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)運營的一線實戰(zhàn)洞察。

圖RAG實踐:Neo4j+Milvus+LLM打造烹飪知識問答系統(tǒng)

圖RAG實踐:Neo4j+Milvus+LLM打造烹飪知識問答系統(tǒng) 1. 項目前言從“AI聊天”到“AI會按圖索驥”做 RAG 的朋友應(yīng)該都有同感純向量檢索的方案搞個知識庫 Demo 很容易但一上生產(chǎn)就露餡。用戶問“宮保雞丁和魚香肉絲有什么區(qū)別”向量檢索返回的是兩篇高度相似的菜譜片段LLM 對著拼湊出來的上下文要么答非所問要么直接編造步驟。這個問題的根子在于傳統(tǒng) RAG 把知識庫當(dāng)成了一袋子文檔碎片丟失了實體之間的關(guān)系。而烹飪這個場景恰恰是關(guān)系密集型知識的典型代表——食材、菜品、技法、菜系、口味之間有著清晰的層級和關(guān)聯(lián)。比如“魚香肉絲”依賴“魚香汁”“魚香汁”又依賴“泡椒”“泡椒”屬于“川菜調(diào)料”。這種知識結(jié)構(gòu)用文檔切片去表達(dá)天然就是錯的。所以我做了這個基于圖 RAG的烹飪問答系統(tǒng)核心思路很簡單用Neo4j把菜譜領(lǐng)域知識建模成圖用Milvus做食材描述和自由文本的向量召回再用LLM做意圖識別和答案組織。三個組件各司其職把“知識圖譜的結(jié)構(gòu)化推理能力”和“向量檢索的語義泛化能力”結(jié)合起來實測下來回答質(zhì)量和可解釋性都遠(yuǎn)超純向量方案。這篇文章會把整個項目的完整工程實踐寫下來從架構(gòu)設(shè)計到環(huán)境搭建從數(shù)據(jù)建模到混合檢索再到 LLM 的編排和常見問題排查全部是實操向的內(nèi)容。適合正在做 RAG 應(yīng)用、或者想了解圖數(shù)據(jù)庫和向量數(shù)據(jù)庫如何協(xié)同工作的朋友尤其是遇到“純向量檢索答非所問”、“知識庫關(guān)系密集”這類問題的場景這篇文章應(yīng)該能給你一個具體可落地的參考方案。2. 整體架構(gòu)設(shè)計為什么是 Neo4j Milvus LLM 三件套2.1 解構(gòu)需求烹飪問答到底難在哪先花點篇幅聊聊這個項目的需求拆解因為架構(gòu)選擇的依據(jù)全部來自業(yè)務(wù)場景本身。烹飪問答系統(tǒng)表面上的需求是“用戶問菜譜系統(tǒng)答菜譜”但實際用戶的問題類型差別很大。我整理了一下大概能分成四類第一類是事實查詢型比如“魚香肉絲需要哪些食材”這類問題答案相對固定關(guān)鍵詞匹配就能定位。第二類是關(guān)系推理型比如“川菜里有哪些菜用了花生”這就需要在菜系、菜品、食材之間做多跳關(guān)聯(lián)查詢。第三類是泛化語義型比如“我想吃點清爽的葷菜”這沒有明確實體必須靠語義理解來匹配食材屬性和菜品標(biāo)簽。第四類是約束排除型比如“有沒有不用油炸的雞胸肉做法”這類問題帶有排除條件需要把“不包含某技法”作為硬約束。如果只用向量檢索第一類和第三類還能對付第二類基本無能為力第四類效果也很差。如果只用圖譜查詢第三類直接沒法處理因為用戶輸入里根本沒有實體可以匹配。所以混合架構(gòu)不是炫技而是業(yè)務(wù)需求逼出來的。2.2 組件選型三個數(shù)據(jù)庫為什么是它們先說 Neo4j。圖數(shù)據(jù)庫領(lǐng)域 Neo4j 是事實標(biāo)準(zhǔn)Cypher 查詢語言表達(dá)能力很強社區(qū)版就能滿足項目需要。選擇圖數(shù)據(jù)庫的核心原因是烹飪知識天然是圖結(jié)構(gòu)菜品節(jié)點連接食材節(jié)點技法節(jié)點連接菜品節(jié)點菜系節(jié)點歸類菜品節(jié)點。用圖來存查詢“回鍋肉用了什么豆瓣醬”、“哪些菜用到郫縣豆瓣”就是一個簡單的路徑查詢不用做多表 JOIN。再說 Milvus。向量數(shù)據(jù)庫里 Milvus 是開源方案里最成熟的之一支持多種索引類型社區(qū)活躍而且有 Attu 這個可視化工具調(diào)試起來方便。它負(fù)責(zé)的是“語義模糊匹配”這部分——用戶說“清爽”系統(tǒng)要能召回“涼拌”、“清蒸”、“低油”相關(guān)的菜品。最后是 LLM。這里 LLM 扮演的是編排者的角色不是知識來源。它接收用戶的自然語言問題判斷應(yīng)該走圖譜查詢、向量召回還是兩者并行然后把結(jié)果組織成自然語言答案。我用的是 OpenAI 兼容接口的模型具體模型名不影響架構(gòu)只要支持函數(shù)調(diào)用或工具調(diào)用就行。注意這個架構(gòu)里 LLM 和知識庫的分工要非常清楚——LLM 負(fù)責(zé)理解和表達(dá)知識庫負(fù)責(zé)事實。如果把 LLM 既當(dāng)編排器又當(dāng)知識源那就不需要圖數(shù)據(jù)庫和向量數(shù)據(jù)庫了但那樣做出來的系統(tǒng)幻覺問題會很嚴(yán)重。2.3 系統(tǒng)流程一次問答背后的數(shù)據(jù)流轉(zhuǎn)整個系統(tǒng)的工作流程可以拆成六個步驟我在這里先給個總體預(yù)覽后續(xù)章節(jié)會逐個展開第一步用戶輸入問題LLM 先做一輪意圖識別和實體抽取。第二步系統(tǒng)根據(jù)抽取結(jié)果決定檢索策略有明確實體就走圖譜查詢分支有模糊描述就走向量召回分支兩者都有就并行執(zhí)行。第三步圖譜查詢結(jié)果經(jīng)過后處理轉(zhuǎn)成 LLM 能理解的文本片段。第四步Milvus 召回結(jié)果與圖譜結(jié)果做融合排序過濾掉低相關(guān)度的片段。第五步所有候選上下文拼裝成 Prompt交給 LLM 生成答案。第六步答案經(jīng)過格式化和引用標(biāo)注展示給用戶。這個流程的巧妙之處在于檢索階段是規(guī)則的、可解釋的生成階段是靈活的、自然的。規(guī)則的歸規(guī)則語義的歸語義各管一段互不干擾出現(xiàn)問題也好排查。3. 環(huán)境搭建Neo4j 和 Milvus 的安裝避坑指南3.1 Neo4j 安裝與配置Windows 和 Docker 兩條路這個項目里 Neo4j 是知識圖譜的存儲引擎安裝方式取決于你的開發(fā)環(huán)境。我自己用的是 Docker 方式但不少朋友在 Windows 上折騰過原生安裝這里兩條路都說一下。如果本機已經(jīng)裝了 Docker推薦直接用容器跑干凈且好卸載。一條命令就能起一個帶數(shù)據(jù)卷的 Neo4j 實例docker run -d \ --name neo4j-cooking \ -p 7474:7474 -p 7687:7687 \ -e NEO4J_AUTHneo4j/yourpassword \ -v $PWD/neo4j-data:/data \ neo4j:5.20-community這里端口說明一下7474 是瀏覽器端的 Neo4j Browser 訪問端口7687 是 Bolt 協(xié)議端口Python 驅(qū)動連的是 7687。數(shù)據(jù)卷一定要掛載否則容器刪了數(shù)據(jù)就全沒了這個坑我踩過一次重新導(dǎo)入圖譜的滋味不好受。Windows 上不依賴 Docker 的話可以去 Neo4j 官網(wǎng)下載 Desktop 版或社區(qū)版 zip 包。Desktop 版帶圖形界面新建數(shù)據(jù)庫很方便適合新手。zip 社區(qū)版要自己配環(huán)境變量把NEO4J_HOME指到解壓目錄然后進(jìn) bin 目錄執(zhí)行neo4j console前臺啟動首次啟動會自動初始化。配置方面有兩個點值得特別注意第一如果要用 Python 或 Java 驅(qū)動遠(yuǎn)程連接記得修改neo4j.conf里的監(jiān)聽地址。默認(rèn)只監(jiān)聽 localhost需要改成server.default_listen_address0.0.0.0才能被容器外的程序訪問。第二社區(qū)版最多打開一個數(shù)據(jù)庫Enterprise 版才支持多庫。做實驗的話 Community 版完全夠用不用糾結(jié)企業(yè)版的功能差異。3.2 Milvus 安裝非 Docker 部署和 etcd 依賴處理Milvus 的安裝是大多數(shù)人的痛點因為官方主推 Docker Compose 方式對純本機開發(fā)環(huán)境不太友好。我推薦兩個方案方案一Docker Compose 單機版這是官方推薦的快速開始方式。下載milvus.yaml和docker-compose.yml執(zhí)行docker compose up -d即可。它會同時啟動三個容器etcd元數(shù)據(jù)存儲、MinIO對象存儲和 Milvus 主服務(wù)。注意這里etcd 是 Milvus 的元數(shù)據(jù)存儲不是可選項很多人以為只裝 Milvus 一個容器就行結(jié)果啟動后報錯找不到 etcd其實是因為 Compose 文件里沒有把 trio 一起拉起來。方案二Windows 非 Docker 安裝。Milvus 官方其實不提供 Windows 原生二進(jìn)制包非要在 Windows 裸機跑只能靠 WSL2。在 WSL2 里裝 Ubuntu 子系統(tǒng)然后在子系統(tǒng)內(nèi)按照 Linux 方式安裝。這個過程有點折騰我的建議是開發(fā)階段直接用 Docker 方案最省心生產(chǎn)環(huán)境一般也是 K8s 或物理機部署Windows 原生安裝意義不大。裝好之后強烈建議再裝一個Attu這是 Milvus 的圖形化管理工具。Attu 是獨立容器連接到 Milvus 的 19530 端口即可docker run -d \ -p 8000:3000 \ -e MILVUS_URLhost.docker.internal:19530 \ zilliz/attu:latest打開http://localhost:8000就能在瀏覽器里查看 collection、向量檢索結(jié)果。調(diào)試階段有沒有可視化工具效率完全是兩回事。版本兼容性提示Attu 對 Milvus 版本有一點挑剔。我用的是 Milvus 2.4.x Attu 2.4.x 的組合如果你用的是 Milvus 2.3 或 2.5盡量選擇相同大版本的 Attu避免出現(xiàn)“能連接但看不到數(shù)據(jù)”這種詭異問題。3.3 Python 依賴 langchain4j-milvus 的替代方案熱詞里出現(xiàn)了langchain4j-milvus這里多說一句。langchain4j 是 Java 生態(tài)的 LangChain 移植版如果你用 Java 寫服務(wù)它確實提供了 Milvus 的集成包。但大多數(shù)做算法原型的人用的是 Python對應(yīng)的是pymilvus這個官方 Python SDK。我的項目里用的是 Python 技術(shù)棧核心依賴如下# 向量數(shù)據(jù)庫相關(guān) pip install pymilvus2.4.9 # 圖數(shù)據(jù)庫相關(guān) pip install neo4j5.20.0 # LLM 調(diào)用相關(guān) pip install openai1.35.0 # 數(shù)據(jù)處理相關(guān) pip install pandas numpy版本號是我實測過的組合不做強制要求但建議大版本不要差太多。pymilvus2.4.x 連接 2.4 的 Milvus 服務(wù)端沒問題如果裝了最新 2.5 的 SDK 去連 2.3 的服務(wù)端可能出現(xiàn) proto 協(xié)議不兼容的報錯遇到就降版本。4. 數(shù)據(jù)建模把烹飪知識變成圖結(jié)構(gòu)4.1 實體和關(guān)系的設(shè)計菜品、食材、技法、菜系圖譜建模是整個項目里最核心的環(huán)節(jié)建模的好壞直接決定后續(xù)查詢能做什么、不能做什么。我先列出這個項目用的實體類型和關(guān)系類型再解釋為什么這樣設(shè)計。節(jié)點類型標(biāo)簽一共六類Dish菜品核心實體如“宮保雞丁”、“麻婆豆腐”Ingredient食材如“雞胸肉”、“花生米”Technique技法如“炒”、“炸”、“蒸”、“涼拌”Cuisine菜系如“川菜”、“粵菜”、“魯菜”Flavor口味如“麻辣”、“酸甜”、“清淡”Seasoning調(diào)料如“郫縣豆瓣醬”、“生抽”、“料酒”關(guān)系類型一共八類(Dish)-[:HAS_INGREDIENT {amount: 200g, optional: false}]-(Ingredient)(Dish)-[:USES_TECHNIQUE]-(Technique)(Dish)-[:BELONGS_TO]-(Cuisine)(Dish)-[:HAS_FLAVOR]-(Flavor)(Dish)-[:USES_SEASONING]-(Seasoning)(Ingredient)-[:IS_A]-(IngredientCategory)如“雞胸肉”屬于“禽肉類”(Seasoning)-[:COMPOSES]-(Seasoning)如“魚香汁”由“泡椒、糖、醋”組成(Dish)-[:SIMILAR_TO]-(Dish)菜品相似關(guān)系用于推薦這里有兩個設(shè)計上的細(xì)節(jié)值得展開講。第一個是關(guān)于食材的量化和可選性。我在HAS_INGREDIENT關(guān)系上掛了屬性amount和optional因為用戶經(jīng)常問“宮保雞丁要不要放糖”“哪些食材可以不放”。如果不把屬性放在關(guān)系上而是放在食材節(jié)點上語義就是錯的——同一個食材在不同菜品里的用量不同“花生米”在宮保雞丁里是主料在別的菜里可能是 garnish。第二個是關(guān)于技法的層級化。技法節(jié)點之間我設(shè)計了SUB_TECHNIQUE_OF關(guān)系例如“干煸”是“炒”的子技法“清蒸”是“蒸”的子技法。這樣用戶問“不用炒的雞肉做法”圖譜查詢可以做子技法排除不至于把“干煸雞”這類菜也算進(jìn)去。4.2 Cypher 批量導(dǎo)入從結(jié)構(gòu)化數(shù)據(jù)到圖譜建模設(shè)計好之后面臨的問題就是數(shù)據(jù)怎么進(jìn) Neo4j。菜譜數(shù)據(jù)以結(jié)構(gòu)化表格形式存在CSV 或 JSON導(dǎo)入方式我推薦用 Cypher 的LOAD CSV語句或者批量 MERGE。以菜品和食材的關(guān)系為例CSV 數(shù)據(jù)格式如下dish_name,ingredient_name,amount,optional,cuisine,technique 宮保雞丁,雞胸肉,200g,false,川菜,炒 宮保雞丁,花生米,50g,false,川菜,炒 宮保雞丁,干辣椒,10g,false,川菜,炒 魚香肉絲,豬里脊,200g,false,川菜,炒導(dǎo)入時先創(chuàng)建節(jié)點再創(chuàng)建關(guān)系分兩步走// 第一步導(dǎo)入菜品節(jié)點和食材節(jié)點MERGE 去重 LOAD CSV WITH HEADERS FROM file:///dishes.csv AS row MERGE (d:Dish {name: row.dish_name}) MERGE (i:Ingredient {name: row.ingredient_name}) MERGE (c:Cuisine {name: row.cuisine}) MERGE (t:Technique {name: row.technique}); // 第二步創(chuàng)建關(guān)系 LOAD CSV WITH HEADERS FROM file:///dishes.csv AS row MATCH (d:Dish {name: row.dish_name}) MATCH (i:Ingredient {name: row.ingredient_name}) MERGE (d)-[:HAS_INGREDIENT {amount: row.amount, optional: row.optional}]-(i);這里必須提醒一個常見問題file:///指向的是 Neo4j 服務(wù)器所在機器的import目錄不是你的本地目錄。Docker 方式部署時要把 CSV 文件掛載到容器的/var/lib/neo4j/import下否則LOAD CSV會報文件不存在。另外導(dǎo)入時一定要用MERGE而不是CREATE。我第一版用的是CREATE跑完發(fā)現(xiàn)一個菜品出現(xiàn)了十幾條重復(fù)節(jié)點查詢結(jié)果全是笛卡爾積排查了半天才找到原因——CSV 里有重復(fù)行CREATE不會去重。4.3 圖譜數(shù)據(jù)的質(zhì)量保障實體對齊和去重圖譜數(shù)據(jù)質(zhì)量這塊容易被忽略但決定系統(tǒng)上限的恰恰就是它。我遇到的主要有三類問題第一類是同名異義?!巴炼埂焙汀榜R鈴薯”指同一個東西但在導(dǎo)入時會被當(dāng)成兩個節(jié)點。解決辦法是在導(dǎo)入前做實體歸一化維護(hù)一個同義詞映射表統(tǒng)一實體名稱。第二類是關(guān)系冗余。同一道菜在多個數(shù)據(jù)源里都有合并時要判斷是不是同一個菜品我的做法是用“菜品名 菜系”做聯(lián)合唯一鍵。第三類是屬性缺失。很多菜譜不標(biāo)注食材用量和是否可選這類數(shù)據(jù)直接放棄或打上默認(rèn)值否則圖譜查詢會返回不完整的答案。經(jīng)驗之談圖譜數(shù)據(jù)寧缺毋濫。用戶問“宮保雞丁需要什么食材”如果圖譜里只有 60% 的關(guān)系是完整的返回的結(jié)果還不如純向量檢索。我在初期測試時用了一大批不完整的菜譜數(shù)據(jù)結(jié)果圖查詢經(jīng)常“查不到”后來加了數(shù)據(jù)校驗流程只導(dǎo)入關(guān)系完整的菜譜條目準(zhǔn)確率才上來。5. Milvus 向量檢索食材描述的語義化召回5.1 Collection 設(shè)計與 Embedding 模型選擇Neo4j 負(fù)責(zé)精確匹配和多跳關(guān)系查詢但用戶提問中經(jīng)常沒有明確的實體詞比如“清爽”、“下飯”、“低脂高蛋白”這些描述需要語義理解。我選擇把這些“描述性屬性”抽取出來做成向量。具體做法是為每個菜品生成一條描述性文檔內(nèi)容包含它的口味標(biāo)簽、主要技法、適用場景、食材營養(yǎng)屬性的自然語言描述然后把這整段文本 embedding 成向量存入 Milvus。創(chuàng)建 Collection 的核心代碼如下from pymilvus import ( connections, CollectionSchema, FieldSchema, DataType, Collection ) connections.connect(aliasdefault, hostlocalhost, port19530) fields [ FieldSchema(namedish_id, dtypeDataType.INT64, is_primaryTrue, auto_idFalse), FieldSchema(namedish_name, dtypeDataType.VARCHAR, max_length128), FieldSchema(namedescription, dtypeDataType.VARCHAR, max_length4096), FieldSchema(nameembedding, dtypeDataType.FLOAT_VECTOR, dim1024) ] schema CollectionSchema(fields, descriptionDish semantic descriptions) collection Collection(dish_semantic, schema) # 創(chuàng)建 IVF_FLAT 索引nlist 根據(jù)數(shù)據(jù)量調(diào)整 index_params { index_type: IVF_FLAT, metric_type: IP, params: {nlist: 128} } collection.create_index(embedding, index_params)Embedding 模型我選的是BAAI/bge-large-zh-v1.5這是一個中文語義向量模型1024 維在中文語義匹配任務(wù)上表現(xiàn)穩(wěn)定。如果你資源有限可以用bge-base-zh或text2vec-large-chinese維度會不同一般是 768 維代碼里對應(yīng)改dim即可。提示metric_type用了內(nèi)積IP而不是余弦COSINE。bge 系列模型官方建議在 embedding 向量做歸一化之后用內(nèi)積計算效果等價于余弦相似度但速度更快。如果你沒有對向量做歸一化還是用COSINE更穩(wěn)妥否則相似度分?jǐn)?shù)語義會有偏差。5.2 數(shù)據(jù)同步從 Neo4j 到 Milvus 的管道數(shù)據(jù)進(jìn)入 Milvus 之前需要做一步轉(zhuǎn)換從圖結(jié)構(gòu)生成文本描述。這個過程本質(zhì)上是一個 Cypher 查詢 文本拼接 向量化 寫入的管道。核心邏輯如下def generate_description(dish_name: str, ingredients: list, techniques: list, flavors: list) - str: desc f{dish_name}是一道{flavors}風(fēng)味菜肴。 if techniques: desc f主要烹飪技法包括{、.join(techniques)}。 if ingredients: desc f主要食材包括{、.join(ingredients)}。 # 追加更多屬性和標(biāo)簽文本... return desc這一步生成的文本質(zhì)量直接影響 embedding 的效果。如果只是把食材和技法名平鋪拼起來語義召回效果會很差。我的建議是加入一些模板化的描述比如“這道菜口味偏麻辣適合下飯”、“食材以雞肉為主屬于高蛋白低脂肪選項”讓文本更接近自然語言的語義空間。生成文本后逐條調(diào)用 embedding 接口得到向量寫入 Milvus。這里有個工程優(yōu)化點批量 embedding 比逐條調(diào)用快得多一次傳 32 條文本吞吐量能提高好幾倍。寫入 Milvus 也建議用批量 insert。5.3 Attu 驗證召回效果同一個語義不同表述Milvus 寫數(shù)據(jù)之后我的習(xí)慣是用 Attu 里的查詢功能先做一輪驗證確認(rèn)向量召回效果符合預(yù)期。在 Attu 的查詢界面里可以手動輸入一段描述文本選擇 collection點擊查詢就能看到按照相似度倒序返回的結(jié)果列表。我的一個測試示例是輸入“酸甜口味的豬肉菜”期望返回的結(jié)果應(yīng)該包含“糖醋里脊”、“菠蘿咕咾肉”、“鍋包肉”等。第一次測試我得到的結(jié)果里混進(jìn)了一堆“酸辣湯”和“酸菜魚”原因是相似度閾值太低而“酸甜”和“酸辣”在向量空間里距離并不遠(yuǎn)。這個現(xiàn)象說明單靠向量檢索做菜譜匹配容易受表達(dá)方式干擾用戶說“酸甜”得到的可能更多是“辣”向量的鄰居。這也從側(cè)面驗證了混合架構(gòu)的必要性。調(diào)整方式有兩個方向一個方向是優(yōu)化描述文本的生成模板把“酸甜”這類 key flavor 詞在文本中前置并重復(fù)強調(diào)另一個方向是在檢索后處理階段加入關(guān)鍵詞過濾用戶沒提辣就把帶“辣”標(biāo)簽的菜品過濾掉。第二個方向涉及混合排序后面細(xì)說。6. LLM 編排層意圖識別、函數(shù)調(diào)用與答案生成6.1 用提示詞把檢索策略“教”給 LLMLLM 在這個系統(tǒng)里是“大腦”的角色但它不是知識庫的替代品。我通過 system prompt 告訴 LLM你的任務(wù)是理解用戶問題然后調(diào)用提供的工具函數(shù)來獲取事實信息最后基于返回內(nèi)容組織答案。核心的 system prompt 簡化版如下你是一個烹飪助手。你必須通過調(diào)用工具獲取事實信息不能根據(jù)自己的知識編造菜譜步驟。 可用的工具 1. query_graph: 查詢知識圖譜參數(shù)是 cypher 語句適用于有明確實體或關(guān)系的問題。 2. search_semantic: 語義搜索菜品描述參數(shù)是自然語言描述文本適用于模糊語義匹配。 3. get_dish_detail: 根據(jù)菜品名獲取完整菜譜信息。 流程要求 - 首先判斷問題類型決定調(diào)用哪個工具可以并行調(diào)用多個工具。 - 收到工具返回結(jié)果后基于結(jié)果組織回答。 - 如果結(jié)果為空明確告訴用戶“知識庫中暫未找到相關(guān)信息”。這里的關(guān)鍵是讓 LLM 學(xué)會工具調(diào)用function calling。如果模型不支持原生 function calling也可以用 ReAct 模式的提示詞模擬讓模型輸出 JSON 格式的工具調(diào)用指令代碼解析后執(zhí)行再返回結(jié)果。但原生 function calling 的穩(wěn)定性和格式規(guī)范性要好得多能用原生的就別自己造輪子。6.2 工具層實現(xiàn)Cypher 查詢和 Milvus 召回的封裝說了這么多看看工具層具體怎么實現(xiàn)。所有工具函數(shù)的簽名都統(tǒng)一成一個 JSON Schema方便 LLM 按格式調(diào)用。query_graph工具的實現(xiàn)會做一層 Cypher 語句的白名單控制。LLM 生成的 Cypher 語句不能直接透傳給 Neo4j 執(zhí)行必須做校驗——至少檢查是否只包含MATCH和RETURN禁止DELETE、MERGE、CREATE等寫操作。這個安全措施一定要有因為 LLM 生成的語句不可控生產(chǎn)環(huán)境更要嚴(yán)格限制。def query_graph(cypher: str) - list: # 安全校驗禁止寫操作和危險語句 forbidden [DELETE, MERGE, CREATE, SET , REMOVE, DROP] upper cypher.upper() for kw in forbidden: if kw in upper: raise ValueError(fForbidden keyword: {kw}) with driver.session() as session: result session.run(cypher) return [record.data() for record in result]search_semantic工具實現(xiàn)時我對返回結(jié)果做了字段裁剪只保留 dish_name、dish_id 和相似度得分避免大段文本塞進(jìn) Prompt 導(dǎo)致 token 超限。def search_semantic(query_text: str, top_k: int 5) - list: query_vector embed_model.encode(query_text) collection.load() results collection.search( data[query_vector], anns_fieldembedding, param{metric_type: IP, params: {nprobe: 16}}, limittop_k, output_fields[dish_name] ) return [ {dish_name: hit.entity.get(dish_name), score: hit.score} for hit in results[0] ]6.3 多工具并行圖譜分支和向量分支的結(jié)果融合實際項目里L(fēng)LM 經(jīng)常會同時調(diào)用多個工具。比如用戶問“有沒有不用油炸的雞胸肉菜譜”這個問題既有實體“雞胸肉”又有約束“不用油炸”還有屬性“菜譜推薦”。我讓 LLM 同時調(diào)用query_graph和search_semantic。圖譜查詢負(fù)責(zé)精確匹配雞胸肉相關(guān)的菜品并排除油炸技法向量召回負(fù)責(zé)找語義上接近的菜品。兩份結(jié)果需要融合融合策略我用的是加權(quán)分?jǐn)?shù)合并圖譜命中基礎(chǔ)分 1.0匹配“不用油炸”條件的不加分命中油炸的在排序時直接過濾向量命中直接用相似度分?jǐn)?shù)融合分 圖譜命中分?jǐn)?shù) × 0.7 向量命中分?jǐn)?shù) × 0.3融合后的列表按分?jǐn)?shù)降序取 Top-N 作為上下文片段再返回給 LLM 組織答案。這個權(quán)重比例是我調(diào)了多輪才確定的圖譜結(jié)果可信度更高所以權(quán)重更大。6.4 Prompt 拼接策略控制上下文長度和信息密度上下文拼接到 Prompt 里有一個很現(xiàn)實的問題——token 超限。一個菜品的信息如果全部展開包含食材、步驟、技法、口味、調(diào)料很容易超過 2000 token。而一次問答往往同時返回 5 個菜品全塞進(jìn)去根本不夠用。我的做法是分層次摘要。圖譜查詢結(jié)果先轉(zhuǎn)成簡潔的結(jié)構(gòu)化文本菜品宮保雞丁 所屬菜系川菜 主要食材雞胸肉、花生米、干辣椒、花椒 技法炒 口味麻辣、微甜這種格式信息密度高token 消耗小LLM 理解起來也不費力。詳細(xì)的食材用量和步驟只在用戶明確要求時才去調(diào)get_dish_detail工具補充。實操心得LLM 生成的答案質(zhì)量很大程度取決于上下文的結(jié)構(gòu)化程度。投喂大段 JSON 原始記錄讓 LLM “自己找重點”效果遠(yuǎn)不如我們先把重點提煉成簡短條目。這個提煉過程應(yīng)該是代碼做的而不是 LLM 做的。7. 工程實現(xiàn)從單個 Demo 到可復(fù)用的服務(wù)7.1 項目目錄結(jié)構(gòu)整個項目我用 FastAPI 封裝了一層 HTTP 服務(wù)目錄結(jié)構(gòu)如下cooking-rag-graph/ ├── app/ │ ├── main.py # FastAPI 入口 │ ├── agents/ │ │ ├── orchestrator.py # LLM 編排邏輯 │ │ └── prompts.py # 提示詞模板 │ ├── tools/ │ │ ├── neo4j_tool.py # 圖譜查詢工具 │ │ ├── milvus_tool.py # 向量召回工具 │ │ └── recipe_tool.py # 菜譜詳情工具 │ ├── models/ │ │ └── schema.py # API 請求/響應(yīng)模型 │ └── services/ │ ├── graph_service.py │ └── vector_service.py ├── data/ │ ├── dishes.csv │ └── descriptions.json ├── scripts/ │ ├── import_graph.py │ ├── sync_milvus.py │ └── test_query.py ├── requirements.txt └── .env這個結(jié)構(gòu)把工具層、服務(wù)層和編排層分開了后續(xù)如果要加新的數(shù)據(jù)源或者換成其他 LLM改動的范圍可以控制得很小。7.2 函數(shù)調(diào)用循環(huán)LLM 與工具之間的完整交互核心的編排循環(huán)代碼如下這是一個簡化但完整的 function calling 流程def handle_question(user_question: str) - str: messages [ {role: system, content: SYSTEM_PROMPT}, {role: user, content: user_question} ] # 第一輪調(diào)用LLM 決定調(diào)用哪些工具 response llm.chat_completion( messagesmessages, toolsTOOL_SCHEMAS, tool_choiceauto ) # 如果 LLM 沒有調(diào)用工具直接返回生成結(jié)果 if not response.tool_calls: return response.content # 執(zhí)行工具函數(shù)收集結(jié)果 tool_results [] for tool_call in response.tool_calls: tool_name tool_call.function.name arguments json.loads(tool_call.function.arguments) result execute_tool(tool_name, arguments) tool_results.append({ tool_call_id: tool_call.id, role: tool, content: json.dumps(result, ensure_asciiFalse) }) # 第二輪調(diào)用把工具結(jié)果回傳給 LLM 生成答案 messages.append(response) messages.extend(tool_results) final_response llm.chat_completion(messagesmessages) return final_response.content這里有個細(xì)節(jié)值得注意messages.append(response)這一步很關(guān)鍵。OpenAI 兼容接口要求工具調(diào)用完成后原始 assistant 消息包含 tool_calls 字段必須追加回對話歷史中然后再追加 tool 角色的結(jié)果消息。如果順序錯了或漏了 assistant 消息接口會報 400 錯誤。有朋友會遇到開頭熱詞里提到的error: llm request failed: provider rejected the request schema or tool payload這個報錯的常見原因之一就是 tool schema 格式不符合 provider 要求。比如有些 provider 要求parameters必須是一個合法的 JSON Schema 對象如果你傳成了{(lán)type: object}之外的格式或者某些字段類型不兼容就會觸發(fā)這個錯誤。排查方法是把tools參數(shù)單獨打印出來格式化檢查逐個字段對照官方文檔。7.3 常見 LLM 請求錯誤超時和拒絕實操中 LLM 調(diào)用最常見的兩個報錯我直接給出排查經(jīng)驗。第一個是llm request timed out. the model did not produce a response before the model這類超時問題。原因一般有兩個推理模型在 function calling 場景下思考時間過長或者是網(wǎng)絡(luò)鏈路慢。解決辦法調(diào)大超時時間比如從 30s 調(diào)到 120s如果業(yè)務(wù)允許用流式輸出配合 SSE 給前端做 loading還有一種情況是模型本身在循環(huán)調(diào)用工具停不下來這時需要限制最大工具調(diào)用輪數(shù)我一般設(shè)置為 2 輪。第二個是provider rejected the request schema or tool payload這類 schema 拒絕問題。大多數(shù)是因為提示詞和 tool schema 信息量太大加上上下文過長超過了 provider 的單次請求限制。解決辦法精簡 system prompt減少工具描述的冗余文本必要時壓縮候選上下文后再調(diào)用 LLM。7.4 FastAPI 接口封裝服務(wù)層我用 FastAPI 暴露了一個簡單接口app.post(/api/ask) async def ask(request: AskRequest): try: answer orchestrator.handle_question(request.question) return {answer: answer, status: success} except Exception as e: return {answer: str(e), status: error}這個接口本身非常簡單但要注意線程安全的問題。Neo4j 的driver對象是線程安全的可以全局共享Milvus 的connections也是線程安全的。但如果你的代碼里用了全局的 embedding 模型實例要確認(rèn)它是否線程安全不安全的模型實例需要用線程鎖包起來。8. 圖 RAG 的查詢優(yōu)化從 Cypher 到混合檢索的細(xì)節(jié)8.1 典型圖查詢模式多跳關(guān)聯(lián)和條件排除圖查詢是這套系統(tǒng)最有優(yōu)勢的地方舉幾個實際場景的 Cypher 示例都是測試過程中反復(fù)用到的模式。場景一多跳關(guān)系查詢。用戶問“川菜里有哪些菜用了花生”需要從 Cuisine 走到 Dish再走到 Ingredient兩跳查詢MATCH (c:Cuisine {name: 川菜})-[:BELONGS_TO]-(d:Dish) MATCH (d)-[:HAS_INGREDIENT]-(i:Ingredient {name: 花生}) RETURN d.name AS dish_name場景二條件排除。用戶問“不用油炸的雞肉菜譜”需要先找用雞肉的菜品再排除用油炸技法的MATCH (d:Dish)-[:HAS_INGREDIENT]-(i:Ingredient {name: 雞胸肉}) WHERE NOT EXISTS { MATCH (d)-[:USES_TECHNIQUE]-(t:Technique {name: 炸}) } RETURN d.name AS dish_name LIMIT 10場景三圖譜中的相似推薦。用戶問“有沒有類似麻婆豆腐的菜”利用SIMILAR_TO關(guān)系一步就能找到推薦菜品MATCH (d:Dish {name: 麻婆豆腐})-[:SIMILAR_TO]-(recommend) RETURN recommend.name AS dish_name這三個場景充分說明了圖查詢的價值——結(jié)構(gòu)化約束和關(guān)系推理能力這是純向量檢索做不到的。8.2 混合檢索的排序策略圖譜分?jǐn)?shù)和向量分?jǐn)?shù)的權(quán)重混合檢索不是簡單地把兩個結(jié)果列表拼接起來。我在項目里實現(xiàn)了一個比較簡單的融合排序函數(shù)邏輯如下def fuse_results(graph_results: list, vector_results: list, top_k5): score_map {} # 圖譜結(jié)果存在即給 1.0 基礎(chǔ)分 for item in graph_results: name item[dish_name] score_map[name] score_map.get(name, 0) 1.0 # 向量結(jié)果相似度分?jǐn)?shù)乘以權(quán)重 for item in vector_results: name item[dish_name] score_map[name] score_map.get(name, 0) item[score] * 0.3 # 按分?jǐn)?shù)降序排列取 Top-K ranked sorted(score_map.items(), keylambda x: x[1], reverseTrue) return [name for name, score in ranked[:top_k]]這個融合邏輯雖然簡單但實際效果很不錯。它保證了兩件事圖譜命中的菜品永遠(yuǎn)排在有語義相似度但無圖譜關(guān)系的菜品前面向量召回可以作為圖譜召回的有效補充捕獲那些圖譜沒有顯式建模的語義近似關(guān)系。權(quán)重參數(shù) 0.3 怎么定的我做了幾輪評測讓三個朋友分別打分對比不同權(quán)重下回答結(jié)果的滿意度。0.5 以上向量權(quán)重時圖譜的硬約束會被稀釋0.2 以下時向量召回的寬松語義匹配基本不起作用。0.3 是一個經(jīng)驗值業(yè)務(wù)數(shù)據(jù)不同可能需要微調(diào)。8.3 圖譜回答的可解釋性設(shè)計圖 RAG 相比傳統(tǒng) RAG 的一個巨大優(yōu)勢就是可解釋性。圖譜查詢的結(jié)果可以精確追溯到“哪個菜品、哪個食材、哪個關(guān)系”每個答案都能畫出一條或者多條路徑。我在 API 返回結(jié)果里加了一個evidence字段記錄答案對應(yīng)的圖譜查詢路徑或向量召回依據(jù){ answer: 宮保雞丁是川菜中一道經(jīng)典菜品主要食材包括雞胸肉、花生米、干辣椒等。, evidence: { graph_path: 宮保雞丁 -[BELONGS_TO]- 川菜, graph_path: 宮保雞丁 -[HAS_INGREDIENT]- 雞胸肉 } }這個設(shè)計的實際價值在于用戶或者開發(fā)者懷疑答案有誤時可以直接檢查圖譜路徑是否合理。傳統(tǒng) RAG 的“黑盒召回 LLM 生成”模式下根本沒法定位錯誤是來自于檢索還是生成。而圖 RAG 中圖譜路徑是精確的、可審計的。9. 常見問題與排查技巧實錄9.1 Neo4j 常見坑連接、導(dǎo)入和權(quán)限我整理了一份速查表直接列出問題和對應(yīng)的解決方向問題現(xiàn)象可能原因解決方向Python 連接 Neo4j 報錯未修改監(jiān)聽地址修改neo4j.conf中server.default_listen_address0.0.0.0LOAD CSV 找不到文件文件不在服務(wù)器 import 目錄Docker 掛載 CSV 到/var/lib/neo4j/importMERGE 后節(jié)點重復(fù)唯一約束未創(chuàng)建為 Dish.name、Ingredient.name 等字段創(chuàng)建唯一約束Cypher 執(zhí)行超時圖數(shù)據(jù)量過大缺少索引為常用查詢字段創(chuàng)建索引瀏覽器訪問 7474 無法打開Docker 端口映射錯誤檢查映射容器內(nèi) Neo4j 默認(rèn)監(jiān)聽 7474 和 7687這里要特別強調(diào)唯一約束的創(chuàng)建。導(dǎo)入大量數(shù)據(jù)前一定要先建約束CREATE CONSTRAINT dish_name_unique IF NOT EXISTS FOR (d:Dish) REQUIRE d.name IS UNIQUE; CREATE CONSTRAINT ingredient_name_unique IF NOT EXISTS FOR (i:Ingredient) REQUIRE i.name IS UNIQUE;不建約束的話即使用了 MERGE并發(fā)導(dǎo)入時也可能產(chǎn)生重復(fù)節(jié)點。我在一次大批量導(dǎo)入時因為漏了約束結(jié)果圖譜里出現(xiàn)了上千個重復(fù)菜品節(jié)點。9.2 Milvus 常見坑版本匹配和索引異常Milvus 的坑大多是版本相關(guān)的。舉幾個我實際遇到的問題第一個是Attu 連接不上本地 Milvus。最常見原因是 Attu 容器里的localhost指向的是容器自己不是宿主機。要用host.docker.internal或者宿主機的局域網(wǎng) IP 來連接。Docker Desktop 下host.docker.internal是直接可用的。第二個是搜索時報索引不匹配。我在創(chuàng)建 Collection 時用了IVF_FLAT但搜索時nprobe參數(shù)沒有傳或者傳的params格式不對報index not found或者nprobe must be greater than 0。解決辦法搜索前需要collection.load()把數(shù)據(jù)加載到內(nèi)存并且search_params里要帶params: {nprobe: 16}。第三個是刪除 collection 后重新創(chuàng)建報錯。如果有同名 collection 處于加載狀態(tài)刪除后馬上重建可能會遇到元數(shù)據(jù)殘留問題。解決辦法先collection.release()再drop等幾秒再重建。9.3 LLM 編排的常見坑工具調(diào)用循環(huán)和上下文超限LLM 編排這塊的問題更隱蔽因為錯誤往往是邏輯錯誤而不是系統(tǒng)錯誤。工具調(diào)用死循環(huán)LLM 反復(fù)調(diào)用同一個工具每次都返回同樣的結(jié)果就是不結(jié)束。解決辦法在編排層加最大工具調(diào)用輪數(shù)我設(shè)置 2 輪超過后強制終止用已有上下文生成答案。上下文超限工具結(jié)果和對話歷史太長超出了模型的最大上下文長度。解決辦法工具返回結(jié)果盡量精簡保留對話歷史時只保留最近兩輪如果用的是長上下文模型可以放寬一些。答案中使用幻覺信息LLM 在調(diào)用工具拿到結(jié)果后仍然會在回答中加入工具結(jié)果之外的知識。比如圖譜查詢返回三道菜LLM 卻在回答中補充了第四道菜的步驟。解決辦法prompt 中明確要求“只能使用工具返回的信息組織答案”同時讓 LLM 在回答末尾標(biāo)注信息來源圖譜/向量降低用戶對幻覺信息的信任度。9.4 完整版的“避坑清單”最后把實踐中總結(jié)的清單完整列出來Neo4j 導(dǎo)入前必建唯一約束Milvus 搜索等待 Collection load 完成collection.load()是異步的需要輪詢或加延時LLM 工具調(diào)用要對 Cypher 做只讀校驗禁止執(zhí)行寫操作所有工具返回結(jié)果都要做 token 裁剪不要讓生成長文本直接進(jìn) Prompt向量召回 top_k 不宜過大一般 5-10 條足夠圖譜結(jié)果和向量結(jié)果的時間戳最好都記錄下來方便后續(xù)效果分析和權(quán)重調(diào)優(yōu)Embedding 模型要和查詢文本匹配中文問題用中文模型中英混合效果會差數(shù)據(jù)量和索引參數(shù)要匹配。小數(shù)據(jù)量直接FLAT索引即可IVF_FLAT的nlist一般設(shè)為4*sqrt(N)左右10. 實踐復(fù)盤這套方案適合什么場景項目做完之后我對這套“圖 RAG”方案的適用邊界有了更清晰的認(rèn)識。它最適合的場景是知識本身具有強結(jié)構(gòu)、實體關(guān)系密集、且查詢中包含明確關(guān)系約束的領(lǐng)域。烹飪是典型例子電商導(dǎo)購商品-類目-屬性、醫(yī)療問答癥狀-疾病-藥物、企業(yè)知識庫項目-人員-文檔也都是適合的方向。這些場景的共同特點是用戶問的問題中有大量“條件約束”和“關(guān)系推理”純向量檢索無法精確滿足。但如果你的知識庫是松散的文檔集合比如一堆技術(shù)博客、新聞資訊、會議紀(jì)要實體關(guān)系非常弱用戶的問題也以開放型檢索為主那么圖 RAG 的優(yōu)勢發(fā)揮不出來反而增加了圖譜構(gòu)建和維護(hù)的成本。這種情況下傳統(tǒng)的向量 RAG 加上 rerank 可能更合適。從工程成本來看圖 RAG 的引入確實增加了很多工作量。圖譜建模需要領(lǐng)域知識數(shù)據(jù)導(dǎo)入需要清洗和實體對齊混合檢索需要調(diào)權(quán)重的經(jīng)驗。但帶來的回報是回答準(zhǔn)確率提升、幻覺率下降、可解釋性增強。對一個面向生產(chǎn)環(huán)境的知識問答系統(tǒng)來說這些回報是值得的。我在實際測試中有一個很深的體會圖 RAG 的查詢鏈路里最需要的不是復(fù)雜的算法而是清晰的職責(zé)劃分。Neo4j 管事實精確匹配、Milvus 管語義模糊匹配、LLM 管理解與表達(dá)三者不越界系統(tǒng)自然就穩(wěn)定。如果哪天出現(xiàn)了回答質(zhì)量下降先檢查是哪個環(huán)節(jié)出了問題而不是一上來就調(diào)模型參數(shù)。最后說一個后續(xù)可以擴(kuò)展的方向目前圖譜數(shù)據(jù)是離線構(gòu)建的后續(xù)可以做一個半自動的知識更新管道從新增菜譜文檔中抽取實體和關(guān)系經(jīng)過人審后寫入 Neo4j。另外混合排序的權(quán)重目前是靜態(tài)的可以嘗試根據(jù)用戶反饋做動態(tài)調(diào)整。這些都是在現(xiàn)有架構(gòu)上的增量優(yōu)化骨架不用變。如果你正在做一個 RAG 項目并且被“答非所問”和“結(jié)果不可控”困擾不妨試試這個組合。圖數(shù)據(jù)庫加向量數(shù)據(jù)庫的混合檢索方案值得踩一遍坑。
返回列表
PREV
查看更多資訊
NEXT
返回資訊列表
97狠狠| 国产精品色色| 久久一二三四五六七八九区区区| 麻豆伊人网| 蜜桃久久一区二区| 无码少妇精品一区二区60岁老人| 一区二区三区四区色图| 在线五区| 91Chinese在线| 中文字幕久久精品一区| 国产一区二区三区视频在线看| 情侣开房子拍 日韩无码 女的很漂亮| 大香蕉日韩欧美| 欧美伊人久久综合网| 亚洲最大91网| 啪啪综合网| 婷婷色综合| 激情婷婷丁香| 在线无码操| 91天美传媒在线观看| av网站免费看| 丁香五月激情网| 欧美久久人体| 丁香五月婷婷基地| 欧美色网络| 超碰97综合网| 国产一级片| 曰本特级特黄特色黄色A级网站高清在线免费看| www.亚洲黄色| 金典av| 午夜亚洲国产理论秋霞| 国产自产91区13区| 久久久免费高清中文视频| 久久精品亚洲成a人天堂| 超碰97在线色男人??| 变态乱伦伪娘灌肠一区二区| 国外91| 91精品啪在线观看国产城中村| 韩日精品福利视频一区不卡在线免| 精品久久久久久无码| 久久亚洲熟妇在线视频| 三级网色| 精品人妻一区二区三区四区| 成人情色一区二区| 黄色大片视频在线免费看| 超碰人人妻| 久久久久久久9| 人妻少妇精品一区二区三区| 九九九九AV| 欧美熟女少妇| 久久超碰网| 嗯嗯啊在线视频| 夜夜黄| 婷婷导航| 精品国产人成在线| 麻豆色99999| 九九热九九热| 操屄日韩| 五月开心久久AV官网| 免费综合亚洲中文| 亚州性9| 97久久超碰国产网站| 26uuu性物| 精品少妇一区二区三区| 91亚洲人电影| 人人摸人人摸人人干| 九九热精品视频六| 无码人妻精品一区二区三区九九| 综合一区中亚洲国产成人综合精品 | 激情小说亚洲| 精品中文日韩字幕视频| 老鸭窝在线视频播放| 大香蕉伊人久久| 亚洲色图91| 欧美91精彩| 色区久久| 一级黄色性爱A级片| 国产精品在线免费| 欧美72网页| 久久曰曰| 久久伊人最新网址视频| 欧美桃色网| 青苹果影院男人的天堂| 大香蕉九九| 日韩偷拍一区二区三区| 嗯嗯啊啊啊好爽| 四虎视频在线观看| 青青青国产手线观看视频2| 91性感网站| 99热这里只有精品9| 国产精品久久久久久久AV大片| 色婷婷日韩精品一区二区三区| 毛片视频白嫩| 国内外色色色色色成人视频| 欧美一区二区三区蜜桃| 摸奶性爱视频网站在线免费播放| 9美女超碰在线免费观看| 精品久久久久黄少妇| 熟女被操视频网址| 蜜臀AV网站| 中文AV制服乱伦| 久久久青草青青国产亚洲免观精品高清完整版_97久久综合区小说区图片区,国精品 | 日本肉体xxxx裸交| 小日子操bb在线看| 久久永久无码人妻视频| 999九九精品| 91中文精品日韩欧美在线| 碰碰在线视频| 色综合色| 六十路日本| 超碰国产精品久| 日韩福利电影网| 亚洲色图8| 91少妇通奸网站| 国产传媒一区日韩| 欧美中文字幕男人天堂久久精品| 91丨熟女丨丰满熟女| 欧美综合亚洲综合| 91爱网| 97伊人超碰| 韩日自拍| 欧美91久久久久| 亚洲欧洲色情高清| 日韩精品9999| 91电影色诱| 九久9热| 九九玖玖精品| 欧美九九爱| 婷婷中文字幕| 啊啊啊啊一区| 亚洲免费精品一区| 禁十八久久| 四虎影库国产精品免费| 精品美女在线视频| 成人日韩中文字幕| 中文字幕天天天天天| 人妻天堂综合网| 亚洲少妇喷视频看| 91N欧美| 91精品综合久久久久久五月丁香| 丁香五月激情综合| 美女诱惑1区2区| 中文字幕在线播放2中文字幕在线观看2| 国产欧美日韩在线不卡第一页| 大色综合网| 久操视频资源站公开| 日本精品无码三级网站| 久久肏大逼| 欧美性爱一级操| 蜜乳AV网址| 柠檬AV导航| www.yw尤物| 丁香五月成人| 国产人伦精品一区二区三区 | 一区二区三区视频在线观看免费| 婷婷五月天久久久| 黄色av一区二区在线| 亚洲啪啪性视频| 亚洲男人的天堂亚洲| 天天色悠悠激情| 精品久久久av| 91成人亚洲色图| 亚州欧美另类| 1000部熟女视频在线观看| 国产9 9在线 | 亚洲| 色成人Www精品永久观看| 精品国产乱码久久久久久口爆网站| 麻豆啪啪啪视频| 99精品在线| 国产女上位好爽在线| 暖暖精品二区三区观看| 少妇专区一二三四五| 国产少妇内射| 超碰色综合| 手机看片日韩人妻| 人人考人人摸人人干| 日本三级韩三级99久久| 日韩天天本| 东京热,男人的天堂| 日韩国产精品人妻无码久久久| 日本一区二区不卡| 天美一二三在线观看Av| 夜夜做夜夜爽精品视频| 精品少妇999| 免费1级a做爰片观看| 精品国产乱码久久久久久口爆网站| 岛国成人av在线播放网址| 久久手机视直播| 91在线/欧洲| 2017亚洲天堂| 久久亚洲AV无码专区国产精品| 无码自拍SM| 色婷婷在线视频精品导航| 9999亚洲精品| 伊人天天久久动态图| 国产Aα| 色五月婷婷五月天| 蜜桃臀AV在线| A级毛片在线看免费| 日韩亚洲Av人人夜夜澡人人爽| 女人的久久久| 丰满人妻-区二区三区免费看 | 欧美成人一区二区三区在线播放| 欧美另类色图片| 免费看国产大AB| 亚洲国产成人精品女人久久久| 午夜无码精品免费看性色| 91狠婷| 中文熟女五十乱码在线| 日韩免费福利在线观看| 亚洲少妇喷视频看| julia国产在线| 免费啪啪av| 欧美性天天影视| 精品人妻无码一区二区三区不卡-精品人妻无码一区二区...|精品少妇一区二区三 | 国产极品美女高潮无套在线观看| 伊人97色天使| 91美女片在线| 亚洲人妻爽爽爽| 亚洲一区二区三区不卡国产欧美| 99碰碰| 亚洲天堂日本| 欧美精品23| 97玖玖人妻| 啊啊啊好大好深| 美女一区二区国产精品| 天天看高清麻豆| 免费观看网黄| 91亚洲精品青草| 午夜男人的天堂| 激情久久久| 97网址97| 91人妻中文| 97AV在线免费观看| 97国产高清视频在线观看| 97色涩| 日韩精品中文字幕人妻| 亚洲AV成人精品网站在AV| 激情丁香婷婷| 九九九999久久久网站| 一区在线观看中文字幕| 后入式999| 男人的天堂一区三区| 色综合久久夜色精品国产天堂| 国产又猛又粗又爽又黄| 五十路熟女工口 | 神马久久网| 蜜乳中文字幕a在线| 91爱综合| av网站国产主播在线| ,国产乱人伦精品一区二区三区| 少妇精品久久| 天天影视网综合少妇| 三级色影综合网| 色999五月色| 啊啊啊好大好深| 一区二区激情国产熟女| 人人摸人人入| 欧美少妇第一页| 青娱乐国产剧情av一区| 一及黄久一点| 久久黄色视频一区二区三区| 91熟女.com| 亚洲精品xxx| 97精品视频在线播放| 久久久久久AⅤ无码免费肉站| 我爱搞逼综合网| 日韩无码人妻中字久久三区四区| 狠狠干综合| 青娱乐淫乱1314| 亚洲限制级| 天堂中文资源在线bt| 噜噜噜噜天天狠狠| 亚洲熟妇无码一区二区三区| 久操网址| 亚洲高清欧美总合| 超碰1024久久| 精品性爱无码在线播放| www国产无码| 色九九九综合| 操逼日韩无码 | 日韩一级欧美一级国产一级台湾| 97超碰无码网| 强奸乱伦麻豆| 国产熟女无套内射| 嫩呦国产一区二区三区AV| 加勒比少妇AV婷婷六月天超碰超碰| 麻豆国产96在线| 丝袜美腿av女优在线| 欧插网站| 亚洲一区二区精品福利| 欧美一区二区男人天堂| 9ⅰ久久久天天| 嗯嗯啊啊视频在线看| 欧美性爱免费短视频| 亚洲少妇自拍中文字幕懂色| 怡红院怡春院| 午夜影美女日鸡鸡天天视频国产| 一区二区三区高清| 日本精品性生活久久久| 天美传媒国产原创中文字幕亚洲欧美另类 | 91啪啪视频| 操逼操逼操| A一级色女| 国产精品久久久亚洲一区| 日韩三A大片在线观看| 少妇熟女视频一二三区| 久久超碰、| 欧美,日韩,中文,另类| 国产免费一区在线观看| 亚洲精品毛片在线观看| 中文字幕AV中出| 在线亚洲精品久久久| www.夜夜操| 国产成年免费大片黄在线观看| 91中文字幕制服丝袜免费视频| 亚州综合色图| 欧美三级一级| 色色激情| 国产精品国产拍高清AV| 隔壁邻居波多野结衣中文字幕| 天天天干977| 国产精品国产| 九九夜精品九九在线| 清柠毛片| 在线日韩视频| 天天精品| 黑人嘿嘿嘿超爽免费视频| 亚州综合| 亚洲动态色图| 欧美亚洲图片| 夜夜欧美| 国产在线激情| 精品丰满熟妇人妻一区| 91精品久久久久久77777| 久久久久亚洲熟妇熟女| 中文字幕丰满子伦无码专区在线视频最新 | 亚洲欧洲精品视频发布| 操逼视频色| 插入逼91| 立川理惠被中出无码| 久久97超碰| 国产欧美另类久久久精品课程| 国产精品一区二区密臀| 亚洲熟女av中文字幕| 日日骚网站| 亚洲女人毛茸茸91| 精品二区三四区五电影 | 国外91| 国产精品欧美激在线| 伊人97色天使| 蜜桃视频精品一区二区三区| 欧洲亚洲人妻无码中字久久三区四区| 在线天堂999| 一区 欧美 日韩 麻豆| 嗯嗯嗯啊啊啊在线免费观看| 久久天天摸| 玖玖97综合 | 欧美在线干| 欧美视频在线视频免费va| 92人人操人人| 国产午夜激片Av毛片不卡| 亚洲精品影视老司机| 久久美女国产| 去干网最新版| 五月天婷婷色色| 婷婷尹人大香蕉免费| 四虎AV在线观看| 天天欧美色| 久久久影院| 中文有码第五页| 亚洲综合图色在线| 婷婷精品国产欧美精品亚洲人人爽| 人妻无码视频一区二区三区久久| 久久精品综合| 亚洲男人的天堂va亚洲男人社| 亚洲黄色AV电影| 久久精品一区二区| 亚洲天天做日日做天天谢日日| 日韩成人在线性爱视频| 99久久精品国产高潮| 成年女人18级毛片毛片免费观看| 人人色97| 91美女视频在线| 少妇99| 91岛国动作片| 乱伦一区二区三区‘| 久久精品国产亚洲AV片多多| AV中文在线| 国产馆极品诱惑| 久草毛片电影怡| 夜夜爽夜夜摸夜夜操免费视频| 麻豆熟妇乱妇熟色A片在线看| 日本精品五区| 乱伦a片视频| 怡红院一区二区熟女人妻| 亚洲五月丁香花狠狠干一区二区三区| 日本少妇va7777| 97超碰总站| 日逼97| 成人性爱av| 亚洲九月丁香| 伊人大香蕉在线| 欧美黑人91| 91美女在线观看| 久久美女国产| 青草青青久久久久久国产| 夜草欧美| 欧美亚洲情色| 亚洲一卡2卡3卡4卡乱码网站 | 黄页大片在线观看| 美女操逼福利视频| 一区三区啪啪| 蜜桃视频一区二区三区在线观看| 亚洲激情欧美色图 | 岛国黄| 色区久久| 在线观看 99热| 男女啊啊啊| 亚洲欧美综合区自拍另类| 欧美激情五月天| av一区二区三区四区五区久草臀| 99re免费| 久久婷婷五月综合| 97爱啪| 最新av网站在线观看| 99久热| 亚洲色图 综合| 男人在线天堂| 国产亚洲99久久精品| 久久久性爱视频| 91天堂网| 90后性网国产欧美| 老女人91| 伊人精品久久网站| 99啪啪| 欧美天天综合网| av凤凰久久久| 国产久久久久影院老熟女| 青青草好吊色| 国产激情视频在线观看| 97视频免费在线| 欧美天天干| 国产精品经典一卡久久久 | 秋霞鲁丝午夜无码一区二区三| 91精品91久久久久77777俄罗斯老妇姓x| 精品一区二区综合熟妇| 青青草日本中文字幕| 啊啊啊啊啊好多水| 色欲天天综合网| 国产熟码AV| 手机在线播放国产福利| 天美一二三在线观看Av| 思思热国产高清| 亚洲男人天堂2019| 偷拍导航视频网站| 女人高潮抽搐喷水视频网站| 91色伦| 1024人妻熟女一区二区三区| 欧美男人亚洲天堂| 26uuu国产日韩综合在线观看| 日韩午夜国产| 亚洲免费成人在线高清无码视频| 少妇69中文| 日韩欧洲操屄视频| 亚洲欧洲精品成人| 手机看片日韩人妻| 97精品久久久久中文字幕| 欧美偷拍区| 9精品在线| 久久五十路熟女人妻| 97视频网站在线观看| 2017亚洲天堂| 嗯嗯啊啊啊好舒服| 99久久久久久亚洲精品不卡| 蜜臀99999| 免费一级a毛片久久久久久鸭绿欲| 啊啊啊啊啊好大好舒服想要| 51一区二区三区| 欧美日韩精品青青| 人妻久久久| 超碰美国| 99热精品国产| 日本激情免费大片| 亚洲97资源| 啊啊啊好爽快点啊啊啊嗯嗯| 91成人18| 久久m| 一区二区三区视频在线观看免费| 久久αⅴ| 超碰人妻久久人妻中文97| 色就色综合| 97se综合| 欧美亚洲国内自拍| 亚洲av综合色区图片亚洲| 97bbn| 大屁股xxxxx| 97精品一区二区三区免费| 蜜桃久久久久久| 久久精品日韩| 青青草依人大香蕉| 特级大荫道BBwBBwBBW| 男女激烈网站最新| 成人夜夜| 91 国产丝袜在线放观看| 国产成人自拍视频视频| 青草伊人网| 九九热九九热| 东北丰满熟女国产一区| 欧美激情高清性猛交| 91N五十路| 国产白嫩漂亮KTV在线| 亚洲欧美骚| 在线亚洲精品久久久| 婷婷精品视频| 国产日韩无码一区二区三区久久区| 欧美91久久久久| 欧美亚洲综合色| 日韩色| 天美传媒AV在线播放| 久操大香蕉超碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰碰 | 中文字幕天堂在线| 搡老女人老91妇女熟女| 精品国产少妇高潮视频| 高跟丝袜AV专区国产| 97视频网站| 97视频在线免费播放| 五月天色综合| 极品美女福利在线观看| 97超碰人人模人人拍人人| 色香综合天天影视综合| 麻豆黄四叶草网站| 少妇超碰在线| HEYZO高无码国产精品227| 人人爱人人乐人人操| 亚洲欧美天| 性老妇一区二区三区| 国产精品一二三区福利| 一区二区视频在线播放| 国产JDAV无码视频在线观看| 2017,超碰| 国产日韩欧美| www鬼畜国产男人的天堂| 成人性爱电影一区二区| 亚洲成人一区二区精品| 浓厚中出中文字幕在线| 精品日韩产品在线,日韩在线不卡视频,欧美日韩免费专区/久, | 久久国产免费激情视频| 欧美日本成人一区二区| 大香蕉伊人75| 91中出在线| 97视频新免费| 2017大香蕉国产精品久久| 老熟女91av| 婷婷五月天网| 狠狠综合网| 国产树林里野战在线看| 人人爱人人乐人人操| 久久在肏| 日本久久久久久久久久| 欧美少妇高潮久久91| 丝袜性亚洲| 啊啊啊 在线观看| 五月天激情国产综合婷婷婷| 国产成人无码久久精品| 亚洲第一在线视频| 一级久久性爱视频| 久久精品欧美一区二区三区不卡| 五月丁香六月综合缴清无码| 国产在线播放成人免费| 1769成人国产精品视频| 亚洲久久久久| 天天澡天天爽日日AV| 欧美色图20P| 男人的天堂日韩| 亚洲性综合| 久久亚洲色图中文字幕| 综合网欧| 国产又大又粗又色生活片亚洲国产精品成人久久久综合免费 | 国产馆| 国产欧美另类久久久精品课程| 粉嫩av在线一区二区| 久久人人爽爽人人爽人人片αV| 人人操人人色人人摸| 日韩在线欧美精品一区二区| 韩三级a视频在线观看| 熟妇xxxxx性春色| 久久性爱精品一区| 日韩国产乱子伦App| 日韩一区二区三区四区五区| 狠狠色狠狠色狠狠五月| 亚洲砖码砖专无区2023| 精品国产久热在线观看| 久久综合五月天| 日韩在线76| 伊人97色天使| 久久久久大香青草精品综合| 97国产精品久久久久 | 日本506070| 我要去看2个日本美女.com曹逼 | 91麻豆天美| 亚洲天堂五月天国产| 精品无码不卡视频| 国产激情片在线观看| 九九99久久| 清纯唯美激情四射| 97亚洲欧美日韩| 天操天操夜操夜月操月年年操操| 国产丝袜啪啪| 日韩欧洲操屄视频| 日韩丝袜二区| 麻豆天美国美国产AV| 欧美亚洲20p| 激情啪啪视频| 国产极品馒头逼| 成人性爱av| 日韩免费性爱视频在线观看| 九九无码久久精品视频| 久久同城AV| 97K超碰在线| 亚洲在线网站| 26uuu国产免费观看| 骚货人妻偷情自拍在线视频| 97碰碰日本乱偷人妻中文的| 国产在线激情| 成人自拍三级在线观看| www.99在线| 亚洲AV高潮| 日韩日韩日韩-国产乱码精品一区二区| 男人天堂网站| 日本一区二区不卡精品| 国产精品情侣啪啪| 尤物视频偷拍免费| 日本操逼视频在线| 秋霞视频一区二区| 性生活无遮挡纯毛片在线看| 人妻91少妇| 岛国网址国产 | 亚洲综合影视| 传媒在线观看一区二区三区| 国产在线视频二区| 一二三区在线| 欧美激情一| 欧美一二三级精品在线| 天美麻花大全视频| 日韩78m视频| 日韩大香蕉| 国产九九九九九九九九| 97青娱乐超碰久久| 一区二区三区不卡视频| 强奸乱伦亚洲第一页| 狠狠欧美| 操一对老熟妇爽上天视频| 大香蕉黄色一级片免费看| 香蕉在线一区二区三区| 色97国产69香蕉| 中文字幕人成乱码熟女香港| 黄色污污污污污污网站| 亚洲成人在线乱码色午夜| 黄色片,com| 美女在线H91| 啊啊啊啊在线播放| 天天做日日做| 欧美性,色九九| 丰满人妻一区二区三区色-百度| 干婷婷综合网| 91超碰在线播放| 欧美A片中文字幕| 搡老女人老妇女老妇老熟女怎么读| 亚州九九九精品视频| 无码高清少妇久久| 天操天操夜操夜月操月年年操| 亚洲人妻精品一区二区| 九九性爱网| 中文字幕人乱码中文字的预防方法 | 高精欧美色| 中文字幕奈奈美被公侵犯| 4141514逼喷水三级片| 午夜精品久久99蜜桃的功能章节| 综合网色| 青青草华人在线欧美在线| 亚洲啪啪视频一区二区| 青青草色插素人| 久久久久久久伊人精品| 91久久18禁| 欧美一级美片在线观看免费| 欧美制服另类丝袜| 啊啊啊慢点| 日本成人电影资源网| 亚洲欧美日韩电影网站一区 | 97鸡把在线视频| 色噜噜人妻丝袜a∨先锋影 | 欧美暴力猛交| 亚洲图片激情综合另类| 欧美日韩国产电影| 性色av大全| 330Dv国产女人终合视频极品人与兽| 91AV入口| 九九九久久久久| 免费福利视频中文字幕| 91久久堂| 无码精品蜜桃一区二区三区ww| 人妻精品一区二区全免费| WWW操逼| 蜜桃久久久久久久久久久久| 黑人操一区二区| 久草线上视频免费看| 日本日皮视频逼| 久久中文字幕人妻熟av女蜜柚| 91午夜无码| 97久久国产精品| 高清在线偷拍自拍视频| 亚洲中文字幕熟女少妇一区二区| 中文字暮97| 欧美日韩在线视频网站| 大香网伊人久久综合网eew| 少妇蹲下买菜露大唇0| 亚洲欧美综合| 91撸色网 玖玖网 欧美| 午夜AV人气不卡| 久久美女国产| 日本欧美韩国国产在线| 国产精品黑人一区二区三区| 国产亚洲色停停久久99精品91| 内射夫妻三片| 乱伦图av| 婷婷大香蕉| 国产女上位好爽在线| 亚洲综合性感在线| 色悠久久久av| 拍拍拍拍大尺度黄色三级片拍拍拍拍拍照| 4tube欧美女厕所| 九九九九九九免费视频| 97欧美综合| 黑人免费福利视频| 天天搞在线综合网| 日本中文字幕在线视频 | 校园春色亚洲色图| 日本操逼aaaaa| 成人福利视频网| 亚洲天堂色图| 青青操视频在线| 大香蕉78| 亚洲色图殴美色图激情乱伦| 日本精品一区三区| 国产精品熟妇一区二区三| 亚洲做性| 亚洲欧洲日本精品中文a∨| 欧美一级黄色18片免费看| 日韩精品.久久精品.AV女优.天美传媒| 伊人久久大香蕉线AV五月天| 超碰97人人乐| 啊啊啊好舒服视频| 精品久久久久av影院| 影音先锋国产精品| 欧美白嫩在线放| 亚洲Av诱惑| 国产毛片在线| 九月丁香| 天天日美女的B| 2017天天插| 老司机老司机午夜影院| 日本精品人妻少妇一区二区| 9久9久9久9久视频网站| 俄罗斯一区二区视频在线观看| 激情丁香五月婷婷| 日本黄页视频在线观看| 日韩无码一级黄色av片| 97福利视频| 成人A片男人的天堂| 超碰地址久久| 日本精品第一视频在'| 亚洲视频,小说| 激情小说亚洲| 九九Av| 欧美中字不卡| 国产精品午夜AV完会免费| 色狠狠色| 超碰人妻中文在线| 乱伦熟女论坛| 中文字幕二区日韩天堂| 欧美精品系列| 国产亚洲禁久一区二区| 色拍偷亚洲| 国产操逼视频在线观看| 亚洲1区| 超碰97极品9| 成人三级片无码| 亚洲综合69| 97在线精品观看视频| 91殴美大片| 啊啊啊啊啊啊在线| www.天天干| 亚洲精品蜜桃久久久| 亚洲欧美国产成人综合不卡| 啊啊啊要高潮了| 国产成年精品高清在线观看91| 国产夜夜操| 碰碰97| www.超碰| 在线欧美亚洲| 亚洲激情网一二三四区| 黄色工厂这里只有精品| 欧美色五月| 日本欧美不卡| www色色色com| 97超碰欧美精品| 综合一区中亚洲国产成人综合精品 | 天天看天天日天天操| www.狠狠干.coom| 东北女人高潮视频| 久久久人妻| 久草加勒比一区在线| 人妻天天爽夜夜爽爽| 思思久热在线精品66| 少妇同性| 日韩精品黄片免费观看| 五月天亚洲网| 久久曰曰| 日本中文字幕不卡视频| 六月婷婷一区二区三区| 日本福利二区视频| TS人妖另类精品视频系列| 青娱乐大香蕉| 免费一级视频特黄色大片| 女性91网站| 久久久18禁| 波多野结衣一级视频| 大香蕉日亚洲日本亚大| 欧美一级色| 色五月av| 人妻在线大香蕉| 91狼人| 九九综合九九综合| 一区二区三区成人| www.狠狠| 亚洲久久久久| 国产精品视频| 婷婷激情四射| 一区二区中文| 黑人粗大V S日韩女优视频| 六月丁香久久| 亚洲综合首页| 日本新免费二区三区| 五月天婷婷久久| 日欧操屄| 亚洲老司机123专区| 成人短视频在线观看| 午夜男女爽爽爽影院视频| 97久久精品不卡| 激情综合网五月婷婷| 国产主播福利| 97久久超碰亚洲| 亚洲一区二区专区-国产丝袜精品丝袜-成人AV| 国产免费一区在线观看| 久久久亚洲Av| 97啪啪| 香蕉精品二区二区| 91欧美性| 国产精品欧美激在线| 国产按摩一区二区三区| 蜜臀操逼黄色视频操的好爽| 免费看黄片现成| 婷婷爽人人婷婷爽视频| 国产精品一二三| 精品人妻一区二区三区夜夜| 日本一区二区三区精品| 无码色| 亚洲中文字幕av| 欧日a| 国产精品久久久久久无码红治院| 精品久久久久久中文字幕视频免费| 日本熟妇自慰性高潮一区二区三区| 五月天久久婷婷亚洲 | 亚洲色图久久成人| 丁香五月激情五月| 中文字幕 国产 精品| 美女午夜福利免费视频| 久久久精品电影| 探花精品 一区二区| 亚洲资源一区| 亚洲图片 欧美电影| 一二三卡欧美日韩人妻免费精品| 加勒比AV天堂| 曰本91情色| 中文字幕78| 免费看污网址| 夜精品久无码| 蜜臀亚洲综合一二三四区| 区二区亚洲婷| 色超碰综合| ai欧美亚洲小说| 国产成人天堂| 亚洲综合69| 亚洲精品人伦一区二区| 丝袜天堂网| 九九九久| 亚洲综合网91| 亚洲精品99999| 成人精品无码| 欧美18老人禁| 国产91av在线播放| 一区二区三区亚洲| 国产专区第一页| 强奸乱伦日韩AV| 亚洲操人| 亚州情色j区| 蜜臀在线免费观看在线免费观看| 97色97好| 人妻熟女一区二区| 96一区二区三区| 国产熟女无套内射| 欧美夜夜草视频| 欧洲Au麻豆| 一区二区三区 丝袜高跟| 熟妇国产免费一区| 亚洲猛交| dy888午夜老子影视达达兔| 三级日本一区二区三区| 国产性久久久| 五月婷婷激情网| 欧美在线官网| 91真人天天在线| 97综合久第一页| 国产精品视频在线观看| av爱爱爱| 91黑人无码激情在线| 天天综合91在线| 操逼精品视频| 91痴汉| 国语av狠狠色丁香婷婷综合激情| 国产综合在线视频网站| 人人看人人摸人人色| 亚洲精品97在线| 天美传媒av一区二区| 97资源站国产精品| 91P0RNY大屁股人妻| 久久久精品视频免费观看| 久久久无码国精品无码三区三区| 第四色亚洲色图| 人妻少妇精品无码专区二区密桃| 91天天综合网| 久久久久九九九| 嗯嗯啊操我| 青青伊人加勒比海| 大香蕉综合网| 中文字幕一区电影在线观看| 91大学精品激情戏| 96久久久精品| 热99这里有精品综合久久 | 日天天九九天堂666| 欧美性生活男人的天堂| 超碰人人干| 97色视频在线| 中文字幕成人乱码熟女精品国50| 素人一区二区三区日韩| 中文字幕精品一区二区精品| 亚洲欧美日产国产91毛片| 欧美色图电影| 无码精品一区二区三区潘金莲| 91大胆欧美| 国产2.3.4区| 思思热免费在线视频| 小草精彩毛片| 91日韩网站| av在线一区二区三区| 青青青国产| 国产美女高潮视频| 93人人操人人| 亚洲色9| 一区二区高清视频| 99视频自拍| 加勒比久久av| 久综合国内精品自在自线| 色性欧美| 超碰在线免费一区二区三区| 五十路三级片| 午夜福利区| 亚洲国产综合视频| 天天日天天色| 亚洲做性| 爱av免费| 大香蕉色欲AV| 日本免费中文字幕在线| 蜜臀久久99精品久久久久免费观| 老女人综合| 国产超碰人人操| 天天在线91| 1024人妻熟女一区二区三区| 超碰在线97国产| 人人干黄色| 天天综和| 日本东京热久久久电影| 91色碰| 91色交| 嗯嗯,啊啊,国产精品| 久久少妇| 色穴精品| 一区二区三区免费视频入口| 无码欧美有限公司| 人妻少妇久久中文字幕一区二区 麻豆| 欧美性爱五月天| 熟妇一区二区| 欧美精品四区| 亚洲97综| 中文字幕丝袜美腿| 一区二区三区美女超清| 特级大荫道BBwBBwBBW| 欧美夜夜草视频| 色鬼在线综合| 亚洲性爱电影| 强奸熟女一区二区三区| 乱伦AVxx| 亚州五月| 久热这里| 青娱乐休闲视频在线观看| 婷婷综合在线观看| 人妻一区二区三区视频 | 亚洲天天艹| 一区二区三区美女超清| 成人天天看站长推荐| 久久综合资源一区二区| 欧美第二页午夜| 人人爱操| 91国产操逼视频| 丝袜翘臀后入欧美校园亚洲自拍另类小说一区中文字幕少妇诱惑 | 国产家庭乱伦网址| 日韩无码第3页| 高凊专区人人操| 国产精品一区av在线| 久久9精品网站| 午夜精品久久久久久久男人的天堂 | 久久精品99久久久久久| 337p大胆噜噜噜噜噜91Av| 亚洲欧美天堂| 啊啊啊啊啊啊啊啊啊啊在线观看| 黄片直播三级黄片两女一男| 78精品在线| 国产精品亚洲四五区在线观看| 亚洲精品人妻在线| 成人一二三区| 中文字幕加勒比海高清无码免费视频 | 青青操视频在线| 亚州国产精品乱| 超碰色男人操熟女| a啊啊啊啊啊啊啊啊一区二区| 人妻嗯啊啊在线播放| AV乱伦专区| 99久在线精品99re8| 亚洲不卡不卡中文字幕不卡 | 日韩兔费看黄片| 青青草玖玖爱| 特污免视频| 激情小说成人日本无码一| 日日摸日日碰夜夜爽视频| 91中文精品日韩欧美在线| 免费毛片在线播放| 欧美成熟性爱精品| 96国产精品| 国产熟女二区| 亚洲春色激情小说| 亚洲国产精品成人无码久久久| 欧亚日韩中文在线| 黄久在线| 欧美色图亚州激情| 超碰人人干| 亚洲无线码欧洲精品区别| 三及片网站| 屁股久久久久久久久| 伊人久久亚洲中文字幕| 日本精品一区二区中文字幕| 日欧美色| 开心五月激情网| 乱伦1色页| A 天堂| 久久久涩| 国产91专区| 99操| 97香焦色区| 婷婷视频网| av日韩手机在线影视| 久久欲| 亚洲中文字幕在现观看| 久久线上视频免费看| 久久超碰av在线| 麻豆性爱视频在线播放| 狠狠中文字幕| 开心五月激情网| 色一色综合网| 无码操逼网| 免费a级毛片av无码久久精品中文字幕| 午夜噜噜噜| 国产91丝袜 在线播放| 99热日| 国产一区二区久久| 99热精品国产| 亚洲人在线成线成人| 91在线欧色| 午夜天堂精品久久久久91| 麻豆这里只有精品| 日韩黄色一区二区三区| 无码逼| 午夜福利精品| 国产亚洲精品美女久久久久久2021| 伊人一级免费黄片| 日韩操啪| 精品无码欧美三级| av网站免费看| 97视频在线看| 少妇久久久久久| 久久久96| 精品视频一区二区| 国产精品午夜AV完会免费| 欧美激情久操网| 久久男人的天堂| 狠狠婷婷亚洲中文综合久久| 久久精品熟女亚洲AV麻豆软件| 91制服丝袜中文字幕| 资源新线在线天堂| 亚洲另类春色| av网站在线看| 日韩字幕一区| 国产精品女生av| 无码日韩人妻av一| 久操不卡视频| 欧美日韩97| 国产女大学生AV| 国产美女在线精品免费看| 91丨国产丨白浆秘 洗澡动漫| 亚洲欧美综合| 久久精品国产99精品亚洲蜜...| 黄色人人| 熟女色综合久久| 色色色色电影网| 午夜免费视频1000| 九九九网页| 99热 按摩 日韩| 九九人妻| 蜜臀久久久99久久久久 | 色官网在线| 爽爽淫人网| 青青草伊人久久| 劲爆欧美人妖三区91| 九九九九九九综合| 日本精品一区二区三区四区的功能| 中国AAAAAA黄色片| 四虎影视永久在线免费| 久久美女福利是上海美女| 婷婷五月天小说| 中文字幕丝袜人妻| h色99999| 亚洲人妻爽爽爽| 丁香五六月啪啪| 国产精品久久久久久 百度| 色五月网址| 高树玛利亚无码流出| 人妻少妇久久中文| 啊啊啊久久| 精品午夜福利国产一区二区在线观看| 久久久久九九九|