Grounding Queries(接地查询)是 AI 模型在生成回答之前,自行生成并发送到实时搜索索引的检索词——Microsoft Copilot 查 Bing,Gemini 查 Google。它们不是用户输入的原话,而是机器自己的改写,作用是把回答"接地"在可检索的网页内容上,而不是模型冻结的训练数据里。这让它们成为 AI 搜索时代最接近关键词表的东西:在 grounding query 中被检索到,你才可能被引用;错过它,AI 的回答就与你无关。
核心要点
- Grounding queries 是 AI 引擎在后台自动生成的检索词,用于核实事实、获取最新内容,措辞、颗粒度和数量通常都与用户的原始 prompt 不同。
- 一个 prompt 通常会扩展(fan out)成多条 grounding queries,一次 AI 回答意味着多次被检索的机会——也意味着多种被跳过的方式。
- Bing Webmaster Tools 的 AI Performance 报告(2026 年 2 月起公开预览)是第一个公开真实 grounding queries 的主流站长平台,并能对应到被引用的 URL。
- 检索是所有 GEO 下游指标的闸门:在 grounding queries 层面不可见,就不会有提及、引用和商品卡。
Grounding Queries 如何工作
大语言模型的知识停在训练截止日。要回答任何时效性或品牌相关的问题,它们依赖 RAG(检索增强生成),而 grounding queries 就是这条链路中"检索"的那一半:
- 用户问:"追踪 AI 搜索可见度,GEOly 比 Ahrefs 好吗?"
- 模型把 prompt 拆解成自己的检索词:"GEOly AI 平台功能"、"GEOly vs Ahrefs 对比"、"AI visibility 工具 2026 评测"。
- 每条查询发送到搜索索引——Copilot 查 Bing,Gemini 和 Google AI Mode 查 Google,Perplexity 查自建索引。
- 模型阅读排名靠前的段落,挑出几条作为 AI 引用,合成最终回答。
第 2、3 步就是 grounding。注意其中发生的"翻译":用户用口语化的比较句提问,模型却用文档化的语言检索——更具体、更偏事实、常带年份。消费者输入"客厅白天用的高性价比投影仪",触发的 grounding queries 可能是"投影仪白天观看所需流明"和"2026 高亮度投影仪 500 美元以下"。
Google 在 AI Mode 里把这种扩展称为 query fan-out,AI Overviews 的机制相同。Gemini 开发者甚至能拿到完整清单:按照 Google 官方 grounding 文档,API 会在 grounding metadata 的 webSearchQueries 字段返回每一条实际执行的搜索。Microsoft 则在 Copilot 数据中直接使用 grounding queries 这个叫法。机制一样,名字不同。

为什么 2026 年要盯 Grounding Queries
Grounding queries 揭示了 AI 真正想满足的意图,而它经常和你关键词调研里写的意图不一样。这也是 GEO 与 SEO 的分岔点:传统搜索优化的是人类输入什么,GEO(生成式引擎优化)优化的是机器检索什么。而且用户永远看不到这些查询,整场竞争发生在零点击的黑盒里——除非平台开放数据,你只能从输出端反推。
AI 可见度指标体系里的每一项——提及率、引用率、AIGVR——都排在检索之后。在 grounding queries 层面从不露面的内容,这些指标的上限就是零。




