# 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

- 作者：何瑜（https://opengeo.page/author/）
- 发布：2026-11-13；更新：2026-11-13
- 网页版：https://opengeo.page/observations/002-context-token-probe/
- 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。

> 抓包实测千问和腾讯元宝：追问不重发历史；不搜索时历史逐字增加；元宝每轮搜索约注入 2.1 万 token，下一轮不搜索就不再保留。

**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](/observations/001-suzhou-yimei/) 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 |
| --- | --- | --- | --- |
| DeepSeek | parent_message_id 递增，加新的 prompt | 约 220 字节 | 【实测】 |
| Kimi | chat_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：

```text
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 | 5748 | 133 | — | — | 1086 | 112 | — | — |
| 第 2 轮 | 5933 | 151 | +185 | 52 | 1223 | 130 | +137 | 25 |
| 第 3 轮 | 6120 | 149 | +187 | 36 | 1377 | 133 | +154 | 24 |
| 第 4 轮 | 6305 | 160 | +185 | 36 | 1537 | 153 | +160 | 27 |
| 第 5 轮 | 6502 | 163 | +197 | 37 | 1717 | 133 | +180 | 27 |
| 第 6 轮 | 6700 | 156 | +198 | 35 | 1876 | 139 | +159 | 26 |

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】。

## 打开联网搜索后，服务端往模型里塞了多少字？

**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 | 24616 | 391 | 19 | 约 23530 |
| 第 2 轮 | 陆稿荐 | 23219 | 288 | 18 | 约 21996 |
| 第 3 轮 | 得月楼 | 21162 | 254 | 18 | 约 19785 |
| 第 4 轮 | 朱鸿兴 | 21312 | 366 | 17 | 约 19775 |
| 第 5 轮 | 黄天源 | 25156 | 307 | 19 | 约 23439 |
| 第 6 轮 | 采芝斋 | 21769 | 416 | 18 | 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 R2 | R2 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-base | 6004 | 1 | 12252 | 6248 |
| 老字号 T4 | 黄天源地址、招牌菜和人均 | qwenchat-fast-complex-base | 6135 | 1 | 12831 | 6696 |
| 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-base | 5736 | 见注 | 17031 | 11295 |
| 主会话 Q1 | 苏州当地有名的护肤品 | qwenchat-fast-complex-base | 7626 | 见注 | 19233 | 11607 |

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 | 6933 | 2960 |
| 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】：

```text
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](/ai/qianwen/)、[腾讯元宝](/ai/yuanbao/)。

## 数据与复算

公开数据集 [Maodian/opengeo-observation-001](https://huggingface.co/datasets/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、6700 | context_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 1 | 12252 减 6004；12831 减 6135 |
| 追问和主会话相差 11295、11607 | signals.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 6933 | signals.jsonl，qwen、followup_recall、turn 1 和 turn 3 的 token_usage | 17031 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 0 | signals.jsonl，signal=rerank_doc_count，qwen、main、turn 1 和 turn 2 | 10；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 |

## 更新记录

- 2026-11-13：首次发布。材料来自 2026-10-30 至 10-31 的网页端抓包。

