生成式人工智能解决方案 具有通过提高生产力和改善客户体验来实现业务转型的潜力,并且在这些解决方案中使用大型语言模型 (LLM) 已变得越来越流行。构建概念验证相对简单,因为尖端技术 基础模型 可以通过简单的 API 调用从专业提供商那里获得。因此,不同规模、不同行业的组织已经开始使用生成式人工智能重新构想他们的产品和流程。
尽管最先进的法学硕士拥有丰富的常识,但他们只能访问他们接受过培训的信息。当法学硕士被提示根据他们在培训期间没有看到的信息生成文本时,这可能会导致事实不准确(幻觉)。因此,弥合法学硕士的常识和您的专有数据之间的差距至关重要,以帮助模型生成更准确和更符合上下文的响应,同时降低出现幻觉的风险。传统的微调方法虽然有效,但可能需要大量计算、成本高昂,并且需要技术专业知识。要考虑的另一个选项称为 检索增强生成 (RAG),它为法学硕士提供来自外部知识源的附加信息,并且可以轻松更新。
此外,企业在处理专有数据和敏感数据(例如个人数据或知识产权)时必须确保数据安全。这对于在金融服务、医疗保健和生命科学等受到严格监管的行业中运营的组织尤其重要。因此,通过生成式 AI 应用程序了解和控制数据流非常重要:模型位于哪里?数据在哪里处理?谁有权访问数据?这些数据是否会被用来训练模型,最终面临敏感数据泄露给公共法学硕士的风险?
这篇文章讨论了企业如何构建准确、透明和安全的生成式人工智能应用程序,同时保持对专有数据的完全控制。所提出的解决方案是使用人工智能原生技术堆栈的 RAG 管道,其组件是从头开始设计的,以人工智能为核心,而不是事后添加人工智能功能。我们演示如何使用构建端到端 RAG 应用程序 Cohere 的语言模型 通过 亚马逊基岩 的网络 AWS Marketplace 上的 Weaviate 矢量数据库。随附的源代码可在 相关的 GitHub 存储库 由 Weaviate 主办。尽管 AWS 不负责维护或更新合作伙伴存储库中的代码,但我们鼓励客户直接与 Weaviate 联系以了解任何所需的更新。
解决方案概述
下面的高级架构图展示了拟议的 RAG 管道和 AI 原生技术堆栈,用于构建准确、透明和安全的生成 AI 解决方案。
作为 RAG 工作流程的准备步骤,作为外部知识源的矢量数据库会从专有数据中获取附加上下文。实际的 RAG 工作流程遵循图中所示的四个步骤:
- 用户输入他们的查询。
- 用户查询用于从矢量数据库检索相关的附加上下文。这是通过使用嵌入模型生成用户查询的向量嵌入来执行向量搜索以从数据库中检索最相关的上下文来完成的。
- 检索到的上下文和用户查询用于扩充提示模板。检索增强提示有助于法学硕士生成更相关、更准确的完成结果,最大限度地减少幻觉。
- 用户根据他们的查询收到更准确的响应。
架构图中所示的 AI 原生技术堆栈有两个关键组件:Cohere 语言模型和 Weaviate 矢量数据库。
Amazon Bedrock 中的 Cohere 语言模型
凝聚平台 通过简单的 API 调用,为企业和开发人员带来具有最先进性能的语言模型。 Cohere 平台提供两种关键类型的语言处理功能:生成式和嵌入式,每种都由不同类型的模型提供服务:
- 文字产生 命令 – 开发人员可以访问支持生成式人工智能功能的端点,从而支持对话、问答、文案写作、摘要、信息提取等应用程序。
- 文本表示 嵌入 – 开发人员可以访问捕获文本语义的端点,从而启用矢量搜索引擎、文本分类和聚类等应用程序。 Cohere Embed 有两种形式,英语模型和多语言模型,这两种形式 现已在亚马逊基岩上提供.
Cohere 平台使企业能够通过 Amazon Bedrock 部署私密且安全地定制其生成式 AI 解决方案。 Amazon Bedrock 是一项完全托管的云服务,使开发团队能够快速构建和扩展生成式 AI 应用程序 同时帮助保护您的数据和应用程序的安全和私密性。您的数据不会用于改进服务,也不会与第三方模型提供商共享,并保留在 区域 处理 API 调用的位置。数据在传输过程中和静态时始终进行加密,您可以使用自己的密钥对数据进行加密。 Amazon Bedrock 支持安全要求,包括美国健康保险流通与责任法案 (HIPAA) 资格和一般数据保护条例 (GDPR) 合规性。此外,您可以使用您已经熟悉的 AWS 工具安全地集成并轻松部署生成式 AI 应用程序。
AWS Marketplace 上的 Weaviate 矢量数据库
减轻 是一个 人工智能原生 矢量数据库 这使得开发团队可以轻松构建安全且透明的生成式人工智能应用程序。 Weaviate 用于存储和搜索矢量数据和源对象,无需托管和集成单独的数据库,从而简化了开发。 Weaviate 提供亚秒级语义搜索性能,并且可以扩展以处理数十亿个向量和数百万个租户。凭借独特的可扩展架构,Weaviate 与部署在 Amazon Bedrock 中的 Cohere 基础模型进行本地集成,以促进数据的便捷矢量化并使用其数据库内的生成功能。
Weaviate AI 原生矢量数据库使客户能够灵活地将其部署为自带云 (BYOC) 解决方案或托管服务。本次展示使用的是 AWS Marketplace 上的 Weaviate Kubernetes 集群,Weaviate 的 BYOC 产品的一部分,只需使用 AWS CloudFormation 模板。此方法可确保您的矢量数据库部署在靠近基础模型和专有数据的特定区域中,以最大程度地减少延迟、支持数据局部性并保护敏感数据,同时满足潜在的监管要求(例如 GDPR)。
用例概述
在以下部分中,我们将演示如何使用 AI 原生技术堆栈与 Cohere、AWS 和 Weaviate 构建 RAG 解决方案,如解决方案概述中所示。
该示例用例根据目标受众生成度假住宿列表的定向广告。目标是使用目标受众的用户查询(例如,“有小孩的家庭”)来检索最相关的度假住宿列表(例如,附近有游乐场的列表),然后为该列表生成广告检索到针对目标受众量身定制的列表。
该数据集可从 爱彼迎内部 并获得许可 知识共享署名4.0国际许可。您可以在以下位置找到随附的代码 GitHub存储库.
先决条件
要按照以下教程进行操作并使用任何 AWS 服务,请确保您拥有 AWS账户.
启用 AI 原生技术堆栈的组件
首先,您需要在您的 AWS 账户中启用解决方案概述中讨论的相关组件。完成以下步骤:
- 在左边 亚马逊基岩控制台,选择 模型访问 在导航窗格中。
- 管理模型访问 在右上角。
- 选择您选择的基础模型并请求访问。
接下来,您设置 Weaviate 集群。
- 订阅 AWS Marketplace 上的 Weaviate Kubernetes 集群.
- 使用以下命令启动软件 根据您首选可用区的 CloudFormation 模板.
CloudFormation 模板已预先填充默认值。
- 针对 堆栈名称,输入堆栈名称。
- 针对 赫尔认证类型,建议通过设置启用身份验证
helmauthenticationtype
至apikey
并定义一个 helmauthenticationapikey. - 针对 helmauthenticationapikey,输入您的 Weaviate API 密钥。
- 针对 舵图版本,输入您的版本号。它必须至少是 v.16.8.0。请参阅 GitHub回购 以获取最新版本。
- 针对 helmenabled模块, 确保
tex2vec-aws
和generative-aws
存在于 Weaviate 中启用的模块列表中。
完成此模板大约需要 30 分钟。
连接到Weaviate
请完成以下步骤以连接到 Weaviate:
- 在 Amazon SageMaker控制台, 导航 笔记本实例 在导航窗格中通过 笔记本 > 笔记本实例 在左边。
- 创建一个新的笔记本实例。
- 安装具有所需依赖项的 Weaviate 客户端包:
- 使用以下代码连接到您的 Weaviate 实例:
- 网址导航 – 通过负载均衡器 URL 访问 Weaviate。在里面 亚马逊弹性计算云 (Amazon EC2)控制台,选择 负载均衡器 在导航窗格中找到负载均衡器。查找 DNS 名称列并添加
http://
在它前面。 - Weaviate API密钥 – 这是您之前在 CloudFormation 模板中设置的密钥 (
helmauthenticationapikey
). - AWS 访问密钥和秘密访问密钥 – 您可以在以下位置检索您的用户的访问密钥和秘密访问密钥 AWS身份和访问管理 (IAM) 控制台。
配置 Amazon Bedrock 模块以启用 Cohere 模型
接下来,您定义一个数据集合(class
)叫 Listings
存储列表的数据对象,这类似于在关系数据库中创建表。在此步骤中,您将配置相关模块,以便能够使用 Weaviate 矢量数据库中原生托管在 Amazon Bedrock 上的 Cohere 语言模型。向量化器(“text2vec-aws
“)和生成模块(“generative-aws
“)在数据收集定义中指定。这两个模块都采用三个参数:
- “服务” - 使用 ”
bedrock
” 对于 Amazon Bedrock(或者,使用“sagemaker
“为 亚马逊SageMaker JumpStart) - “区域” – 输入部署模型的区域
- “模型” – 提供基础模型的名称
请参见以下代码:
将数据采集到 Weaviate 矢量数据库中
在此步骤中,您通过配置数据集合的属性来定义数据集合的结构。除了属性的名称和数据类型之外,您还可以配置是仅存储数据对象还是将其与其向量嵌入一起存储。在这个例子中, host_name
和 property_type
没有矢量化:
运行以下代码以在 Weaviate 实例中创建集合:
您现在可以将对象添加到 Weaviate。您可以使用批量导入流程来实现最高效率。运行以下代码导入数据。在导入过程中,Weaviate 将使用定义的矢量化器为每个对象创建矢量嵌入。以下代码加载对象,初始化批处理,并将对象一一添加到目标集合中:
检索增强生成
您可以通过在 Weaviate 实例上实施生成搜索查询来构建 RAG 管道。为此,您首先以 f 字符串的形式定义一个提示模板,该模板可以接受用户查询 ({target_audience}
)直接和附加上下文({{host_name}}
, {{property_type}}
, {{description}}
及 {{neighborhood_overview}}
)在运行时从向量数据库中:
接下来,您运行生成搜索查询。这会使用由用户查询和检索到的数据组成的提示来提示定义的生成模型。以下查询检索一个列表对象 (.with_limit(1)
)从 Listings
与用户查询最相似的集合(.with_near_text({"concepts": target_audience})
)。然后用户查询(target_audience
)和检索到的列表属性(["description", "neighborhood", "host_name", "property_type"]
)被输入到提示模板中。请看下面的代码:
在下面的示例中,您可以看到前面的代码片段 target_audience = “Family with small children”
从主机 Marre 检索列表。提示模板增加了 Marre 的列表详细信息和目标受众:
基于检索增强提示,Cohere 的命令模型生成以下有针对性的广告:
替代定制
您可以对建议的解决方案中的不同组件进行替代自定义,如下所示:
- Cohere 的语言模型也可通过 亚马逊SageMaker JumpStart,它提供了对尖端基础模型的访问,并使开发人员能够将法学硕士部署到 亚马逊SageMaker,这是一项完全托管的服务,汇集了广泛的工具,可为任何用例提供高性能、低成本的机器学习。 Weaviate 也与 SageMaker 集成。
- 该解决方案的一个强大补充是 Cohere 重新排序端点,可通过 SageMaker JumpStart 获取。重新排序可以提高词汇或语义搜索的搜索结果的相关性。重新排序的工作原理是计算搜索系统检索到的文档的语义相关性分数,并根据这些分数对文档进行排名。将 Rerank 添加到应用程序只需更改一行代码。
- 为了满足不同生产环境的不同部署需求,Weaviate 可以通过多种附加方式进行部署。例如,可以从以下位置直接下载 维维特网站,在 Amazon Elastic Kubernetes服务 (Amazon EKS) 或本地通过 码头工人 or Kubernetes。 也可以作为 托管服务 它可以在 VPC 内安全运行,也可以作为托管在 AWS 上的公共云服务,提供 14 天免费试用。
- 您可以使用以下方式在 VPC 中提供您的解决方案 亚马逊虚拟私有云 (Amazon VPC),它使组织能够在逻辑隔离的虚拟网络中启动 AWS 服务,类似于传统网络,但具有 AWS 可扩展基础设施的优势。根据数据敏感度的分类级别,组织还可以禁用这些 VPC 中的互联网访问。
清理
为了防止意外收费,请删除您在本文中部署的所有资源。如果您启动了 CloudFormation 堆栈,则可以通过 AWS CloudFormation 控制台将其删除。请注意,可能存在一些AWS资源,例如 Amazon Elastic Block商店 (Amazon EBS) 卷和 AWS密钥管理服务 (AWS KMS) 密钥,删除 CloudFormation 堆栈时可能不会自动删除。
结论
这篇文章讨论了企业如何构建准确、透明和安全的生成式人工智能应用程序,同时仍然完全控制其数据。提议的解决方案是 RAG 管道,使用 AI 原生技术堆栈作为 Amazon Bedrock 中的 Cohere 基础模型和 AWS Marketplace 上的 Weaviate 矢量数据库的组合。 RAG 方法使企业能够弥合法学硕士的一般知识和专有数据之间的差距,同时最大限度地减少幻觉。 AI 原生技术堆栈可实现快速开发和可扩展性能。
您可以按照本文中概述的步骤开始为企业级生成式 AI 应用程序尝试 RAG 概念证明。随附的源代码可在 相关的 GitHub 存储库。感谢您的阅读。请随时在评论部分提供意见或反馈。
关于作者
詹姆斯·易 是 Amazon Web Services 技术合作伙伴 COE 技术团队的高级 AI/ML 合作伙伴解决方案架构师。他热衷于与企业客户和合作伙伴合作设计、部署和扩展 AI/ML 应用程序以获取业务价值。工作之余,他喜欢踢足球、旅行以及与家人共度时光。
莱奥妮·莫尼加蒂 是 Weaviate 的开发者倡导者。她的重点领域是人工智能/机器学习,帮助开发人员了解生成式人工智能。工作之余,她还在博客和 Kaggle 上分享她在数据科学和机器学习方面的知识。
梅奥·阿米尔 是 Cohere 的开发者倡导者,Cohere 是一家尖端自然语言处理 (NLP) 技术的提供商。他帮助开发人员利用 Cohere 的大型语言模型 (LLM) 构建尖端应用程序。
顺茂 是 Amazon Web Services 新兴技术团队的高级 AI/ML 合作伙伴解决方案架构师。 他热衷于与企业客户和合作伙伴合作设计、部署和扩展 AI/ML 应用程序,以获取其业务价值。 工作之余,他喜欢钓鱼、旅行和打乒乓球。
- SEO 支持的内容和 PR 分发。 今天得到放大。
- PlatoData.Network 垂直生成人工智能。 赋予自己力量。 访问这里。
- 柏拉图爱流。 Web3 智能。 知识放大。 访问这里。
- 柏拉图ESG。 碳, 清洁科技, 能源, 环境, 太阳能, 废物管理。 访问这里。
- 柏拉图健康。 生物技术和临床试验情报。 访问这里。
- Sumber: https://aws.amazon.com/blogs/machine-learning/build-enterprise-ready-generative-ai-solutions-with-cohere-foundation-models-in-amazon-bedrock-and-weaviate-vector-database-on-aws-marketplace/
- :具有
- :是
- :不是
- :在哪里
- $UP
- 1
- 10
- 100
- 11
- 12
- 13
- 16
- 17
- 19
- 23
- 30
- 32
- 33
- 7
- 8
- 9
- a
- 关于
- ACCESS
- 访问管理
- 根据
- 账号管理
- 问责制
- 精准的
- 横过
- 法案
- 实际
- 加
- 添加
- 添加
- 增加
- 额外
- 附加信息
- 另外
- 解决
- 添加
- 成年人
- 广告
- 主张
- AI
- AI / ML
- Airbnb的
- 所有类型
- 允许
- 沿
- 已经
- 还
- 替代
- 尽管
- 时刻
- Amazon
- Amazon EC2
- 亚马逊SageMaker
- 亚马逊网络服务
- 阿姆斯特丹
- an
- 和
- 另一个
- 回答
- 任何
- API
- 应用领域
- 应用领域
- 的途径
- 架构
- 保健
- 国家 / 地区
- 地区
- AS
- 旁白
- At
- 其他景点
- 听众
- 增加
- 增强
- 认证
- 自动
- 可用性
- 可使用
- 远离
- AWS
- AWS CloudFormation
- AWS身份和访问管理(IAM)
- AWS Marketplace
- 摆动
- 酒吧
- 基于
- BE
- 因为
- 成为
- 开始
- 好处
- 最佳
- 之间
- 十亿美元
- 阻止
- 博客
- 提高
- 都
- 桥
- 带来
- 广阔
- 建立
- 建筑物
- 商业
- 企业
- 但是
- by
- 咖啡馆
- 呼叫
- 被称为
- CAN
- 能力
- 捕获
- 案件
- 迎合
- 中央
- 中心
- 更改
- 收费
- 儿童
- 选择
- 城市
- 程
- 分类
- 机密
- 客户
- 关闭
- 云端技术
- 簇
- 集群
- 码
- 采集
- 柱
- 组合
- 如何
- 购买的订单均
- 注释
- 共享
- 完成
- 完成
- 符合
- 组件
- 包含
- 计算
- 计算
- 概念
- 概念
- 配置
- 分享链接
- 考虑
- 安慰
- 上下文
- 上下文
- 控制
- 便捷
- 方便地
- 听起来像对话
- 文案
- 核心
- 创建信息图
- 创造
- 关键
- 顾客
- 合作伙伴
- 定制
- 前沿
- data
- 数据保护
- 数据科学
- 数据安全
- 数据库
- 数据库
- 默认
- 定义
- 定义
- 定义
- 定义
- 提供
- 演示
- 依赖
- 根据
- 部署
- 部署
- 部署
- 漂移
- 描述
- 设计
- 设计
- 期望
- 详情
- 开发商
- 开发
- 研发支持
- 开发团队
- 不同
- 用餐
- 直接
- 直接
- 讨论
- DNS
- 文件
- 完成
- 下载
- ,我们将参加
- 每
- 此前
- 容易
- EBS
- 有效
- 效率
- 提高的
- 合格
- 消除
- 嵌
- 嵌入
- 新兴经济体的新市场。
- 新兴技术
- 如虎添翼
- enable
- 启用
- 使
- 使
- 鼓励
- 加密
- 端至端
- 端点
- 引擎
- 英语
- 确保
- 确保
- 输入
- 企业
- 企业客户
- 企业
- 进入
- 整个
- 环境中
- 醚(ETH)
- 终于
- 例子
- 昂贵
- 体验
- 体验
- 专门知识
- 外部
- 萃取
- 促进
- 事实
- 熟悉
- 家庭
- 高效率
- 特征
- 特色
- 美联储
- 反馈
- 感觉
- 少数
- 文件
- 金融
- 金融服务
- 找到最适合您的地方
- 姓氏:
- 钓鱼
- 高度灵活
- 地板
- 流
- 专注焦点
- 遵循
- 以下
- 如下
- 针对
- 申请
- 形式
- 基金会
- 四
- Free
- 免费试用
- 止
- 前
- ,
- 充分
- 进一步
- 差距
- 《通用数据保护条例》(GDPR)
- 其他咨询
- 一般数据
- 一般数据保护条例
- 生成
- 产生
- 发电
- 代
- 生成的
- 生成式人工智能
- 生成模型
- GitHub上
- 给
- 目标
- 陆运
- 团队
- 半
- 处理
- 处理
- 有
- 有
- he
- 标题
- 健康管理
- 健康险
- 医疗保健
- 胸襟
- 严重
- 帮助
- 帮助
- 帮助
- 这里
- 高水平
- 高性能
- 他的
- 主页
- 主持人
- 托管
- 创新中心
- How To
- HTTP
- HTTPS
- IAM
- 身分
- 身份和访问管理
- 身份和访问管理(IAM)
- if
- 说明
- 实施
- 进口
- 重要
- 改善
- 改善
- 改善
- in
- 包含
- 日益
- 行业
- 信息
- 信息提取
- 基础设施
- 内
- 安装
- 例
- 保险
- 整合
- 集成
- 集成
- 知识分子
- 知识产权
- 国际
- 网络
- 互联网接入
- 成
- 孤立
- IT
- 它的
- JPG
- 只是
- 保持
- 保持
- 键
- 键
- 孩子们
- 知识
- Kubernetes
- 语言
- 大
- 潜伏
- 最新
- 发射
- 推出
- 铅
- 信息
- 泄漏
- 学习用品
- 学习
- 最少
- 左
- Level
- 行货
- 生活
- 生命科学
- Line
- 清单
- 清单
- 房源
- 活的
- 加载
- 负载
- 本地
- 当地
- 位于
- 圖書分館的位置
- 看
- 寻找
- 廉价
- 机
- 机器学习
- 维持
- 使
- 制作
- 管理
- 管理
- 颠覆性技术
- 市场
- 主
- 最多
- 可能..
- 意
- 手段
- 回忆
- 方法
- 百万
- 大幅减低
- 最小化
- 分钟
- ML
- 模型
- 模型
- 模块
- 模块
- 更多
- 最先进的
- 必须
- 姓名
- 本地
- 自然
- 自然语言
- 自然语言处理
- 导航
- 旅游导航
- 需求
- 网络
- 决不要
- 全新
- NLP
- 没有
- 注意
- 笔记本
- 现在
- 数
- 对象
- 对象
- of
- 提供
- 提供
- on
- 一
- 仅由
- 操作
- 附加选项
- or
- 组织
- 其他名称
- 我们的
- 概述
- 学校以外
- 超过
- 简介
- 己
- 包
- 支付
- 大熊猫
- 面包
- 参数
- 停车
- 部分
- 尤其
- 合伙人
- 伙伴
- 多情
- 演出
- 性能
- 个人
- 个人资料
- 片
- 管道
- 地方
- 平台
- 柏拉图
- 柏拉图数据智能
- 柏拉图数据
- 播放
- 热门
- 可移植性
- 帖子
- 潜力
- 功率
- 强大
- 前
- 首选
- 准备
- 当下
- 防止
- 私立
- 过程
- 处理
- 过程
- 处理
- 生产
- 生产率
- 热销产品
- 提示
- 样张
- 财产
- 建议
- 所有权
- 保护
- 保护
- 提供
- 提供者
- 供应商
- 提供
- 国家
- 公共云
- 题
- 很快
- 抹布
- 排行
- 宁
- RE
- 阅读
- 阅读
- 接收
- 建议
- 减少
- 参考
- 关于
- 地区
- 监管
- 受管制行业
- 税法法规
- 监管
- 相对
- 相关性
- 相应
- 遗迹
- 知识库
- 请求
- 必须
- 岗位要求
- 需要
- 类似
- 资源
- 响应
- 回复
- 提供品牌战略规划
- REST的
- 优选餐厅
- 导致
- 成果
- 右
- 风险
- 冒着
- Room
- 行
- 运行
- 运行
- s
- sagemaker
- 可扩展性
- 鳞片
- 科学
- 科学
- 分数
- 搜索
- 搜索引擎
- 秘密
- 部分
- 部分
- 安全
- 安全
- 保安
- 看到
- 语义
- 前辈
- 敏感
- 灵敏度
- 分开
- 服务
- 已服务
- 服务
- 服务
- 特色服务
- 集
- 设置
- 共用的,
- 分享
- 她
- 短
- 展示
- 类似
- 简易
- 简化
- 单
- 尺寸
- 小
- 足球
- 软件
- 方案,
- 解决方案
- 一些
- 来源
- 源代码
- 太空
- 专门
- 具体的
- 指定
- 花费
- 堆
- 开始
- 国家的最先进的
- 留
- 步
- 步骤
- 仍
- 商店
- 存储
- 简单的
- 结构体
- 这样
- 合适的
- SUPPORT
- 支持
- 肯定
- 系统
- 表
- 量身定制
- 采取
- 需要
- 目标
- 针对
- 团队
- 队
- 科技
- 文案
- 技术
- 专业技术
- 模板
- 承租人
- 文本
- 文字分类
- 比
- 感谢
- 这
- 信息
- 其
- 然后
- 那里。
- 因此
- 博曼
- 他们
- 第三方
- Free Introduction
- 三
- 通过
- 次
- 至
- 一起
- 工具
- 最佳
- 传统
- 培训
- 熟练
- 产品培训
- 改造
- 过境
- 透明
- 旅游
- 试用
- 教程
- 二
- 类型
- 类型
- 我们
- 下
- 理解
- 意外
- 难忘
- 独特地
- 更新
- 最新动态
- 更新
- 楼上
- 网址
- 用法
- 使用
- 用例
- 用过的
- 用户
- 使用
- 运用
- 假期
- 折扣值
- 价值观
- 各个
- Ve
- 版本
- 通过
- 在线会议
- 卷
- 走
- 方法..
- 方法
- we
- 财富
- 卷筒纸
- Web服务
- 欢迎进入
- 井
- 为
- ,尤其是
- 这
- 而
- WHO
- 谁的
- 将
- 中
- 工作
- 工作流程
- 加工
- 合作
- 写
- 您
- 您一站式解决方案
- 和风网