AI 搜索每次往模型里塞多少字?抓包实测上下文拼接与搜索注入

· 约 19 分钟 · 作者

目录
  1. 追问时,浏览器会把之前的对话重发一遍吗?
  2. 不联网搜索时,模型看到的历史是全文还是摘要?
  3. 打开联网搜索后,服务端往模型里塞了多少字?
    1. 腾讯元宝:前 6 轮的引用文档数是 17 至 19
    2. 千问:通用模型按搜索词增加,老字号问题会换模型
  4. 单篇网页能分到多少?搜到的内容会留到下一轮吗?
    1. 1. 每篇大约 1100 token,是除出来的
    2. 2. 关掉搜索的下一轮,输入会跌下去
  5. 这对内容作者意味着什么?
  6. 常见问题
    1. 用户追问时,AI 会重新阅读上一轮搜出来的网页原文吗?
    2. AI 搜索一次能读完一整篇长文章吗?
    3. 为什么同一个对话里,千问有时走网页搜索,有时换成另一个模型?
    4. 为什么千问和腾讯元宝的固定输入差这么多?
  7. 测试方法与局限
  8. 数据与复算

一句话结论:追问时,浏览器不重发之前的对话。千问和腾讯元宝回传的输入 token 显示,不搜索时历史是逐字往上加的;打开搜索后,当轮会再塞进一大段网页和地点材料。这段材料只在当轮看得到,下一轮若不再搜索,输入就跌回「固定前缀 + 已写出的问答」。

观测记录 #001 看到对话历史会改变搜索词和最终推荐。这篇接着问两件事:多轮对话时,模型实际带上了多少历史;打开联网搜索后,检索材料按多大的量进入模型。

材料来自 DeepSeek、豆包、千问、腾讯元宝、Kimi 五个网页端。能算出输入 token 的只有千问和腾讯元宝,另外三家的请求形状可以看,输入量看不到。

本文要点

  • 追问不重发历史【实测】。五家的后续请求都只带新问题和指向上一条的编号。记录到的请求体积大约是 DeepSeek 220 字节、Kimi 550 字节、千问 720 字节、腾讯元宝 800 字节、豆包 2.3 KB。豆包那个体积主要来自定位权限等客户端信息,不是历史正文。
  • 不搜索时,历史逐字增加【实测】。6 轮等长问题里,千问和腾讯元宝每一轮新增的输入,都接近「上一轮回答 + 这一轮问题」。6 轮内没有出现突然变平的截断。
  • 固定前缀差很多【推断】。第 1 轮输入扣掉问题本身后,千问大约还剩 5700 token,腾讯元宝大约剩 1060 token。请求里没有单独给出系统提示,所以这是估算。
  • 搜索注入是当轮的大头【实测】。腾讯元宝这 6 轮每轮输入 21162 至 25156 token,公开数据里的引用文档数是 17 至 19。千问走通用模型时,1 条搜索词对应回答轮比规划轮多出 6248 至 6696 token,2 条搜索词多出 11295 至 11607 token。
  • 下一轮不搜索,搜索材料就不在了【实测】。千问从 17031 跌到 6933,腾讯元宝从 22657 跌到 2960。两家都能一字不差复述第 1 问的原话,说明问题文本还在,网页原文没有一起留下。
  • 按引用文档数平均,每篇大约 1100 至 1240 token【推断】。这是估算注入除以 cited_docs,不是测到了每一篇的长度。

说明:【实测】是抓包或服务端回传里直接读到的。【推断】是用这些数字做的估算。【未知】是没有下发、因此不能判断的。

追问时,浏览器会把之前的对话重发一遍吗?#

不会。五家后续请求都只带新问题和消息编号【实测】。

五家各开新会话,连续追问本地餐饮问题,记录每一轮的 POST。没有一家在追问时重发历史全文【实测】。

平台追问时实际发送的字段请求体积证据
DeepSeekparent_message_id 递增,加新的 prompt约 220 字节【实测】
Kimichat_id,加 message.parent_id,加新的 blocks约 550 字节【实测】
千问parent_req_id,加 session_id,messages 里只有新消息约 720 字节【实测】
腾讯元宝会话 ID 在 URL 里,正文是新的 prompt约 800 字节【实测】
豆包conversation_id,加 last_message_index,加新问题约 2.3 KB【实测】

因此,从浏览器发出去的请求看不出模型读了多少历史。豆包的 2.3 KB 也不能当成历史正文,里面主要是 client_meta 一类的客户端字段【实测】。有没有人能用改过的请求骗过服务端,这次没有测【未知】。

五家里,千问和腾讯元宝在响应里给了每轮输入 token。DeepSeek 这次只看到会话累计用量,豆包和 Kimi 没有下发 token 统计【实测】。下面的输入量结论只覆盖千问和腾讯元宝。

不联网搜索时,模型看到的历史是全文还是摘要?#

这 6 轮里是逐字往上加,没有出现截断【实测】。

千问和腾讯元宝各开一个新对话,明确要求不联网。连续发送 6 轮字数相同的问题,每轮 42 字:前半句是「不要联网搜索。把这句话翻译成英文,再用中文写约100字赏析:」,后接一句 12 字的日常描写。遥测里这 6 轮的搜索次数和工具调用都是 0【实测】。

如果历史是全文拼接,那么:

残差 = 本轮输入 - 上一轮输入 - 上一轮输出

残差应该接近「本轮这句 42 字的问题 + 固定的消息分隔」。6 轮的数如下【实测】。

轮次千问输入千问输出千问新增输入千问残差元宝输入元宝输出元宝新增输入元宝残差
第 1 轮5748133——1086112——
第 2 轮5933151+185521223130+13725
第 3 轮6120149+187361377133+15424
第 4 轮6305160+185361537153+16027
第 5 轮6502163+197371717133+18027
第 6 轮6700156+198351876139+15926

从第 3 轮起,千问残差停在 35 至 37,腾讯元宝停在 24 至 27。第 2 轮千问残差是 52,比后面多出约 16。增长没有在某一轮突然变平【实测】。多出来的 16 个 token 像是多轮消息多了一段固定开头,但响应里没有单独标出这段模板【推断】。

第 1 轮输入扣掉问题本身以后,千问大约还剩 5700 token,腾讯元宝大约剩 1060 token【推断】。千问这一路的模型名是 qwenchat-fast-complex-base,腾讯元宝请求里写的是 hunyuan_gpt_175B_0404【实测】。差出来的部分包含什么,请求里没有分开【未知】。

腾讯元宝每轮输入约 2.1 万至 2.5 万 token。千问走通用模型时,搜索材料按搜索词条数增加;同一会话里还会换到另一个模型名【实测】。

另开新会话,要求联网。连续发送等长问题,每轮 34 字,问苏州老字号的地址、招牌菜和人均价格。两家的顺序不一样。千问是松鹤楼、得月楼、朱鸿兴、黄天源、采芝斋、陆稿荐。腾讯元宝第 2 轮是陆稿荐,第 3 轮才是得月楼。元宝还有第 7 轮,再次提交陆稿荐;这一轮只有 web_search,没有 poi_search,输入 24843,引用文档数 19。下面的表只用前 6 轮。

腾讯元宝:前 6 轮的引用文档数是 17 至 19#

这 6 轮都同时出现了 poi_search 和 web_search【实测】。表里的引用文档数是公开文件 context_probe.jsonl 的 cited_docs。本地汇总 ctx-results.json 里同一轮的 docs 是 37、35、35、33、37、35,不是这个数,公开文件也没有放字符总长,所以这里不用。

轮次询问对象输入 token输出 token引用文档数减去不搜索同轮输入
第 1 轮松鹤楼2461639119约 23530
第 2 轮陆稿荐2321928818约 21996
第 3 轮得月楼2116225418约 19785
第 4 轮朱鸿兴2131236617约 19775
第 5 轮黄天源2515630719约 23439
第 6 轮采芝斋2176941618约 19893

最后一列用的是另一段「不搜索」对话的同序号轮次,不是从同一个会话里扣掉搜索结果。问题和已经积累的回答都不一样,所以它是估算,不是精确的搜索材料长度【推断】。数量级是清楚的:这 6 轮的输入比不搜索时大一个数量级,每轮都在 2 万 token 上下【实测】。

千问:通用模型按搜索词增加,老字号问题会换模型#

千问的 chat_odps 把一轮拆成两段:规划轮 R1,回答轮 R2【实测】。下面把老字号实验、餐饮追问和主会话放在一起。

会话与轮次提问内容模型名规划轮 R1搜索词数回答轮 R2R2 减 R1
老字号 T1松鹤楼地址、招牌菜和人均rag-fliggy-308x——8015没有这段拆分
老字号 T2得月楼地址、招牌菜和人均rag-fliggy-308x——7980没有这段拆分
老字号 T3朱鸿兴地址、招牌菜和人均qwenchat-fast-complex-base60041122526248
老字号 T4黄天源地址、招牌菜和人均qwenchat-fast-complex-base61351128316696
老字号 T5采芝斋地址、招牌菜和人均rag-fliggy-308x——8290没有这段拆分
老字号 T6陆稿荐地址、招牌菜和人均rag-fliggy-308x——8871没有这段拆分
餐饮追问 T1苏州值得去的百年老字号qwenchat-fast-complex-base5736见注1703111295
主会话 Q1苏州当地有名的护肤品qwenchat-fast-complex-base7626见注1923311607

搜索词数要分开看。T3、T4 的 1 条,来自 context_probe.jsonl 的 search_query_count。餐饮追问和主会话这两行,公开的 token 记录没有这个计数。queries.jsonl 里,两行都有 2 条页面展示的搜索词,字段是 multi_load 的 query_list;同一轮还有别的改写字段,不能把它们加进去当成 3 条或 4 条。本地 qwen-context-growth.json 的 searchQ 也是 2,但 qwen-server-telemetry.json 没有导出这个字段。

R2 减 R1 是同一轮里的两个数,这个减法是直接读到的【实测】。把它解释成「每条展示搜索词大约分到 5600 至 6700 token」,目前只有这四轮【推断】。

同一串老字号问题里,T1、T2、T5、T6 的模型名是 rag-fliggy-308x,T3、T4 仍是 qwenchat-fast-complex-base【实测】。所以模型名不是整段会话锁死的。飞猪这一路没有给出 R1、R2 和搜索词条数,内部用了什么材料看不到【未知】。

单篇网页能分到多少?搜到的内容会留到下一轮吗?#

按公开的引用文档数除,每篇大约 1100 至 1240 token。下一轮一旦不搜索,万级的搜索输入不会留下【推断;跌落本身是实测】。

1. 每篇大约 1100 token,是除出来的#

  • 腾讯元宝前 6 轮输入约 2.1 万至 2.5 万 token,引用文档数是 17 至 19。用上表估算的搜索注入除以这个数,大约每篇 1100 至 1240 token【推断】。本地汇总的 docs 是 33 至 37,字符总长约 3 万至 4 万,两个数都没进公开文件,不拿来当每篇长度。
  • 千问主会话 Q1 的 rerank_doc_count 是 10。同一轮 R2 比 R1 多 11607 token。10 篇一起分这 1.1 万 token,平均大约 1100 token,和「一条展示搜索词」不是同一个口径【推断】。Q2「问兰药业是什么」的 rerank_doc_count 是 0,不能把 10 篇套到这一问上【实测】。
  • 千问 Q1 的 web_search@ai_retriever 耗时 1141 毫秒,Q2 是 1028 毫秒。首包延迟分别是 2512 毫秒和 1972 毫秒【实测】。这是检索器这一次调用的耗时,不是目标网页的首字节时间,响应里也没有超时阈值【未知】。

2. 关掉搜索的下一轮,输入会跌下去#

一组是「先搜索两轮,再明确要求不搜索」【实测】。

轮次提问千问输入腾讯元宝输入
第 1 轮苏州百年老字号餐饮,联网搜索17031(规划轮 5736)21140
第 2 轮哪家适合带孩子,联网搜索8943(模型名为 rag-fliggy-308x)22657
第 3 轮不用搜索,一句话总结刚才聊了什么69332960
第 4 轮不用搜索,重复上一句7011(加 78)3026(加 66)
第 5 轮不用搜索,复述第一个问题的原话7066(加 55)3421

第 3 轮起不再搜索,千问从 17031 跌到 6933,腾讯元宝从 22657 跌到 2960【实测】。6933 接近千问不搜索实验里的水位。第 5 轮两家都复述出了第 1 问的原话【实测】。

这只能说明:在这次「明确要求不搜索」的轮次里,之前那一万多 token 的搜索输入没有留在新的输入里。用户如果继续用一句会触发搜索的话来追问,服务端会不会再搜、会不会仍丢掉上一轮材料,这次没有测【未知】。

千问和腾讯元宝这次对得上的拼法是【推断】:

本轮输入 = 固定前缀
        + 此前各轮的「问题 + 最终回答」
        + 本轮如果搜索,再加本轮的搜索材料
        + 本轮问题

这对内容作者意味着什么?#

  1. 不要把平均值写成一条硬配额。 按公开的引用文档数除,元宝大约是每篇 1100 至 1240 token;按千问重排保留的 10 篇除,大约是 1100 token。这足够提醒人不要把唯一的事实埋在长背景后面,但这次没有看到检索器在第几个字截断【推断】。
  2. 没被写进回答的材料,在一次不再搜索的追问里用不上。 证据只到这里:下一轮被要求不搜索时,模型还能复述上一轮的问题和回答,输入里已经没有上一轮那一万多 token。不能推广成「所有第二轮追问都会把来源名单清掉」【实测的范围见上一节】。
  3. 不能从 1.1 秒推出「网站必须 1 秒内响应」。 1141 毫秒和 1028 毫秒是千问检索器整次调用的耗时。这里面有查询、检索服务和结果组装,没有分成每个目标网站的 TTFB,也没有给出超时就被丢弃的阈值【未知】。

常见问题#

用户追问时,AI 会重新阅读上一轮搜出来的网页原文吗?#

千问和腾讯元宝在下一轮被明确要求不搜索时,输入 token 会从一万多跌到只剩固定前缀和此前的问答。留下的是上一轮的最终回答,不是上一轮的网页原文。豆包、Kimi 和 DeepSeek 没有下发输入 token,看不出是不是同样处理。

AI 搜索一次能读完一整篇长文章吗?#

这次没有测到截断位置。公开数据里,腾讯元宝前 6 轮的引用文档数是 17 至 19。用估算的搜索注入除以这个数,大约每篇 1100 至 1240 token。这是平均值,不是每一篇的实测长度。

为什么同一个对话里,千问有时走网页搜索,有时换成另一个模型?#

六轮句式相同的老字号问题里,四轮的模型名是 rag-fliggy-308x,两轮是 qwenchat-fast-complex-base。模型名按轮变化,飞猪这一路内部检索了什么没有下发。

为什么千问和腾讯元宝的固定输入差这么多?#

不搜索的第一轮,扣掉问题本身之后,千问大约还剩 5700 token,腾讯元宝大约剩 1060 token。请求里没有单独的系统提示字段,这个差是用输入减去问题估算的。

测试方法与局限#

  • 发布时间:2026-11-13。抓包时间是 2026-10-30 23:00 至 2026-10-31 03:05(北京时间)。6 轮控制实验集中在 10 月 31 日 01:52 至 03:05;护肤品主会话和餐饮追问是同一段抓包里更早的会话,不是 #001 的医美问题。
  • 条件:单账号,桌面 Chromium,用 CDP 记录请求和流式响应。出口是苏州电信。千问遥测里的 user_city 是苏州市、user_prov 是江苏省【实测】。
  • 能看到:五家追问请求的字段;千问和腾讯元宝每轮的输入、输出 token;千问的模型名、R1/R2、老字号实验的搜索词计数、检索耗时和 rerank_doc_count;腾讯元宝的引用文档数。本地还有召回资料数和字符总长,但公开文件没有。
  • 看不到:豆包、Kimi、DeepSeek 的输入 token;两家都没有下发 cached_tokens;6 轮以后会不会截断;rag-fliggy-308x 内部的材料;每个目标网站的响应时间和超时阈值。
  • 平台页只收录这次能分开写的两家:千问、腾讯元宝。

数据与复算#

公开数据集 Maodian/opengeo-observation-001 里,这篇用到三个文件:data/context_probe.jsonl、data/signals.jsonl、data/queries.jsonl。下表的筛选条件都指这三个文件。本地的 ctx-results.json、qwen-context-growth.json、qwen-server-telemetry.json 是同一次抓包的汇总,没有放进数据集。

文中的数字怎么复算结果
千问不搜索:5748、5933、6120、6305、6502、6700context_probe.jsonl,platform=qwen、condition=search_off_prompt,读 prompt_tokens 和 completion_tokens第 3 至 6 轮残差为 36、36、37、35
元宝不搜索:1086、1223、1377、1537、1717、1876同文件 platform=yuanbao、condition=search_off_prompt第 2 至 6 轮残差为 25、24、27、27、26
元宝联网输入 21162 至 25156,引用文档 17 至 19同文件 condition=search_on_prompt 的前 6 轮,读 prompt_tokens 和 cited_docs;第 7 轮单独是 24843 和 19与表中一致
千问 T3、T4 相差 6248、6696,搜索词数为 1同文件 qwen、search_on_prompt 的 turn 3 和 4;per_round_prompt_tokens 的后一个减前一个,search_query_count 为 112252 减 6004;12831 减 6135
追问和主会话相差 11295、11607signals.jsonl,千问 followup_recall turn 1 的 token_usage 是 17031;main turn 1 是 19233。规划轮 5736 和 7626 没有单独进公开文件,只能从本地 qwen-context-growth.json 和 qwen-server-telemetry.json 的分轮字段复算17031 减 5736;19233 减 7626
这两行的展示搜索词各有 2 条queries.jsonl,query_source 为 multi_load 的 query_list:followup_recall turn 1 和 main turn 1不要把同轮其他 query_source 的改写字段加进去
不搜索后千问跌到 6933signals.jsonl,qwen、followup_recall、turn 1 和 turn 3 的 token_usage17031 到 6933
元宝从 22657 跌到 2960本地追问遥测的 promptTokens。signals.jsonl 和 context_probe.jsonl 都没有这两个数不能只用公开文件复算
Q1 重排篇数为 10,Q2 为 0signals.jsonl,signal=rerank_doc_count,qwen、main、turn 1 和 turn 210;0
检索耗时 1141 毫秒、1028 毫秒只在本地 qwen-server-telemetry.json 的 tool 字段里,没有进公开数据集公开文件不能复算这一行