一句话结论： 接地查询（grounding query） 是 AI 系统在动笔回答之前、为自己在幕后生成并运行的搜索——它绕过被冻结的训练数据，去实时网络抓取最新、可核实的事实。你永远看不到这些搜索，但正是它们决定了在 AI Overviews、Google AI Mode、Gemini、ChatGPT、Copilot、Perplexity 里，哪些页面被读取、被信任、被引用。在 AI 时代，为「人类输入的关键词」排名，远不如为「机器生成的查询」被检索到重要。
一句话定义
当你向大语言模型提问时，它做的第一件事是判断：我能凭记忆回答，还是需要去查一下网络？ 如果需要查，它会悄悄把你的问题改写成一条或多条精确的、「事实形状」的搜索，拿去在实时索引里检索（Gemini 与 AI Mode 用 Google，Copilot 用 Bing），读取结果，再把答案「接地」到查到的内容上。这些由机器生成的搜索，就是接地查询。
它是「AI 自信地一本正经胡说」与「AI 说『根据【你的页面】……』」之间的分水岭。接地是所有 AI 可见度指标——提及率、引用率、声量份额——底下的那层检索。一个页面若从不为任何接地查询出现，它在上述所有指标上的天花板就是 零。
三层查询栈：用户输入 → 扇出 → 接地
最大的误区，是把三件截然不同的事塞进一个「搜索」里。它们是三层，且各有各的优化方式。
第一层——你输入的问题。 人类打进去的：「哪款订婚戒指在这个价位钻石品质最好？」 口语化、粗糙、充满意图。
第二层——扇出查询（Query Fan-out）。 Semrush 的定义是：「AI 搜索系统把一条用户查询拆成多条子查询，分别收集信息，再合并成一个回答的过程。」AI 把你这一条提问拆成一组广度上的并行子搜索——「高性价比订婚戒指品牌」「培育钻 vs 天然钻钻石品质」「Tiffany vs Blue Nile 价格」。在一个被记录的案例里，Google AI Mode 为回答一条度假规划提问，一口气发起了 8 条搜索。 扇出关乎覆盖面：撒一张大网，覆盖官网、评测、论坛、专家帖等多种信源。
第三层——接地查询（Grounding Query）。 扇出求广，接地则 深而窄。接地查询不是要「这个主题下最好的十篇文章」，而是要那个最精确、最新、最可被引用的单一数据点，用来在模型落笔之前核实某一个具体论断。
一句话记住：扇出把受众带来，接地让 AI 敢信这个答案。 你需要的是双轨策略，而不是二选一。
接地在底层到底怎么跑（拆开黑箱）
接地是 检索增强生成（RAG） 的一种应用：把模型「流畅但被冻结」的语言能力，拴到一个外部的、实时的事实源上。Google 自家的 Gemini API 文档把这条流水线写得很清楚，而它适用于所有做接地的 AI 系统。
- 模型读你的提问，判断搜索是否能让答案更好。 这是一次「路由」决策，不是反射——稳定的事实跳过它，易变的事实触发它。
- 若需要接地，模型自动生成一条或多条搜索查询——把你的自然语言问题改写成简洁的、为检索而生的字符串。
- 它执行这些搜索，读取返回的段落，并综合它们 成一个答案。
- 它连同「接地元数据」一起返回答案，把自己干的活儿都记了下来。
在 Gemini API 里，这份元数据是可以查看的——这是窥探黑箱如何运作最清晰的一扇窗：
元数据字段 |
|---|
