# AI 搜索是怎么推荐的？抓包实测 5 家国产 AI 的搜索词改写与引用来源

- 作者：何瑜（https://opengeo.page/author/）
- 发布：2026-11-05；更新：2026-11-06
- 网页版：https://opengeo.page/observations/001-suzhou-yimei/
- 授权：文字以 CC BY 4.0 授权，转载或引用请注明「来源：OpenGEO 项目」并附网页版链接。

> 同一句「苏州当地有哪些医美」，豆包、千问、腾讯元宝、Kimi、DeepSeek 给出不同推荐。抓包发现，差异来自位置识别、搜索词改写和来源筛选三个环节，上一轮对话甚至会进入搜索词。附 GEO 测试建议。

**一句话结论：**AI 搜索不会直接拿你的原话去搜。它会先判断你的位置，把问题改写成多条搜索词，再从搜到的结果里挑出一部分交给模型。这三步各家做法不同，所以同一个问题会得到不同的推荐。

我在 5 家国产 AI 上问了同一句话：「苏州当地有哪些医美？」然后抓包看它们背后的请求。这一问里能看到的差异，主要集中在下面三个环节。

![流程图：你的问题、位置识别、搜索词改写、检索、来源筛选、交给模型、回答。位置识别（3 家在问题之外处理了位置相关信息）、搜索词改写（改写成 1、3、5 条）、来源筛选（千问 20 条只送 5 条）三个环节用黑框标出。](https://opengeo.page/images/observations/001/fig-1-pipeline.svg)

*图 1：从提问到回答的流程。黑框是这次抓包看到差异的三个环节。*

**本文要点**

- **位置识别：**3 家在问题之外处理了位置相关信息，例如 IP 归属地、浏览器定位权限、地区检索工具。
- **搜索词改写：**同一句话，有平台改写出 1 条搜索词，有的 3 条，有的 5 条，方向也各不相同。
- **对话历史会进入搜索词：**其中一家把上一轮聊过的企业名，带进了这一轮的搜索词。
- **来源筛选：**其中一家检索到 20 条素材，最后只把 5 条送进模型。
- **对 GEO 的启示：**要研究的是 AI 改写后的搜索词，不只是用户输入的关键词；测试推荐率时，会话上下文必须作为变量控制。

> 说明：诊所和药企名称用 XX 代替。【实测】是抓包里直接看到的，【推断】是根据实测推出来的，【未知】是没抓到或判断不了的。

## AI 搜索会获取你的位置吗？

会，至少有 3 家这样做。

| 平台 | 观察到的动作 | 证据 |
| --- | --- | --- |
| 豆包 | 请求里带了 3 项浏览器定位权限状态，没有坐标 | 【实测】 |
| 千问 | 提问前先查 IP 归属地，埋点 user_city 为「苏州市」，意图标为「本地生活-地点周边信息查询」 | 【实测】 |
| 腾讯元宝 | 调用了 region_search 地区检索工具 | 【实测】 |
| Kimi | 未观察到 | 【未知】 |
| DeepSeek | 未观察到 | 【未知】 |

不过问题里已经写了「苏州」，所以这次判断不了定位有没有影响推荐结果【未知】。对本地服务类商家来说，值得关注的是：即使用户没写城市，AI 也可能自己判断出来。

## AI 搜索实际搜的是什么词？

不是你的原话。AI 会先把问题改写成搜索词，即「查询改写」（Query Rewriting）。

| 平台 | 条数 | 实际搜索词 |
| --- | --- | --- |
| 千问 | 1 | 苏州当地医美机构及医疗美容医院 |
| Kimi | 3 | 苏州 医美机构 知名 排行榜 2025；苏州 整形医院 公立 医疗美容科；苏州 医美 产业 企业 |
| 豆包 | 5 | 苏州正规医美机构 公立三甲皮肤科 连锁医美 敏感肌；苏州姑苏XX医美诊所介绍；苏州吴中 高新区 医美机构推荐 敏感肌；苏州敏感肌医美面诊避坑；苏州光子嫩肤红血丝机构测评 |

> 腾讯元宝的改写词这次没抓到，DeepSeek 这一问没有计入。

![分支图：同一句「苏州当地有哪些医美？」，千问改写出 1 条搜索词，Kimi 3 条，豆包 5 条，每条搜索词单独列出。](https://opengeo.page/images/observations/001/fig-2-queries.svg)

*图 2：同一句话改写出的搜索词，千问 1 条、Kimi 3 条、豆包 5 条。*

三家的思路很不一样【实测】：

- 千问基本照原意搜。
- Kimi 加了排行榜、公立医院和产业方向。
- 豆包拆得最细，敏感肌、面诊避坑、光子嫩肤都单独搜了。

用户问的是「苏州医美」，AI 实际搜的可能是「敏感肌面诊避坑」。只围着原始关键词做内容，覆盖不到这些搜索。

## 聊过的内容会影响 AI 搜索吗？

这次看到了一个例子。

豆包的第二条搜索词是「苏州姑苏XX医美诊所介绍」。我这一问没提过这家诊所，但它和我上一问「XX药业是什么」里的药企同名【实测】。

| 对话轮次 | 内容 |
| --- | --- |
| 第 2 问 | 「XX药业是什么」 |
| 第 3 问 | 「苏州当地有哪些医美」 |
| 豆包生成的搜索词 | 「苏州姑苏XX医美诊所介绍」 |

也就是说，上一轮的企业名被带进了这一轮的搜索。AI 改写搜索词时，很可能会参考对话历史【推断】。其他平台这次没出现这种情况，但不能因此说它们不用对话历史。

这对 GEO 测试影响很大：新开对话直接问，和聊了几轮之后再问，AI 搜的东西可能不一样。

## AI 搜到的内容都会用吗？

不会。搜到、读到、引用，是三件事。

**千问：检索 20 条，送进模型 5 条。** `material_stat` 字段显示检索到 20 条素材，最后送进模型的只有 5 条【实测】。这 5 条怎么挑出来的，还原不了【未知】。

![漏斗图：千问检索到 20 条素材，经过规则未知的筛选，只有 5 条送进模型。](https://opengeo.page/images/observations/001/fig-3-filter.svg)

*图 3：千问检索到 20 条素材，送进模型的只有 5 条。*

**豆包：抖音和工商信息占比不低。** 页面显示参考了 29 篇，我抓到其中 17 条带链接的来源【实测】：

| 来源类型 | 条数 |
| --- | --- |
| 同名诊所相关（企查查、区政府备案公告、黄页、爱企查、招聘页、点评页） | 6 |
| 抖音视频 | 4 |
| 医院官网 | 2 |
| 中华网 | 2 |
| 其他（杭州网、潮新闻、小荷各 1） | 3 |

此前问护肤品时，29 篇里也有 10 篇来自抖音。工商、备案这类实体信息，同样进入了引用。不过这些只是被引用的来源，不等于全部候选，各自权重多大看不出来【未知】。

**Kimi：一轮检索，引用定位到段落。** Kimi 搜了一轮，引用 12 条。引用能关联到原网页里的具体段落，不只是一个网址【实测】。

**DeepSeek：会根据第一轮结果再搜。** 这组数据来自下一问：开着深度思考，问苏州光子嫩肤的价格。它先搜 5 个词拿到 30 条结果，打开 7 个网页；接着搜了 4 个更具体的词，细到「苏州市立医院 东区 光子嫩肤 M22 价格 单次」，再打开 3 个网页，然后才回答【实测】。这是另一道题，不能和其他平台直接比较，但说明有的 AI 会多轮追加检索【推断】。

## 这对 GEO 优化意味着什么？

1. **研究 AI 改写后的搜索词，而不只是用户的原词。**AI 会把一个宽泛问题拆成具体需求，比如人群（敏感肌）、项目（光子嫩肤）、顾虑（避坑）。内容能覆盖这些细分问题，才更可能被搜到。
2. **测 AI 推荐率时，要控制会话上下文。**新会话和连续会话的结果可能不同。不说明测试条件的推荐率数据，很难复现。
3. **被检索、被读取、被引用、被推荐，要分开看。**内容被搜到，不代表模型会读；读了不代表会引用；引用了也不代表会推荐你的品牌。只看最终推荐率，很难解释优化为什么有效、为什么无效。

## 常见问题

### AI 搜索和传统搜索引擎有什么区别？

传统搜索直接按关键词返回网页排名。AI 搜索会先改写问题、可能多轮检索，再从结果里挑一部分交给模型生成回答。所以 AI 推荐并不等于「搜索排名靠前的网页」。

### 为什么不同 AI 对同一个问题推荐不一样？

从这次抓包看，原因至少有三个：位置处理方式不同，改写出的搜索词不同，从检索结果里挑选的来源也不同。

### AI 搜索会参考之前的对话吗？

这次观察到一家平台把上一轮的企业名带进了下一轮搜索词，所以很可能会。其他平台没观察到，但不能排除。

### GEO 优化应该从哪里入手？

先搞清楚 AI 针对你的行业会改写出哪些搜索词，再看哪些类型的来源容易被引用，比如官网、工商备案、短视频、媒体报道。测试时注意区分新会话和连续会话。

## 测试方法与局限

- 时间：2026-10-30 23:00 至 10-31 00:10（CST）
- 条件：单账号，单次连续对话，苏州电信网络
- 上下文：目标提问是会话第 3 问，前两问是苏州有名的护肤品和「XX药业是什么」
- 能看到：搜索词、部分检索结果与引用、部分埋点字段、工具调用名
- 看不到：系统提示词、模型实际读了哪些正文、内部排序规则；各家对医美这一问的最终回答没有提取

只测了一次，结论不代表平台的普遍表现，只能作为后续控制变量实验的假设。

脱敏后的抓包提取数据（搜索词、来源、工具调用、埋点字段，CC BY 4.0）已公开在 Hugging Face：[Maodian/opengeo-observation-001](https://huggingface.co/datasets/Maodian/opengeo-observation-001)。数据卡逐条列出了文中各项数字对应的记录，并写明了采集时间等细节。

## 更新记录

- 2026-11-05：首次发布。
- 2026-11-06：标题与正文改写为问答结构（位置、搜索词、对话历史、来源筛选、GEO 启示、常见问题），数据与标注未改；补充作者信息。
- 2026-11-06：平台一律改用真实产品名（豆包、千问、腾讯元宝），数据、结论与标注未改；图 1 位置识别环节的措辞与正文统一。
- 2026-11-06：附上脱敏数据集链接（Hugging Face）。