grounding 如何運作?
grounding 的做法是在模型回答的當下提供擷取到的內容,並把回答的各部分連回這些內容。Google 將 Grounding with Google Search 描述為把 Gemini 模型連接到即時網路內容;有依據的回應會附上模型執行的搜尋查詢,以及把回答片段連結到來源網址的引用註記(Gemini API 文件,2026 年 10 月 13 日更新)。
Anthropic 的 Citations 功能會為每項主張傳回確切的引用文字及其在來源文件中的位置;由於這段文字是 API 自己擷取的,Anthropic 表示引用保證包含指向所提供文件的有效指標(Claude 文件,2026 年 10 月 15 日 查閱)。
哪些引擎會為回答提供依據?依據的是什麼?
每個引擎都以自己的搜尋來源為依據:
- Google AI Overviews 和 AI Mode:Google 的搜尋索引,佐證連結來自已編入索引且符合摘要資格的頁面。
- Microsoft Copilot:依 Microsoft 的文件,是它自己撰寫並送到 Bing 搜尋服務的查詢。
- ChatGPT:它選擇執行的網路搜尋,並為結果中的網址加上行內引用。
- Claude 和 Perplexity:它們自己的網路搜尋,來源列在回答旁邊。
實際範例中的 grounding 是什麼樣子?
在公開的 Tesla 範例(2026 年 10 月 4 日)中,Claude 回答「What is Tesla?」和「Is Tesla legit?」時,用的是模型原本就知道的內容,沒有引用任何來源:這是沒有依據的回答。在 25 個買家問題上,它則大量提供依據,共有 351 個引用,最常引用的網站是 en.wikipedia.org(16 次),tesla.com 只有 1 次。
Google AI Overviews 的每則回答都以 Google 的索引為依據,而它回答「What is Tesla?」時,開頭講的是同名的磁感應強度單位。grounding 讓回答可以查證,卻不保證講的是對的那個 Tesla。
grounding 為什麼對品牌很重要?
因為有依據的回答,是您這個月就能影響的部分。它讀取的是現在存在的頁面,所以更正後的價格或新的比較頁,一旦被爬取就能進入回答;沒有依據的回答則只會隨更新的模型改變。
這也是您的內容控制發揮作用的地方。Google-Extended 讓網站可以表明 Google 是否能把其內容用於 Gemini Apps 的 grounding,以及 Vertex AI 上的 Grounding with Google Search,而 Google 表示它不影響 Google 搜尋(Google 爬蟲文件,2026 年 7 月 14 日更新)。
Proofsource 如何顯示 grounding?
Proofsource 會保存每則回答及其引用的頁面,若引擎有回報,也會保存它執行的搜尋,讓您分辨有依據的回答和憑記憶的回答,並看出它依據了哪些來源。請見引用。
關於 接地(Grounding) 的常見問題
grounding 能杜絕幻覺嗎?
它能透過提供來源減少幻覺,但有依據的回答仍可能誤讀來源、選錯來源或把兩個來源混在一起。請檢查被引用的頁面,而不只是看有沒有引用。
grounding 和 RAG 是同一件事嗎?
兩者密切相關。RAG 是先擷取再撰寫的方法;grounding 是把回答中的主張連結到擷取到的內容。大多數 AI 搜尋引擎兩者都做。
我能看出一則回答是否有依據嗎?
通常可以從來源判斷:有依據的回答會列出或連結來源。完全沒有來源的回答,很可能是憑模型的記憶寫的。
封鎖 Google-Extended 會讓我從 AI Overviews 消失嗎?
不會。Google-Extended 涵蓋的是 Gemini 訓練,以及 Gemini Apps 和 Vertex AI 中的 grounding。Google 表示它不影響在 Google 搜尋(包括 AI Overviews)中的收錄或排名。
相關詞彙
- 檢索增強生成(RAG)
檢索增強生成(RAG)是一種方法:語言模型先檢索相關文件,再參考這些文件撰寫回答。
- 訓練資料與即時搜尋
訓練資料是模型在知識截止日之前學到的內容;即時搜尋是它回答時在網路上查找的內容,一則 AI 回答可能依據其中一種或兩者。
- AI 幻覺
幻覺是 AI 回答中語氣肯定、卻錯誤或缺乏依據的陳述,例如錯誤的價格、不存在的功能,或從未有人寫過的來源。
- Google-Extended
Google-Extended 是一個 robots.txt 標記,控制 Google 爬取的內容能否用於訓練未來的 Gemini 模型及作為 Gemini 回答的依據,對 Google 搜尋沒有任何影響。
實例:Tesla,公開的 AI 回答,2026 年 10 月 4 日:Proofsource 對 Tesla 的第一次掃描,25 個買家問題和 5 個品牌問題,四個引擎各回答每個問題一次。這是單一品牌的小樣本,僅作為範例,不是基準。