实战多功能智能助手

实战多功能智能助手

2026年9月21日·#编程学习/langchain学习笔记LangChain/AI·4458 字 22 分钟
浏览量加载中...
AI 摘要

把前面的知识拼成一个能用的助手:五个工具(天气/计算/时间/货币/搜索)、用类封装 Agent、维护对话历史,以及自动演示+交互式主程序

前几篇把 Agent 的零件都拆开讲完了:创建、传模型、绑工具、写提示词、结构化输出、流式输出。这一篇把它们拼成一个能用的东西——多功能智能助手。

项目需求#

开发一个多功能智能助手,支持:

  1. 天气查询:查询城市天气
  2. 数学计算:复杂数学运算
  3. 时间查询:获取当前时间、日期计算
  4. 货币转换:多种货币之间转换
  5. 信息搜索:搜索产品、新闻等信息

代码分成四步,正好对应我们前面学过的内容:

步骤对应知识点
1. 模型的初始化模型的创建
2. 工具的定义Tools工具定义与调用
3. Agent 的创建(面向对象封装)创建第一个智能体
4. 主程序(演示 + 交互)这一篇的重点

第 1 步:模型初始化#

import os
from dotenv import load_dotenv
from langchain.chat_models import init_chat_model
load_dotenv(override=True)
model = init_chat_model(
model="deepseek-v4-flash",
model_provider="openai",
api_key=os.getenv("DEEPSEEK_API_KEY"),
base_url=os.getenv("DEEPSEEK_BASE_URL"),
)

第 2 步:定义五个工具#

每个工具都只做一件事,并用规范的 docstring 写清 Args / Returns / Examples——这些文字就是模型选择工具、填参数的依据

工具参数返回什么
get_weather(city)城市名称温度、天气状况、空气质量
calculator(expression)数学表达式计算结果
get_time_info(query_type)current/date/tomorrow/yesterday/weekday时间信息
convert_currency(amount, from_curr, to_curr)金额 + 源/目标货币转换结果
search_info(keyword, category)关键词 + 分类产品/新闻搜索结果

几个值得学的写法:

from langchain_core.tools import tool
import math
from datetime import datetime, timedelta
@tool
def get_weather(city: str) -> str:
"""获取指定城市的实时天气信息
支持中国主要城市的天气查询
Args:
city: 城市名称,如"北京"、"上海"、"深圳"等
Returns:
包含温度、天气状况、空气质量的详细信息
Examples:
get_weather("北京") 返回 "多云,15-22℃,空气质量良"
"""
weather_db = {
"北京": "多云,15-22℃,空气质量良,湿度 45%",
"上海": "晴天,18-25℃,空气质量优,湿度 60%",
"深圳": "小雨,22-28℃,空气质量优,湿度 75%",
}
result = weather_db.get(city)
if result:
return f"{city}{result}"
return f"抱歉,暂不支持查询{city}的天气信息。当前支持:北京、上海、深圳"

① 查不到时要给出”可用的范围”——别只返回”没有数据”,模型没法据此修正。

@tool
def calculator(expression: str) -> str:
"""执行数学计算
支持基本运算符(+、-、*、/、**)和常用数学函数
Args:
expression: 数学表达式,可以包含:
- 基本运算:2 + 3, 10 * 5, 100 / 4
- 幂运算:2 ** 10
- 函数:sqrt(16), abs(-5), pow(2, 3)
Returns:
计算结果或错误信息
Examples:
calculator("2 + 3 * 4") 返回 "14"
calculator("sqrt(16)") 返回 "4.0"
"""
try:
safe_functions = {
"sqrt": math.sqrt, "pow": pow, "abs": abs, "round": round,
"sin": math.sin, "cos": math.cos, "tan": math.tan, "log": math.log,
"pi": math.pi, "e": math.e,
}
result = eval(expression, {"__builtins__": {}}, safe_functions)
return f"{expression} = {result}"
except Exception as e:
return f"计算出错:{str(e)}\n提示:请检查表达式格式,支持的函数有 sqrt, abs, pow, sin, cos, tan, log"

eval 要”锁死”环境:第二个参数传 {"__builtins__": {}}(禁用内置函数),第三个参数只放白名单数学函数——这是让模型能算数、又不至于执行任意代码的常见做法。

@tool
def get_time_info(query_type: str = "current") -> str:
"""获取时间相关信息
Args:
query_type: 查询类型
- "current": 当前时间
- "date": 今天日期
- "tomorrow": 明天日期
- "yesterday": 昨天日期
- "weekday": 星期几
Returns:
时间信息字符串
Examples:
get_time_info("current") 返回 "2025年1月25日 14:30:25"
get_time_info("weekday") 返回 "星期六"
"""
now = datetime.now()
if query_type == "current":
return now.strftime("当前时间:%Y年%m月%d日 %H:%M:%S")
elif query_type == "date":
return now.strftime("今天是:%Y年%m月%d日")
elif query_type == "tomorrow":
return (now + timedelta(days=1)).strftime("明天是:%Y年%m月%d日")
elif query_type == "yesterday":
return (now - timedelta(days=1)).strftime("昨天是:%Y年%m月%d日")
elif query_type == "weekday":
weekdays = ["星期一", "星期二", "星期三", "星期四", "星期五", "星期六", "星期日"]
return f"今天是{weekdays[now.weekday()]}"
return f"不支持的查询类型:{query_type}。支持:current, date, tomorrow, yesterday, weekday"

③ 用”枚举式参数”代替多个工具:一个 get_time_info 顶五个时间工具——工具越少,模型越不容易选错(第 14 篇的常见问题)。

@tool
def convert_currency(amount: float, from_curr: str, to_curr: str) -> str:
"""货币转换工具
支持主要货币之间的实时汇率转换
Args:
amount: 金额数值
from_curr: 源货币代码(CNY/USD/EUR/GBP/JPY/HKD)
to_curr: 目标货币代码(CNY/USD/EUR/GBP/JPY/HKD)
Returns:
转换结果
Examples:
convert_currency(100, "CNY", "USD") 返回 "100 CNY = 14.00 USD"
"""
exchange_rates = {"CNY": 1.0, "USD": 0.14, "EUR": 0.13, "GBP": 0.11, "JPY": 20.8, "HKD": 1.09}
currency_names = {"CNY": "人民币", "USD": "美元", "EUR": "欧元",
"GBP": "英镑", "JPY": "日元", "HKD": "港币"}
from_curr, to_curr = from_curr.upper(), to_curr.upper()
if from_curr not in exchange_rates:
return f"不支持的源货币:{from_curr}。支持的货币:CNY, USD, EUR, GBP, JPY, HKD"
if to_curr not in exchange_rates:
return f"不支持的目标货币:{to_curr}。支持的货币:CNY, USD, EUR, GBP, JPY, HKD"
cny_amount = amount / exchange_rates[from_curr] # 先换成 CNY 再换目标货币
result_amount = cny_amount * exchange_rates[to_curr]
return f"{amount} {currency_names[from_curr]}{from_curr})= {result_amount:.2f} {currency_names[to_curr]}{to_curr})"
@tool
def search_info(keyword: str, category: str = "all") -> str:
"""搜索各类信息
Args:
keyword: 搜索关键词
category: 搜索分类
- "product": 搜索产品
- "news": 搜索新闻
- "all": 搜索所有
Returns:
搜索结果
"""
products = {
"手机": "iPhone 15 (¥5999), 小米14 (¥3999), 华为Mate60 (¥6999)",
"笔记本": "MacBook Pro (¥12999), ThinkPad X1 (¥9999), 华为MateBook (¥7999)",
"耳机": "AirPods Pro (¥1999), Sony WH-1000XM5 (¥2499)",
}
news = {
"AI": "1. GPT-5 即将发布 2. AI 芯片市场增长 30% 3. 新AI法规出台",
"科技": "1. 量子计算新突破 2. 6G 技术测试 3. 新能源汽车销量创新高",
}
results = []
if category in ["product", "all"]:
for key, value in products.items():
if keyword in key:
results.append(f"【产品】{key}{value}")
if category in ["news", "all"]:
for key, value in news.items():
if keyword in key or keyword in value:
results.append(f"【新闻】{key} 相关:{value}")
return "\n".join(results) if results else f"未找到关于 '{keyword}' 的{category}信息"
Tip

注意 search_infocategory: str = "all"get_time_infoquery_type: str = "current"——参数带默认值时,模型可以不传(第 11 篇的”默认值”特性在工具里同样适用)。

第 3 步:用类封装 Agent#

这一步是实战精华:把”模型 + 工具 + 提示词 + 对话历史”打包成一个类,对外只暴露 chat()reset()

from langchain.agents import create_agent
class SmartAssistant:
"""多功能智能助手"""
def __init__(self):
self.model = model
self.tools = [get_weather, calculator, get_time_info, convert_currency, search_info]
system_prompt = """你是一个多功能智能助手,可以帮助用户:
🌤️ 查询天气:使用 get_weather 工具
🔢 数学计算:使用 calculator 工具
⏰ 时间查询:使用 get_time_info 工具
💱 货币转换:使用 convert_currency 工具
🔍 信息搜索:使用 search_info 工具
重要提示:
1. 仔细阅读用户问题,确定需要使用哪个工具
2. 如果需要多个工具,按顺序调用
3. 总是用友好、专业的语气回答
4. 如果工具返回了数据,要用通俗易懂的语言解释给用户
5. 如果无法完成任务,诚实地告诉用户原因
请始终使用中文回答。"""
self.agent = create_agent(
model=self.model,
tools=self.tools,
system_prompt=system_prompt,
)
self.messages = [] # 对话历史
def chat(self, user_input: str) -> str:
"""对话接口"""
self.messages.append({"role": "user", "content": user_input}) # 1. 追加用户消息
result = self.agent.invoke({"messages": self.messages}) # 2. 调用 agent(带上历史)
self.messages = result["messages"] # 3. 用返回的完整消息列表更新历史
for msg in reversed(self.messages): # 4. 从后往前找最后一条有内容的 AI 消息
if msg.type == "ai" and msg.content:
return msg.content
return "抱歉,我无法处理这个请求。"
def reset(self):
"""重置对话历史"""
self.messages = []

这段代码里有四个必须理解的细节

细节为什么这么写
self.messages 一直保留Agent 本身不带记忆,想让它”记得上文”就得每次把历史一起传进去
result["messages"] 覆盖历史返回的是含工具调用全过程的完整列表,覆盖后才和模型看到的上下文一致
reversed(...) 从后往前找最后一条消息不一定是”有内容的 AI 消息”(可能是工具调用的空 content)
msg.content 判空AIMessage 在”发起工具调用”时 content 是空的,不能直接当回答返回
Tip

再加上第 17 篇的流式输出,就能把这个助手升级成”打字机式”回复——chat() 里把 invoke 换成 stream(..., stream_mode="messages") 再逐片打印即可。

第 4 步:主程序#

def main():
assistant = SmartAssistant()
print("=" * 40)
print("🤖 多功能智能助手(LangChain 1.2)")
print("=" * 40)
print("\n输入 'quit' 退出,输入 'reset' 重置对话\n")
# 先自动跑几条演示,确认每个工具都能被正确调用
demos = [
"北京今天天气怎么样?",
"帮我算一下 (25 + 17) * 3",
"现在几点了?",
"100 美元等于多少人民币?",
]
for demo in demos:
print(f"👤 {demo}")
response = assistant.chat(demo)
print(f"🤖 {response}\n")
assistant.reset()
# 交互模式
while True:
user_input = input("\n👤 你: ")
if user_input.lower() == "quit":
print("再见!👋")
break
if user_input.lower() == "reset":
assistant.reset()
print("✅ 对话已重置")
continue
if not user_input.strip():
continue
print(f"🤖 助手: {assistant.chat(user_input)}")
if __name__ == "__main__":
main()

设计上值得抄的两点

  1. demos 自动演示:每次运行先把每个工具跑一遍——既是演示,也是”冒烟测试”,一眼看出哪个工具挂了
  2. quit / reset 指令:一个退出、一个清空对话历史;reset 在调试”多轮对话跑偏”时特别有用

跑起来长什么样#

课程运行后打出来的完整输出(2026-06-03 那次运行,四条 demo 都命中了工具):

========================================
🤖 多功能智能助手(LangChain 1.2)
========================================
我可以帮你:
🌤️ 查询天气
🔢 数学计算
⏰ 时间查询
💱 货币转换
🔍 信息搜索
输入 'quit' 退出,输入 'reset' 重置对话
👤 北京今天天气怎么样?
🤖 北京今天天气是:**多云,15–22℃**,**空气质量良**,湿度 **45%**。
整体来说比较适合外出,建议穿**轻薄外套**会更舒服。
👤 帮我算一下 (25 + 17) * 3
🤖 计算结果是:**126**。
👤 现在几点了?
🤖 现在是:**2026年06月03日 19:45:40**。
👤 100 美元等于多少人民币?
🤖 **100 美元(USD)约等于 714.29 人民币(CNY)**。
========================================
🤖 进入交互模式
========================================
再见!👋
Note

输出里”进入交互模式”那一行的 emoji 在课程 PDF 里没能还原出来(🤖 / 💬 都可能),不影响任何逻辑——照上面主程序的写法跑一遍,自己看到的就是真实的。

对照代码能看到几件事:

输出片段说明
🤖 北京今天天气是:**多云,15–22℃**…建议穿**轻薄外套**工具返回的是原始数据(多云,15-22℃,空气质量良,湿度 45%),最后这句”建议穿轻薄外套”是模型自己加的——这就是系统提示词里”用通俗易懂的语言解释给用户”的效果
计算结果是:**126**(25+17)*3 = 126calculator 工具算对了(工具返回是 (25 + 17) * 3 = 126,模型复述时只留了数字)
100 美元(USD)约等于 714.29 人民币(CNY)convert_currency 的汇率表手算能对上:100 / 0.14 × 1.0 = 714.29
末尾的 再见!👋进入交互模式后直接输入 quit 的退出语
Note

上面贴的是精简版主程序的运行效果。课程原版 main() 在循环前后各多打印了一块内容:

print("\n我可以帮你:")
print(" 🌤️ 查询天气")
print(" 🔢 数学计算")
print(" ⏰ 时间查询")
print(" 💱 货币转换")
print(" 🔍 信息搜索")
...
print("=" * 40)
print("🤖 进入交互模式")
print("=" * 40)

也就是输出里”我可以帮你:“那一段和”进入交互模式”前后的两条分隔线——想让界面更像”产品”,照抄这两块即可(不影响任何逻辑)。

相关#

练习题#

一、回忆填空(写完再展开对答案)#

  1. 这个项目的四步结构:模型初始化 → ____的定义 → ____的创建(用类封装)→ 主程序
  2. 工具查不到数据时,最好在返回值里给出____,方便模型修正参数
  3. calculatoreval 时把内置函数锁死:eval(expression, {"____": {}}, safe_functions)
  4. 用”枚举式参数”(如 time 工具的 query_type)代替多个工具的好处是:工具越____,模型越不容易____
  5. SmartAssistantself.messages 的作用是保存____——因为 Agent 本身____记忆
  6. chat() 里用 result["____"] 覆盖历史,保证上下文与模型看到的一致
  7. 取回答时用 reversed() 从后往前找 msg.type == "____" and msg.____——因为发起工具调用时 AI 消息的 content 是____
  8. 主程序的 demos 列表既做演示,也相当于一次”测试”;reset 指令的作用是清空
填空答案(做完再点开)
  1. 工具 / Agent 2. 可用的范围(支持哪些) 3. __builtins__ 4. 少 / 选错 5. 对话历史 / 不带 6. messages 7. ai / content / 空的 8. 冒烟 / 对话历史

二、裸写题#

  • 2-1 给助手加第 6 个工具 新增一个”汇率查询/单位换算/翻译”之类的工具(自己选),按 Args / Returns / Examples 规范写 docstring,加进 self.tools,然后问一个只有新工具能回答的问题,确认它被正确调用。

    提示(先自己想,实在想不出再点开)

    一级 · 思路:工具”能被正确调用”的唯一依据是 docstring 写得清楚 二级 · 方法@tool + 写全 Args/Returns/Examples + 加进 tools 列表 三级 · 骨架:先把新工具单独 invoke 一次确认逻辑没问题,再交给 Agent

  • 2-2 把回复升级成流式打字机 修改 chat():用 self.agent.stream({"messages": self.messages}, stream_mode="messages") 逐片打印,并把最后一条消息也更新回 self.messages,保证下一轮还能记得上下文。

    提示

    一级 · 思路:stream 的返回不给完整状态,所以”更新历史”要另想办法 二级 · 方法ASTREAM/stream 里用 chunk[0].content 打印;历史更新可以先用 invoke 的返回,或者手动把最终回答拼成 AIMessage 追加 三级 · 骨架:偷懒的办法是”先 stream 显示、再 invoke 一次取完整结果”(多花一次调用,但代码最简单)

三、综合题#

  • 3-1 把 SmartAssistant 跑起来并读懂它

    1. 把第 1-4 步的代码拼成一个完整脚本(.env 里配好密钥),运行,确认 4 条演示都能得到正确回答
    2. 进入交互模式,先问”北京天气怎么样”,再问”那杭州呢”,观察第二轮能否理解”那……呢”指的是天气
    3. 输入 reset 后再问”那杭州呢”,看它是不是失去了上下文
    4. chat() 里加一行 print(len(self.messages)),观察每次问答后消息列表涨了几条(想想为什么会涨这么多)
    提示(先自己想,实在想不出再点开)

    一级 · 思路:这道题的重点是”看见历史是怎么起作用的” 二级 · 方法:多轮对话能否连贯,全靠 self.messages 里带上文 三级 · 骨架:消息列表每轮会新增 用户消息 + AI 工具调用 + 工具返回 + 最终回答,条数增长很快——这正是第 9 章要解决的”上下文太长”问题

参考答案(做完再点开)
# ==================== 完整脚本(存成一个 .py 文件运行)====================
import math
import os
from datetime import datetime, timedelta
from dotenv import load_dotenv
from langchain.agents import create_agent
from langchain.chat_models import init_chat_model
from langchain_core.tools import tool
load_dotenv(override=True)
model = init_chat_model(
model="deepseek-v4-flash",
model_provider="openai",
api_key=os.getenv("DEEPSEEK_API_KEY"),
base_url=os.getenv("DEEPSEEK_BASE_URL"),
)
# ---------- 工具定义(4 个,压缩版)----------
@tool
def get_weather(city: str) -> str:
"""获取指定城市的实时天气信息
Args:
city: 城市名称,如"北京"、"上海"、"深圳"等
Returns:
温度、天气状况、空气质量
"""
weather_db = {"北京": "多云,15-22℃,空气质量良", "杭州": "晴天,17-24℃,空气质量优"}
return f"{city}{weather_db[city]}" if city in weather_db else f"暂不支持{city},当前支持:北京、杭州"
@tool
def calculator(expression: str) -> str:
"""执行数学计算
Args:
expression: 数学表达式,如 "2 + 3 * 4"、"sqrt(16)"
"""
safe = {"sqrt": math.sqrt, "pow": pow, "abs": abs, "round": round, "pi": math.pi, "e": math.e}
try:
return f"{expression} = {eval(expression, {'__builtins__': {}}, safe)}"
except Exception as e:
return f"计算出错:{e}"
@tool
def get_time_info(query_type: str = "current") -> str:
"""获取时间相关信息
Args:
query_type: current 当前时间 / date 今天日期 / tomorrow 明天 / weekday 星期几
"""
now = datetime.now()
if query_type == "date":
return now.strftime("今天是:%Y年%m月%d日")
if query_type == "tomorrow":
return (now + timedelta(days=1)).strftime("明天是:%Y年%m月%d日")
if query_type == "weekday":
return f"今天是{['星期一','星期二','星期三','星期四','星期五','星期六','星期日'][now.weekday()]}"
return now.strftime("当前时间:%Y年%m月%d日 %H:%M:%S")
@tool
def convert_currency(amount: float, from_curr: str, to_curr: str) -> str:
"""货币转换
Args:
amount: 金额
from_curr: 源货币代码(CNY/USD/EUR/GBP/JPY/HKD)
to_curr: 目标货币代码(CNY/USD/EUR/GBP/JPY/HKD)
"""
rates = {"CNY": 1.0, "USD": 0.14, "EUR": 0.13, "GBP": 0.11, "JPY": 20.8, "HKD": 1.09}
from_curr, to_curr = from_curr.upper(), to_curr.upper()
if from_curr not in rates or to_curr not in rates:
return "不支持的货币代码。支持:CNY, USD, EUR, GBP, JPY, HKD"
result = amount / rates[from_curr] * rates[to_curr]
return f"{amount} {from_curr} = {result:.2f} {to_curr}"
# ---------- 用类封装 ----------
class SmartAssistant:
"""多功能智能助手"""
def __init__(self):
self.tools = [get_weather, calculator, get_time_info, convert_currency]
self.agent = create_agent(
model=model,
tools=self.tools,
system_prompt=(
"你是一个多功能智能助手。请先判断该用哪个工具,再调用它;"
"如果需要多个工具,按顺序调用;用友好专业的语气、通俗易懂的语言回答;"
"无法完成时如实说明原因。请始终使用中文回答。"
),
)
self.messages = []
def chat(self, user_input: str) -> str:
self.messages.append({"role": "user", "content": user_input})
result = self.agent.invoke({"messages": self.messages})
self.messages = result["messages"]
print(f" [消息列表现在有 {len(self.messages)} 条]") # 3-1 第 4 问
for msg in reversed(self.messages):
if msg.type == "ai" and msg.content:
return msg.content
return "抱歉,我无法处理这个请求。"
def reset(self):
self.messages = []
# ---------- 主程序 ----------
def main():
assistant = SmartAssistant()
for demo in ["北京今天天气怎么样?", "帮我算一下 (25 + 17) * 3", "现在几点了?", "100 美元等于多少人民币?"]:
print(f"👤 {demo}")
print(f"🤖 {assistant.chat(demo)}\n")
print("👤 那杭州呢?") # 追问:应该仍然是在问天气
print(f"🤖 {assistant.chat('那杭州呢?')}\n")
assistant.reset()
print("👤 那杭州呢?(reset 之后)")
print(f"🤖 {assistant.chat('那杭州呢?')}\n")
if __name__ == "__main__":
main()

评论区

[ 标签 ]
# AI37# AI 编程2# AI工具1# Ajax2# Apifox1# AstrBot3# Astro2# CC Switch1# CDN2# Claude Code1# claudecode2# ClaudeCode1# Cloudflare2# CloudFlare2# CloudFlare-ImgBed3# coc3# CSS6# DeepSeek6# deepseek2# DELETE1# Docker1# EdgeOne3# Gist1# git1# GitHub1# hexo-circle-of-friends1# HTML6# HTTP5# ImageManager1# Java23# java13# JavaScript5# JDBC3# JSON2# JUnit1# LangChain25# Logback1# Maven6# Muse Spark1# Mybatis1# MyBatis4# MySQL28# MySql1# NapCat1# Node.js1# obsidian2# Obsidian5# OpenCode4# ORM1# PathVariable1# PicGo1# PyCharm1# Python65# RequestBody1# RequestMapping1# RESTful风格1# skills1# Slf4j1# SpringBoot11# SQL2# Streamlit5# Svelte2# TailwindCSS1# Telegram3# Tlias2# Vercel1# vscode2# Vue7# Waline3# WebDAV1# Web基础6# Web开发6# WinSCP1# YAML1# 三层架构1# 中二宣言1# 书籍1# 使用文档10# 写作1# 函数2# 刷步数1# 前端32# 动态1# 动漫1# 包1# 单词2# 博客7# 博客工作流1# 博客开发2# 参数接收1# 友链1# 反思2# 图床6# 地图1# 备份2# 大模型1# 奇思妙想1# 存储1# 学习方法6# 学校1# 宝塔面板3# 宝宝10# 对象1# 导航栏1# 工具2# 开发1# 开发工具1# 开发规范1# 开心1# 异常处理1# 影视2# 微信1# 性能优化2# 总结1# 想法15# 感受1# 感悟11# 指南1# 提示词工程1# 插件5# 故障排除1# 效率工具2# 教程10# 数据分析9# 数据库27# 数据结构1# 文件操作2# 斩神1# 日常92# 日志框架1# 朋友圈1# 朱元璋1# 模块1# 模板1# 正则表达式2# 测试1# 游戏2# 爬虫7# 生活迁移1# 电影2# 电脑1# 碎碎念1# 视觉识别1# 类1# 类型注解1# 网络基础2# 网络教室1# 羊毛2# 脚本2# 脚本工具1# 自动化2# 蓝奏云1# 订阅推荐2# 记录2# 评论系统1# 词根1# 词缀1# 说说1# 足迹1# 跑步2# 路径参数1# 转载2# 运动1# 部落冲突1# 配置1# 随机图1# 面向对象5# 音乐3# 音标1# 饮食1# 驼峰命名1# 高德地图1
[ 公告 ]

如果你喜欢,那么欢迎来到我的世界!

了解更多
[ 音乐 ]
封面

音乐

暂未播放

0:000:00
暂无歌词
找不到相关结果。
[ contents ]
[ 全部文章 ]