不需要一開(kāi)始就用大規(guī)模評(píng)測(cè)集。可以先準(zhǔn)備 50 到 100 條代表性樣例再選擇兩到三個(gè)模型跑 10 到 20 輪搜索。重點(diǎn)不是跑出多高的分?jǐn)?shù)而是確認(rèn)優(yōu)化鏈路能穩(wěn)定運(yùn)行。預(yù)期你會(huì)看到類似下面的輸出示意。這里的數(shù)字只是為了展示格式不是真實(shí)評(píng)測(cè)結(jié)果。[round 0] avg_acc0.451 acc_list[0.47, 0.44, 0.45] [round 1] avg_acc0.438 acc_list[0.45, 0.43, 0.44] [round 2] avg_acc0.472 acc_list[0.50, 0.46, 0.46] [round 3] avg_acc0.466 acc_list[0.51, 0.43, 0.46] ... best_score0.491 acc_list[0.52, 0.48, 0.48]判斷成功的標(biāo)準(zhǔn)不是只挑 acc_list 中某個(gè)模型最高的那輪而是看平均分是否穩(wěn)定高于基線。如果候選配置在模型 A 上大幅提升在模型 B 上明顯下降那這種方案很可能是在迎合模型 A 的表達(dá)偏好并不算跨模型收益。當(dāng)最終配置進(jìn)入 Held-out Benchmark 時(shí)你還需要關(guān)注當(dāng)時(shí)在開(kāi)發(fā)集上的優(yōu)勢(shì)是否還在。如果開(kāi)發(fā)集提升明顯Held-out 卻完全無(wú)效說(shuō)明優(yōu)化過(guò)程過(guò)擬合了開(kāi)發(fā)集的題目風(fēng)格。運(yùn)行失敗時(shí)第一步不要急著看模型 API 報(bào)錯(cuò)先檢查評(píng)測(cè)輸入流水線樣例有沒(méi)有正常加載、工具執(zhí)行函數(shù)是否可用、call_llm()返回格式是不是符合預(yù)期。很多“模型表現(xiàn)差”的結(jié)論最后都來(lái)自評(píng)測(cè)腳本 bug而不是模型問(wèn)題。建立一條干凈可復(fù)現(xiàn)的評(píng)測(cè)基線比任何優(yōu)化算法都重要。7. Harness 自動(dòng)優(yōu)化的常見(jiàn)問(wèn)題與排查思路問(wèn)題現(xiàn)象可能原因排查方式解決方案每次搜索分?jǐn)?shù)波動(dòng)很大評(píng)測(cè)樣例太少模型采樣有隨機(jī)性增加樣例量或同題多次采樣取平均固定溫度或用多次運(yùn)行中位數(shù)代替單次分?jǐn)?shù)模型 A 提升但模型 B 下降優(yōu)化到了模型 A 的特殊表達(dá)偏好查看候選配置在模型 A/B 上的詳細(xì) log將優(yōu)化目標(biāo)改成多模型平均分或加入約束懲罰最大下降幅度開(kāi)發(fā)集漲了Held-out Benchmark 不漲Harness 過(guò)擬合了開(kāi)發(fā)集風(fēng)格檢查兩項(xiàng)評(píng)測(cè)集分布差異增加不同任務(wù)類型的評(píng)測(cè)集減少開(kāi)發(fā)集與測(cè)試集重疊Token 成本明顯上升循環(huán)次數(shù)變多上下文里重復(fù)內(nèi)容增加打印每輪消息數(shù)量和 token 用量增加提前終止條件對(duì)相似工具結(jié)果做去重Harness 優(yōu)化后輸出不如手寫(xiě)版本自動(dòng)搜索沒(méi)有覆蓋關(guān)鍵變量檢查候選配置的差異程度擴(kuò)大參數(shù)空間允許對(duì)工具描述做改寫(xiě)上線后效果與評(píng)測(cè)不一致線上環(huán)境分布和評(píng)測(cè)集不同記錄線上輸入與工具調(diào)用日志持續(xù)回流線上樣本定期增量評(píng)測(cè)自動(dòng)搜索最大的坑并不是算法選得不好而是評(píng)測(cè)集與真實(shí)任務(wù)不匹配。如果你拿一組答案很簡(jiǎn)短的單輪問(wèn)答去做 Harness 搜索選出來(lái)的配置可能特別喜歡“直接回答”而不是“調(diào)用工具”。一旦上線面對(duì)需要多輪工具調(diào)用的真實(shí)問(wèn)題效果自然下降。因此開(kāi)發(fā)集需要覆蓋足夠多的真實(shí)形態(tài)至少包含需要調(diào)用工具、不需要調(diào)用工具、工具調(diào)用失敗后重試等典型分支。常見(jiàn)問(wèn)題里還有一個(gè)隱蔽點(diǎn)模型服務(wù)版本的波動(dòng)。同一個(gè)模型名稱背后供應(yīng)商可能悄然更新版本。今天跑出 0.50 分明天同樣是 0.46不一定是你的 Harness 變差而是模型行為漂移。團(tuán)隊(duì)內(nèi)部要把模型版本固定為可見(jiàn)字段才能區(qū)分變化來(lái)自模型還是來(lái)自 Harness。8. 工程化落地建議把 Harness 當(dāng)成獨(dú)立項(xiàng)目來(lái)管理Harness 工程化可以在團(tuán)隊(duì)里落地為幾個(gè)清晰動(dòng)作。第一個(gè)動(dòng)作是配置與代碼分離。不要把系統(tǒng)提示詞硬編碼在 agent 源碼里尤其是不要散落在多個(gè) service 文件中。統(tǒng)一維護(hù)一份 Harness 配置包含提示詞、工具描述、路由規(guī)則和循環(huán)參數(shù)。這樣后續(xù)優(yōu)化可以在配置層面做實(shí)驗(yàn)而不用頻繁提交業(yè)務(wù)代碼。第二個(gè)動(dòng)作是建立評(píng)估矩陣。至少要有一個(gè)腳本可以輸入候選配置、指定模型列表和評(píng)測(cè)集名稱輸出性能與成本表格。沒(méi)有這個(gè)矩陣任何關(guān)于“Harness 是否改進(jìn)”的討論都容易淪為空談。矩陣?yán)锝ㄗh同時(shí)記錄模型名稱與版本、評(píng)測(cè)集版本、Harness 配置 hash、運(yùn)行時(shí)間和總 token 成本。第三個(gè)動(dòng)作是搜索與人工 review 結(jié)合。自動(dòng)優(yōu)化可以發(fā)現(xiàn)人想不到的提示詞寫(xiě)法但它發(fā)現(xiàn)問(wèn)題的方式是分?jǐn)?shù)驅(qū)動(dòng)。分?jǐn)?shù)高不代表安全不代表符合產(chǎn)品規(guī)則。上線前必須人工 review 自動(dòng)選出的配置確認(rèn)工具權(quán)限邊界沒(méi)有被擴(kuò)大確認(rèn)模型在敏感問(wèn)題上仍能正確拒絕。第四個(gè)動(dòng)作是嚴(yán)格控制工具權(quán)限。無(wú)論 Auto-train Harness 實(shí)驗(yàn)結(jié)果多好生產(chǎn)環(huán)境的工具調(diào)用都必須遵守最小權(quán)限原則。搜索工具只能訪問(wèn)白名單地址數(shù)據(jù)庫(kù)工具只能執(zhí)行只讀查詢或經(jīng)過(guò)審批的寫(xiě)操作涉及用戶隱私的字段在日志中脫敏。Harness 優(yōu)化能做的是讓模型更準(zhǔn)確地調(diào)用工具但無(wú)法替代權(quán)限系統(tǒng)本身。第五個(gè)動(dòng)作是回歸測(cè)試。當(dāng)你的核心模型從 GPT 換成 DeepSeek、Qwen 或其它模型時(shí)所有經(jīng)過(guò)優(yōu)化的 Harness 配置都要重新跑一遍小規(guī)?;貧w測(cè)試。跨模型遷移是一種期望但每種模型對(duì)提示詞的敏感點(diǎn)不同不能默認(rèn)遷移一定成立。9. 結(jié)語(yǔ)先把評(píng)估矩陣搭起來(lái)再談是否 Auto-trainAuto-train the harness, not the LLM真正想表達(dá)的是Harness 不再應(yīng)該被當(dāng)作模型調(diào)用之外的附屬品而應(yīng)該被當(dāng)作一個(gè)可以被設(shè)計(jì)、評(píng)測(cè)與搜索優(yōu)化的系統(tǒng)。模型負(fù)責(zé)輸出智能Harness 負(fù)責(zé)把智能安全穩(wěn)定地轉(zhuǎn)化為行動(dòng)。如果你現(xiàn)在正在做 Agent 開(kāi)發(fā)可以暫時(shí)不引入復(fù)雜的自動(dòng)優(yōu)化算法先做三件事把 Harness 配置化建立一份包含多個(gè)模型的小評(píng)測(cè)集跑出一個(gè)穩(wěn)定的 baseline。當(dāng)你發(fā)現(xiàn)手工調(diào)整提示詞已經(jīng)難以穩(wěn)定提升時(shí)再把隨機(jī)搜索或更高級(jí)的優(yōu)化算法接到這條鏈路上。到那時(shí)你會(huì)更理解“Auto-train Harness”的價(jià)值它不承諾某個(gè)魔法提示詞它只提供一種系統(tǒng)化的方式讓你在模型不變的前提下找到更好的外圍策略。建議先收藏這篇文章并在下一次 Agent 調(diào)試時(shí)嘗試把問(wèn)題歸因從“模型不行”改寫(xiě)成“Harness 哪里還不夠穩(wěn)”你會(huì)發(fā)現(xiàn)調(diào)試思路開(kāi)闊很多。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
色色色五月婷婷| 熟女熟妇一区二区三区视频| 九九九九九九九九九国产精品 | 日日操丁香五月天| 韩国手机不卡无码三级视频| 国产精品欧美激在线| 熟女人妇一区二区三区| 老鸭窝成人免费毛片视频| 人妻密肉在线观看| 强奸乱伦av电影| 色妺妺AⅤ| 五毛骚逼极品美女怕怕| 夜夜嗨一区二区| 香蕉黄色一级视频| 国产精彩女在线观看视频| 日本精品高清一二区一本到| 熟女被操视频网址| 亚洲国产美女久久久久| 日日摸日日碰夜夜爽视频| 日韩99神马视频播放片在线播放| 免费观看啪视频| 伊人五月天婷婷| 日韩无码服务区| 久久久久久久久久久999| 91精品伊人久久久大香线蕉91| 日韩AV噜噜噜一区二区三区四区| 偷拍在线观看视频| 一区二区偷拍拍视频| 久久97视频| 超碰成人公开| 欧美高清91| 亚洲人妻熟妇三十三区| 国产亚洲精品A在线观看下载| 日本性交操一区二区不卡系列| 97欧美色资源| av优播| 亚洲乱码国产乱码精网站| 国产精品一区二区黄片| 亚洲偷拍自拍在线视频| 国产浮力影院第1页| 91殴美| 欧洲精品久久| 久久综合日韩亚洲欧美| 久久婷婷影院| 国产 三级自拍| 粉嫩av久久一区二区三区| www.男人的天堂| 天天综合网亚洲综合网| 亚洲日精品| 婷婷九月国产| 加勒比性爱成人在线| 97超碰资源网| 秋霞福利网| 欧美91网站| 亚欧美综合网。| 日日夜夜青青草母狗| 日韩中字av一区| 91人妻视频在线| 99国产精品自在自在| 中 文字幕一区二区三四 五 区日 日 骚 | 成人精品无码| 人人操人人摸超碰| 97资源久久| 亚洲一区中文字幕| 九九AV| 探花视频免费观看国产专区| 欧美日韩中文亚洲v在线综合| 黄色性爱网网| 亚洲 欧美 天天| 国产高潮AA片免费看| 久久婷婷色| 亚洲精品视频二区| 后入式在线免费观看60秒| 啊好爽快点-国产一区二区三区撒尿在线-成人AV | 亚洲中文日韩欧美大香蕉视频| 777琪琪午夜免费A片| 天综合网| 中出20p| 综合情欲网| 国产怡红院在线| 色五月69夫妻| 国产AV天美传媒一区二区三区 | 国产啊v在线免费播放| 黄色片一区二区三区四区五区| 一级日本牲交大片好爽在线看| se吧提供91精品国产91久久久久久| 乱伦熟妇一区二区| 色五月综合| 加勒比在线视频| 丝袜熟女2P| 97AV在线免费观看| 久九色| av网站国产主播在线| 26uuu偷拍亚洲欧洲综合| 国产美女精品| 日本不卡免费二区| 黄色一区二区秘书性感| 久久9精品视频| 久久久天美| 亚洲精品一区二区日本| 蜜乳AV一区二区三区四| 欧美久久毛片基地| 清纯唯美激情| 一区二区三区精品视频| 亚洲欧洲第二视频在线观看色图| 亚洲天天操| 午夜福利免费福利视频| 乱人伦 国语对白:视频直接看| 磁力99AV| 九久久精品| 84YTCOM性无码| 综合激情婷婷| AV男人天堂网| www久久国产精品| 亚洲欧洲综合视频在线| 自拍偷拍 高清无码| 日韩黄片视频试看| 亚州伊人色综台| 综合欧美日韩在线| 乱伦熟女论坛| 婷婷啪啪| 91亚洲网站| 日韩无码精品综合久久| 淮穴色AV| 97色在线视频| 天美传媒av 在线| 久久婷婷苹果| 五月天婷婷基地| 91影视亚洲| 国产精品白丝在线播放| 四月丁香婷婷| 无码一区免费在线不卡| 蜜桃中文字日产乱幕4区| 中文三一区| 欧美视频边做饭边橾| 1区2区3区中文字幕日韩| 女人高潮抽搐喷水视频网站| 激情五月天校园春色网| 日韩精品黄片免费观看| 午夜后入| 夜嗨影院| 欧美日韩国产色五月综合在线| 中国国产精品一区视频| 91天天爱| 日本天天操| 嗯嗯啊啊日韩精品| 久久性爱大全| 国产女人视频三四五区| 性色avv| 99精品在线| 亚洲性爱成人| 亚洲男人的天堂在线看| 狼狼色丁香久久婷婷综合五月| 欧美性爱网97| 无码日韩人妻av一| 午夜经典| 夜夜操91744565| 天天看天天干| 亚洲激情综合另类男同| 91撸色网 玖玖网 欧美| 大香焦A片| 啊啊啊啊啊啊啊啊要喷了| 亚洲少妇综合在线播放| 欧美黑人与女人91| 青娱乐日韩无码| 亚洲日本大香蕉1| 狠狠操狠狠爱| 久久免费99精品久久久久久| 成人三级片一区二区三区视频| 99只有精品| 日韩免费av片高清无码| 嗯~啊~快点 死我视频| 欧美黄色手机在线观看| 91视频综合在线| 99碰碰| 自拍六区| 91久久久老司机| 国产女性无套 免费观看| 亚洲 欧美 日本 国内 首页| 9久久9综合| 黄色av片三级三级三级免费看| 91午夜无码| 日本五区不卡| 成人五月天色网| 极品极品色影院| 超碰97护士| 亚洲综合贴图91| 五月婷婷丁香六月| 日韩欧美一级特黄大片| 激情五月综合开心五月| 97国产精品一区二区传媒公司| 91女神在线视频| 操屄不卡视频| 天天躁日日躁AAAAXXXX国产| 91精品91久久久久77777俄罗斯老妇姓x| 超碰碰97| 91丨国产丨白浆| 国产又色又爽又舒服的三级视频| 国产日韩无码一区二区三区久久区| 偷拍亚洲情色| 久久国模av| 3571色综合一区二区二区| 波多野结衣先锋影音| 亚洲影视综合| 久久久月天| 啊灬啊灬啊灬啊灬高潮奶出了免费视 | 好吊色在线观看| 伊人网综合在线视频| 美女诱惑一区| 欧洲久久一二线| 超碰在线在公开超碰在线在公开| 久久亚洲天天做| 中亚av| 五月天色图| 人人操人人插人人摸人人干| 麻豆国产97在线| 国产久久久久久| 尤物AV免费网站| 青娱乐手机日韩在线视频| 亚洲男人的天堂一区二区| 天天射,天天操,天天爽-国内精品一区二区三区-成人AV | 精品高清牛人盗摄一区二区三区中文字幕A片免费在线观看 | 超碰97爽| 性爱动态120秒| 婷婷激情四射| 色99视频| 久久夜色一区二区| 内射黑人| 亚州 综合 色图| 97国伦国色| 欧美五区| 日韩精品人妻中文字有码在线 | 欧美偷拍| 成全动漫视频观看免费下载| 成全动漫视频观看免费下载| 人人 操人人 操人人| 日韩三级一区| 色爱综合网| 天天综合网一91网| 久久一二三四五六七八九区区| 97爱爱影院| 天堂射| 欧美日动态视频| 亚州欧美一区| 精品在线78| 92一区二区| 国产操逼网站亚洲一级黄色| 精品高清一区二区三区三州| 丰满人妻av一区二区三区| 最新国产亚洲精品精品国产亚洲综合| 婷婷激情四射| 色偷偷色偷偷欧美日韩| 午夜亚洲| 夜夜高潮夜夜爽| 亚州中文字幕超碰97| jiujiujiujingpin| 91天天综合日韩欧美| 中文字幕欧美日韩三级| 成人性爱美曰韩| 婷婷丁香六月天| 国产天天骚| 日产123区精品免费观看| 国产九九九九九九| 亚洲影院无码在线| 欧美一级做a爰片免费视频| 精品一区二区三区蜜桃臀赵总 | 欧美激情五月天| 久久啊哟| 青青草亚洲一区| 日韩中文字幕视频| 久久99人妖视频国产| 亚洲天天艹| 色制服丝袜夫妻av一区| 亚洲欧美色图片| 最新岛国大片| 嗯嗯,啊啊,国产精品| 97精品久久久久中文字幕| 综合欧美亚洲| 久久99精品视频| 国产一级久久久| 99在线观看视频在线高清| 天天做天天爱夜夜爽毛片试看| 日韩一级特黄av毛片| 人妻熟女字幕一区二区| 天天综合,91入口| 秋霞网—男女啪啪亚洲免费体验区 | 色香在线| 无码久久亚洲高清,| 欧美很很操视频| 亚洲少妇色图自慰直播| 91丝袜在线观看| 国产一区二区av综合| 欧美香蕉视xxx| 外国91| 中文字幕精品资源在线| 91男同| 久久 国产 无码| 丁香激情网| 99超碰网| 婷婷激情五月| 丝袜色综合| 福利社区午夜一区二区| 操b网站亚洲无码| 中文操逼字幕| 亚州操操穴网| 国产精品不卡高清在线观看| 久久超碰久| 久久久久久九九九九九| 人妻熟女一区在| 欧美丝袜亚洲| 天天看综合网| 亚洲欧美色图片| 四虎永久在线精品免费网址 | 欧美情色男人的天堂| 国产精品爆乳懂色蜜乳| 亚洲 中文 女同| 亚洲成人激情小说视频| 午夜精品久久久99| 青娱乐国产盛宴视频| 婷婷香网站| 国产精品久久久久亚洲av| 天天天天天天天天综合| 小视频国产| 日韩久久艹| 日韩一级成人毛片免费观看 | 翔田千里无码一区| 激情文学欧美| 老司机射| 啊啊啊啊啊啊啊啊视频| 色哟哟-国产专区| 精品久9| 亚洲、日韩、综合、另类| 肏逼视频日本| 色香欲天天天天综合色| 色婷五月天| 欧美大的香蕉有线电视视频| 中文激情网| 超碰97资源网亚洲| 亚洲色图久久成人| 国产精品露脸在线观看| 国产AV线| 日本少妇va7777| 午夜AV人气不卡| 欧美色图自拍| 嗯……啊…嗯嗯…啊…好舒服| 91露脸熟女专区| 国产精品久久久久999| 色婷婷综合视频| 欧美极品美女aaaaaa级黄片| 人妻素股| 成 人 影视 一区 二区 三区 四区| 欧美欧美啪啪视频| 久久久久九九九九九| 日韩人妻资源网| 亚洲视频中文一区| 夜夜做夜夜爽精品视频| 久久国产精品91| 日本Xx性爱| 欧美黑人极品高潮喷吹熟女黑人性暴力日韩在线欧美极品一区二区老师黑人潮喷一 | 天天视频综合在线观看视频| 久久久久久久久9| 国产精品国产自产拍高清AV| 国产成人精品日本视频| 人妻无一区二区三区| 超碰97人人乐| 天天综合网AV91| 又黄又爽在线观看视频| 高清国产av无码| 亚洲国产精品无码AV久久久| 国产精品操| 无码人妻丰满熟妇区毛片| 欧美亚洲激情小说| 婷色五月天| 手机在线人成免费视频| 日韩综合成人免费视频| 中文久久| 亚洲日韩电影| 天天看片青娱乐| 91九色丰满高潮| 久久一二三四不卡 | 精品人妻久久久久一区二区三区| 中文久久一区| 九九天堂| 日本人体九九九九九九| 欧美婷婷五月天| 成人性爱av.com| 狠狠色噜噜狠狠狠狠2018| 国产三级片在线观看| 亚洲色棕合| 校园春色亚洲无码| 粉嫩AV一区夜夜嗨| 刺激精品视频| 美女干逼2| 日本五十路在线| 国产一区麻豆免费观看| 久久免费看高潮毛片韩国| 女人天堂AV五区在线| 一本一道vs波多野结衣| 久久精品色欧美aⅴ一区二区| 国产不卡免费在线视频| 精品国产91av一区二区三区 | 日韩精品第3页| 久久夜嗨| 本道在线| 久久久性爱| 熟女网站最新| 一摸二插三插| 九久9精品| 亚洲区 欧美区| 国产精品久久久亚洲第一牛牛_在线观看| 欧亚日韩综合精品国产| 久久久成人免费av电影| 男人的天堂三级| 试看福利| 久久禁| 亚洲综合伊人无码久久| 超碰九7免费| 婷婷国产精品一区二区| 青青青国产手线观看视频2| 国产精品黑人一区二区三区| 免费一级精品啪啪视频| 日韩精品视频在线观看一卡二卡| 黄网在线播放| 精品国产网站| 一区二三区四区视频大全套| 国产91美女视频| 翔田千里AV无码秘 三区| 九九热精品视频六| 日韩精品在线放| 国产精品福利资源在线尤物| 奇米狠999| 激情干在线| 玖玖视频在线资源一区二区三区| 久久97资源 网| 亚洲男人的天堂网| 欧美人体性爱互联网第一页婷婷日本| 91精片| 亚洲系列第一页| 99人人干| 欧美大战久久久伊人| 天天综合网~91| 国产精品黑人一区二区三区| 亚洲av无码成人精品国产| 97综合在线观看| 2019亚洲男人天堂| 家庭乱伦国产精品| 香蕉综合网| 操b网站亚洲无码| 青青草原香蕉日本Ap| 黄色免费网| 色五月婷婷中文字幕| 艳尻美人妻| 人妻精品一区二区| 国产一区二区三区导航| 天天综合欧美综合| 4虎在线观看| 国产成人亚洲精品无码古代早漏男| 极品美女福利在线观看| 麻豆久久久久久久久丝袜| 大香蕉日韩欧美| 精品国产乱码| 久九九九九九九热| 欧美碰碰综合色| 无码精品人妻一区二区三区妖精| 日韩情色视频| 精品国产乱码久久| 嗯啊不要在线观看嗯啊| 久久免费老司机精品| 欧美综合中文| 中文字幕一区二区三区视频播放| 日本九九久久99| a片 xxxx受爽视频| 91成人精品在线播放| 九九九九九九成人| 中文字幕美女91| 999日韩中文精品观看视频。| 国产精品国产| 飘花国产午夜精品不卡| 色好看av| 亚洲春色欧美激情自拍| 后X久久| BBBBB97COM| 啊视频在线| 熟女露脸激情自拍视频| 国产成人bd在线观看| 蜜臀久久久国产| 日本操逼视频不卡直接放| 国产极品999| 九九九精品| 久久手机视直播| 日本99热| 啊啊啊啊好疼| 97超碰国产亚洲精品资源| 97鸡把在线视频| 综合久久99| 精品一区二区三区麻豆| 日韩三四五区| 操逼视频国产无套| 人妻熟女一区二区| 99热在线观看| 啊v视频在线观看| 毛片99-全集电影手机免费观看完整-B029AV | 色网1| 亚洲 国产 精品一区| 久久欧洲| 夜嗨影院| 男人的天堂一区| 久久久999日本大片| 亚洲国产成人精品久久久国产成人一区二区| 暖暖精品二区三区观看| 国产成年精品高清在线观看91| 国产成人主播| 粉嫩在线一区二区懂色| 69精品| 亚州色图欧美| 国产成人手机视频激情| 久久大香蕉97| 日韩9999| 中文字幕人成乱码熟女香港| 97精品网站| 蜜桃久久一区二区三区| 色网色网色网色网色网色| 青青草视频导航官网| 无码精品蜜桃一区二区三区ww| 麻豆一区二区AV天美| 日韩精品.久久精品.AV女优.天美传媒| 立川理惠被中出无码| 无毛精品| 中文字幕丝袜美腿| 日本精品第一视频在'| 96精品久久| 精品一二三区四视频| 大香蕉AV在线| 日韩精品人妻一| 资源新线在线天堂| 搡老女人老91妇女熟女| 国产一区二区三区不卡手机在线| 国产做?爰片久久毛片?片美国| 91亚洲色图| 超碰久草| 伊人991| 精品熟妇视频一区二区| 欧美亚洲一区二区久久久婷精品大包诱| 多乙久久久久久| 日韩欧美亚欧在线视频| 97欧美资源| 日韩操呦呦影院在线观看| 欧美激情综合| A片 AV一级在线播放观看免费| 草草草视频在线免费看| 熟妇人妻精品一区二区| 综合性视频99| 伦在线97| 超碰97玖玖爱| 高清不卡视频| 九九热免费视频| 久久久久久亚洲精品中文字幕人妻| 爱做久久久久久| 激情小说日韩无码| 韩国一级做a久久久久| 97超碰国产亚洲精品| 国产白丝在线| 91爰爱欧美| 啊啊啊啊啊操我视频| 人妻人人做人人澡人人爽欧美一区| 欧美激情在线观看视频| 亚洲双插| 国产97在线播放| 丝袜视频一区二区在线播放国产中文| 色老汉色| 殴美色网| 欧美在线电影| 国产熟女无套内射| 国产路线专区| 国产精品电| 97视频在线视频| 330dv亚洲成年视频网| 亚洲免费97免费| 狠狠图片青青草| 人人澡综合涩| 久久久男人的天堂| 老鸭窝日丰县女人| 死我十八禁| 精品无av| sewuyueav| 亚洲色图亚洲| 亚洲熟女乱色一区二区三区| 飘花国产午夜精品不卡| 国产精品蜜臀久久久久无码AV| 人妻偷拍一区二区三区| 国产曰批免费观看久久久| 国产女人和拘做爰视频| 岛国在线一区二区三区| 无码高清专| 国内精品伊人久久久久影院会| 天堂种子在线www网资源| 欧美激情综合| 91色五月俺来也| 亚洲影视高清三级-草1024榴社区入口-品爱AV | 男人天堂综合| 国偷自 一区| 综合免费无码中文| 日本福利二区视频| 嗯嗯,啊啊,国产精品| 中文字幕人妻色偷偷久久皮| 99久久9| 中文区中文字幕免费看| 久久国产在线一区二区| 把腿张开老子CAO烂你| 偷拍自拍在线视频观看| 91一区二区| 超碰 另类 欧美 | 国产黄色动态精品| 啊啊啊啊二区好大| 清纯唯美亚洲另类| 国产精品亚洲色婷婷久久久| 天天色综亚洲91污| 国产精品91一样| 风骚少妇视频中文字幕| 插B在线观看| 婷婷色综合欧美日韩| 韩国黄片aaaa| 亚洲一区中文字幕久久,果冻传媒一区二区天美传媒| 亚洲 中文 女同| 97精品网站| 激情五月天中文字幕色| 秋霞曰韩R级| 动漫片子网站3黄| 91超碰在线观看| 久久三区四区| 久久一区二区高清免费| 久久久久性熟视频| 中文字幕欧美精品亚洲日韩蜜臀| 天天懆天天日| 久久人人看| 九一综合网| 丰满人妻被猛烈进入中| 婷婷精品| 中出20p| 97国产|免费| 色噜噜精品一区二区三| 中文字幕88av在线| 亚州欧美色图| 婷婷五月天激情小说| 午夜福利在线合集| gogogo免费高清看中国国语| 天美av在线观看| 九九九一二三| 青青青操| 亚洲欧美综合网站| 在线色导航| 久精品无码av一区二免费国产在线观看| 亚洲国产综合久久久性感熟妇| 久9久9久9久9久9久9| 色综合天天| 欧美亚洲美少妇一区二区| 丁香婷婷五月| 久久久久久久久久久久久久久性生活视频 | 99re只有精品| 老熟女91| 国产亚洲精品自在线亚洲情侣| 欧美精品久久| 国产精品女久久久久av爽| 青青草啪啪网| 欧 美 自 拍 偷 拍| 青娱乐av在线| 国产精品懂色tv影视免费观看| 丁香六月激情| 无码人妻一区二区三区四区老鸭窝| 亚洲另类小说卡通动漫| 美骚妇av高清在线| 变态乱伦伪娘灌肠一区二区| 蜜桃精品视频一区| 青青操网| 成人五月天色网| 中文字幕AV乱伦| 高跟伊人julia ann| 久久这里是精品| 成人欧美日超碰| 在线强奷到舒服的无码视频| 97中文字幕一区| 丁香婷婷久久| 久久精品人妻一区| 人妻大相焦在线| 亚洲无吗在线视频| 久久久成人免费av电影| 婷婷五月av| 97精| 久久精品免视看国产成人﹣蜜臀av一区. 久久精品免视看国产成人,蜜臀av一区 | 午夜无遮挡男女啪啪视频| 九色 人妻 大香蕉| 国产精品第一区第一页| 伊人久久久日韩一区| 3d成人精品一区二区| 超碰 欧美| 日本在线不卡123| 蜜乳AV.COM| 国产中文字幕在线观看| 美女黄色一级A视频| 九九九九AV| 鸥美精品一区二区久久婷婷| 久久久久国产精品喷潮免费观看臀| 99热这里只有精品1| 视频二区美腿丝袜制服人妻欧美| 桃花色综合影院| 91青青在线视频| 精品国产乱码久久久久久久久1| 18禁止看精品中文字幕| 超碰97资源网亚洲| 国产白嫩精品久久| 欧美性爱精品一区二区| 蜜臀一区二区三区亚洲最新章节在线观看 - 高清蜜臀一区二区三区亚洲全集播放 | 亚洲天堂 视频你懂的| 亚洲精品久久久久久久蜜桃臀| 草久久久| 天天插天天插| 白天啪啪晚上啪啪视频| 高清无码人妻久久久一区二区三区aⅴ| 丝袜性亚洲| 欧美网站免费| 澳门黄片一香蕉视频| 久久精品无码熟妇一区二区三区视频导航| 午夜精品99久久久久传媒| 日韩成人性爱AV| 放黄片放3级黄片没穿衣服| 日韩女优中文字幕| 99精品久久久久久久婷婷| 啪啪综合网| 深夜激情| 午夜后入| 国产精品久久久蜜臀| 亚洲久热| 去干网最新版| 欧美色性爱| 激情五月综合开心五月| 91爱网| 人妻喷水| 亚洲综合情色| 日韩不卡码| 天天综合影院91| 国产 三级自拍| 在线免费观看日韩一区| 99亚洲精品| 99热在线只有精品| 欧美女同在线| 久久久99999久网站| 成人老鸭窝人人在线视频| A V少妇特黄三级| 一区二区三区黄色片a| 农村少妇久久久久久久| 春色综合免费| 久久久久久裸体| 国产乱子伦一区二区三区免看| 欧美日韩夜夜| 内射中出日韩在线观看视频| 国产高清1234区| AV色天香在线| 亚洲精品丝袜| 无码人妻丰满熟妇奶水区毛片| 久久丁香五月婷婷| 五月激情在线| 伊人AAA| 久久人妻视频网| 午夜精品久久久久久久男人的天堂 | 综合网欧| 日日夜夜青青草母狗| 美女黄色一级A视频| 国产一级作爱毛片| 一级啊性爱在线视频| 欧美久久伊人| 无码伊人久久大杳蕉中文无码| 久久精品色欧美aⅴ一区二区| 巨爆乳一区二区爆乳区| 三级日韩一区二区三区| 人人操人人摸人人看人人插| 欧美性生活免费网| 欧美日韩性爱无码| 久99久视频| 日韩久久三区| 九九毛片这里只有精品| 人妻插插人妻人| 97伪v| 亚洲影视高清三级-草1024榴社区入口-品爱AV| 2020中文字幕在线| 欧美日韩色| 国产视频人人网| 高清无码学生妹高潮| 91成人无码| 丰满美女一级毛片在线播放| 中国少妇XXXX做受| 激情久久久| 天天综合网一91网| 91性感网站| 色男人色天堂东京热| 国产精品97视频| 国产精品白领在线观看 | 男人兔费天堂| 天天日天天屌天天操| 人妻夜爽夜夜爽| 亚洲**2021在线观看| 搡老人老9丨女老熟人| 无码99| 国产精品在线一区二区| 久久久新亚洲AV| 久久久久亚洲Aⅴ无码| 色综合久久久久| AV丝袜少妇| 久久久一区二区三区麻豆| AV乱伦专区| 伊人99热| 国产热av| 中文字幕一区二区三区字幕| 日韩欧美视频青青| 69丨亚洲丨精品丨入口免费播放| 国产精品一区二区a| 国产精品亚洲免费| 蜜臀精品1区2区| 啊啊啊骚| 国产99久久99热这里只有精品15 | 蜜桃久久一区二区| 岛国片在线观看视频亚洲| 97国产亚洲中文在线| 亚洲欧美情色| 成人性爱电影一区二区| 天天操天天日天天干| 久久在线观看免费视频| 婷婷午夜| 欧美性爱超碰97| av日韩在线观看电影| 韩日精品福利视频一区不卡在线免| 东京热双插| a网站免费观看| 941超碰| 青青操综合网| 影音先锋一区二区在线资源| 久久超碰国产一区二区三区| 人妻嗯啊啊在线播放| 久久香蕉国产线看观看亚洲女人 | 人妻精品视频一区二区三区| 亚洲激情在线| 国产AV人人 夜夜人人澡| 精品无码久久久久久久久果冻糖心| 欧美日韩99| 老司机香蕉| 六月丁香久久| 欧美亚洲今日在线| 亚洲无码99| 久久久久久久9| 热久久这里只有精品| 亚洲天堂加勒比| www.色婷婷| 天天久久| 亚洲AV小说| 日本人妻最新在线中| 美女露胸露奶头| 精品日韩人妻视频| 美女裸体麻豆天美蜜桃91| 成人av影院在线观看| 国产精品欧美激在线| 天天干18禁| 东北黄色电影| 囯产精品久久久久久久久久梁医生 | 一区二区三区免费岛国片| 久久国语| 人妻aa| 大香蕉视频啪啪啪啪| 99综合免费视频| 亚洲人妻在线精品| 国产AV天美| 国产操逼逼网| 国产尤物在线三区| 性色一线| 国产中文字幕在线点播| 久久视频,这里只有精品| 人、人、摸,人、人、草| 午夜传煤十二区精品| 亚洲色图超碰在线| 啪啪啪东京| 91嫩草欧美| 色欲蜜臀AV| 精产品久久| 蜜臀精品1区2区| 男女激烈网站最新| 加勒比无码毛片| 美女诱惑爱爱| 日韩色欲久久一二三四区| 青青草影视蜜久久| 亚洲一二三精品久久网 | 97bbn| 91Chinese在线| 免费AV中文网在线观看| 黄色小说亚洲| 三级AV入口| 亚州色图欧美色图| 情色日播放AV| 操我无码| 日本中文字幕不卡视频| 啊啊啊啊啊舒服| 不卡九肏| 操美女高潮抽搐白浆| 强奸乱伦免费网站| 婷婷10月天青娱乐| 麻豆成人av| AV 少妇 人妻 偷拍| 亚洲91在线播放影院| 男女国产精品| 岛国不卡超碰护士AV在线播放| 激情99| 丝袜熟女一区二区三区| 日韩欧美性吧婷婷乱伦大香蕉| 久久一二三四五六七八九区| 日韩AV色图| 久久久久婷婷| 精品中文字幕第一页| 天天色欧美| 国产91专区| 91色艳| 在线观看黄色电话| 五十路六十路七十路熟婆| 91精品国产91久久久久久久久久久久| 国产精品欧美激在线| 成人看片网站| 欧美中出1| 国产精品点击进入在线影院高清| 日韩91网| 日本新免费二区三区| 美女露胸露奶头| 亚州色图第三区| 人妻熟女av国产网站| 超碰成人公开| 偷拍 欧美 日韩| 搡老女人老熟女91| 久久中文字幕在线观看| 97操碰| 国产精品高朝久久久久久久| 日本中文字幕一区| 日韩人妻无码精品系列| 熟啊v色欧美热| 亚州操操穴网| 亚洲另类综合欧美| 丁香六月综合激情| 色色五月婷| 亚洲精品亚洲人成在线麻豆| 操逼视频亚洲| 天天搞在线综合网| 少妇xx精品| 免费簧片在线观看| 午夜福利免费福利视频| 无码高清专| 黑人无码一区二区| 日韩不卡毛片Av免费高清| 精品亚洲国产成人av网站| 国模艳艳啪啪一区| 黄在线| 中国一区二区亚洲人妻| 欧美日韩国产中文精品字幕自在自线| 无码操逼网| 亚洲人妻中文高清| 99精品久久久久久久婷婷蜜桃| 午夜操逼不卡| 亚洲成人福利电影免费| 国产超碰| 五月天精品| 亚洲熟妇乱女区二区三区| 嗯啊免费视频| 夜夜久久| #NAME?| 欧美激情 亚洲色图| 天天夜夜rb| 日产操逼| 搡老熟女免费视频| 一本大道不卡一二三区| 日韩成人大片在线观看| 一本道综合色图| 天堂国产AV| 国产一区二区三区,在线观看观看| 看看日B真人视频| 欧美操逼录像国产黄色国产| 韩国免费播放一级毛片| 国产精品一区av在线| 欧美性爱系列| 色色色热| 狠狠亚洲| 少妇蹲下露出大唇5| 亚洲男人综合| 女人高潮大叫一级毛片| 亚洲色吧网| 国产精品丝袜久久亚洲不卡| 97国产中文| 午夜国产综合视频在线观看| 亚洲暴力强奸AV| 深爱五月婷婷| 亚洲 欧美 另类 日韩 人妻一区| 蜜桃臀久久| 日本熟妇浓毛hdsex| 91视频成人福利网站在线一区| 欧美性综合| 亚洲自拍97| 中国国国产一级特黄毛片| 蜜色网色哟哟| 97天天在线| 99久久精品国产系列| 久久亚洲AV成人精品无码| 国产欧美美女免费观看视频| 精品无码久久久久| 男女国产精品| 国产免费黄色一级大片| 日韩人妻一区二区精品| 超碰97色色| 玖玖久久久| 青椒国产97在线熟女| 91女网站| 91精品国产91久久久久久久久久久久| 丰满美女一级毛片在线播放| 国产乱伦性爱AV| 精品无码人妻一区二区免费蜜桃| 欧美在线91| 在线看免费无码AV天堂的| 亚洲 欧美 另类 日韩 人妻一区| 大香蕉人妻久久| 人人爱人人操人人性| 一区二区首页| 亚洲天天操| 99日韩| 91AV天堂| 亚洲国产一区二区日韩专区| oumeisetu综合| 天天操妹子| 国产乱伦亚洲| 99国产精品在线观看| 91亚洲欧洲| 色色操| 精品免费囯产一区二区三区| 加勒比在线视频一区二区三区| 久久精品一区| 一级做a爰片性色毛片久久| 加勒比色99999| 国产精品一区二区 尿失禁| 91精品成人| 亚洲欧洲综合av在线| 超碰79人人乐| 丝袜足交视频| 天天添天天干电影| 怡红院成人视频| 色婷婷狠狠| 亚洲日韩XXX| 无码人妻精品一区二区中文 | 亚洲国产蜜臀系列在线观看| 超碰在线人妻中文字幕| 国产馆极品诱惑| 96精品久久久久久久久| 啊啊啊啊嗯嗯嗯用力好爽| 亚洲欧洲激情| 亚洲精品啪视频| 色拍偷亚洲| 一级黄色性爱A级片| 校园春色宗合网| 天天视频综合在线观看视频| 日本高清熟女久久一区| 日韩av一级黄片| 人妻另类| 五月天婷婷综合网| WWW.操逼.COM| 97WW精品| 黄色操人| 蜜臀无码一区二区| 少妇滛荡视频| 97欧美超碰| 欧美视频激情久久久久久| 波多野结衣被操50分钟免费视频| 在线小视频| 国产日韩欧美三级片| 日韩小电影| 中文字幕加勒比海高清无码免费视频| 国产成久久综合片| 超碰97在线中文| 日本日逼视频网| 少妇久久久| 美女91色黄18| 大香蕉520| 欧美人人操人人插| 久久国产999| 五月天综合在线| 大香蕉综合网| 国产精品第一区第一页| 色综合加勒比四四季| 丰满高潮18xxxx| 亚洲欧美激情小说| 国产精品国产自产拍高清AV| 超碰成人公开| 天天操妹子| 97色诱| 色婷婷九月天天综合| 欧美黑人极品高潮喷吹熟女黑人性暴力日韩在线欧美极品一区二区老师黑人潮喷一 | 欧美操逼录像国产黄色国产| 日本人妻一区二区| 91在线精品| 亚洲97综| 亚洲图片偷拍欧美| 婷婷色香| 少妇滛荡视频| 日韩乱伦AⅤ| 超碰色图| 超碰视97中文| 少妇与黑人高潮在线| 懂色AV蜜臀无码精品APP| yw尤物av无码点击进入麻豆| 极品一区二区三区免费| 色爽爽文学| 精品性爱无码在线播放| 天美传媒精品一区二区| 欧美色综合图片| 爱干爱射网啊啊啊| 柠檬AV导航| 国产精品无码av| 自拍偷拍第26| 91天堂| 蜜桃臀av一区二区| 九七毛片九九毛片| 婷婷综合在线观看| 99热在线播放| 亚洲欧美日韩精品久| 国产亚洲色婷婷久久99精品91 - 百度| 美国三级日本三级久久99| 国产亚洲精品自在线亚洲情侣| 日韩欧美成人综合在线| 免费人成毛片乱码| 高颜值美女口爆高潮浪叫| 久久亚洲色图中文字幕| 四虎免费看黄| 按摩中文字幕| 亚洲精品久| 嗯嗯啊啊视频在线看| 国产亚洲精品玖玖玖在线观看| 日韩免费在线视频观看| 色哟哟AⅤ| 日韩亚洲欧美中文字幕| 色综合大香蕉| 夜夜爽爽夜夜精品视频| 操死我了嗯嗯嗯| 自拍视频大全亚洲专媒视频/一区二区三区| 一起草av| 婷婷五月花| 日韩人妻少妇 一区二区三区| 每日更新AV| 激情五月天社区| 久久美女福利是上海美女| 日韩一级特黄av毛片| 超碰成人公开| 久草视频在线视频在线视频在线观看 | 日韩欧美大力操| 91精品久久久| 亚洲1区2区三区高清中文字幕| 伊人一区二区在线播放| 日小BB小视频| 亚洲精品天堂久久A∨51成人漫 | av久日| 久久成人午夜狠狠| 91精品久久久久久| 久久久久久久|