Maodian/opengeo-observation-001

OpenGEO Observation 001：5 家国产 AI 搜索的查询改写、检索来源与位置信号

English summary. A small, de-identified dataset derived from browser network captures of five Chinese AI assistants (Doubao, Qwen, Tencent Yuanbao, Kimi, DeepSeek) answering the same short conversation on 30–31 Oct 2026 (Suzhou, China Telecom network, one account). It records what each assistant actually searched for (rewritten queries), which sources it retrieved, showed or cited, which tools it called (e.g. region_search), and location/intent fields seen in the traffic. Raw HTTP dumps, answers, identifiers and credentials are not included. One run, one account. It does not represent how these platforms behave in general. It supports the article OpenGEO 观察 001.

---

数据集说明

这份数据集配套文章《OpenGEO 观察 001：苏州医美》。我在 5 家国产 AI 助手的网页版上问了同一组问题，用浏览器抓下网络请求，再从中提取研究需要的字段：

• 平台实际搜索的改写词（query rewriting）
• 检索到、展示或引用的来源（标题、URL、域名）
• 工具调用顺序（如 web_search、region_search、TOOL_OPEN）
• 位置、意图等埋点字段（城市级位置、定位权限状态、意图标签、material_stat 素材计数等）

原始 HTTP 数据不公开，只发布提取后的 JSONL。

• 作者：何瑜
• 原文：https://opengeo.page/observations/001-suzhou-yimei/
• 许可：CC BY 4.0（转载或使用请署名作者，并附原文链接）

采集条件

项目	说明
平台	豆包（doubao）、千问（qwen）、腾讯元宝（yuanbao）、Kimi（kimi）、DeepSeek（deepseek），均为网页版
账号	每个平台 1 个账号，已登录
网络	苏州，中国电信宽带
方式	浏览器自动化输入问题，通过 Chrome DevTools Protocol 记录 XHR/Fetch 请求与响应
主会话（session = main）	第 1 问「目前苏州当地有名的护肤品有哪些」→ 第 2 问「XX药业是什么」→ 第 3 问「苏州当地有哪些医美」，三问在同一个对话里连续提出
第 4 问（main_q4）	「苏州做光子嫩肤一般多少钱？请对比三家机构的价格和口碑，并标注信息来源」。DeepSeek 开深度思考，元宝用深度研究，Kimi 接在主会话后面问
追问实验（followup_*）	新开对话，问苏州百年老字号餐饮，再做两轮追问和「不用搜索」的记忆复述
上下文探针（ctx_*）	千问、元宝各做两组：要求「不要联网搜索」的 6 轮翻译赏析，以及要求「请联网搜索」的 6–7 轮老字号介绍，用来看每轮输入 token 怎么增长

实际采集时间（CST，取自请求时间戳，精确到分钟）：

平台	主会话 Q1–Q3	Q4
DeepSeek	2026-10-30 23:22–23:24	23:47（深度思考）
豆包	23:25–23:27	未采集
千问	23:29–23:31	未采集
元宝	23:33–23:35	深度研究，时间未记录
Kimi	2026-10-31 01:34–01:36	01:37

追问实验约在 10-31 01:51–02:07，上下文探针约在 02:35–02:58。这两组时间是从浏览器单调时钟换算的，前面标了 ~，误差在 1 分钟以内。

注意：Kimi 是另一轮单独采集的，时间晚于其他平台约两小时。

会话里已有的历史（重要）

豆包、千问、DeepSeek 主会话的「第 1 问」并不是对话里的第一条消息。抓包显示，同一个对话里已经有一轮更早的同题提问（那一轮没有采集）：

• 豆包：last_message_index = 15
• 千问：scene_param = continue_chat，history_query 里能看到之前的同样三问
• DeepSeek：第 1 问的 parent_message_id = 6

元宝（replyIndex = 1）和 Kimi（这一轮才生成对话标题）是新对话。这些证据都在 signals.jsonl 里，category = context。研究「对话历史是否进入搜索词」时请考虑这一点：豆包第 3 问出现「姑苏XX医美诊所」时，对话历史里「XX药业」已经出现过不止一次。

文件与字段

所有文件都是 UTF-8 JSONL，一行一条记录。值为空的字段会直接省略。

data/turns.jsonl（69 行）：每一轮提问

字段	说明
platform	doubao / qwen / yuanbao / kimi / deepseek
session	main、main_q4、followup_laozihao（只采到请求，没有响应）、followup_recall、ctx_search_off_prompt、ctx_search_on_prompt
turn	会话内轮次
user_prompt	用户原话，企业名已替换为 XX
captured_at	采集时间（CST，分钟），前面带 ~ 的是换算得到的近似值
mode	JSON 字符串，记录请求里的模式开关（模型名、是否深度思考、是否联网等）
response_captured	这一轮的响应有没有采到

data/queries.jsonl（96 行）：平台实际搜索的词

字段	说明
round	同一轮里的第几次检索（DeepSeek 深度思考有 2 次）
query_index	这次检索里的第几个搜索词，按平台下发的顺序
query	改写后的搜索词，企业名已替换为 XX
query_source	这个词来自响应里的哪个字段

千问的一轮里会同时出现几层「搜索词」，含义不同，请按 query_source 区分：

• multi_load[...].query_list：页面上展示的搜索词
• meta_data.content.list[].query：RAG 检索工具的主查询和子查询
• chat_odps.query_info.doc_search_query：文档检索用的查询
• intent_data.hotspot_intent.rewrite_content：「热点/近期更新」判断模块的改写词

data/sources.jsonl（685 行）：来源

字段	说明
stage	这条来源处在哪个环节：displayed_reference（豆包页面展示的参考资料）、ref_source_shown（千问展示的来源）、final_material（千问 RAG 最终素材）、cited_reference（元宝「引用 N 篇资料」）、retrieved（Kimi、DeepSeek 搜索返回的结果）、opened（DeepSeek 打开的网页）、deep_research_url（元宝深度研究里出现的 URL）
round、rank	检索轮次；平台给出的序号
url	公开网页地址。已去掉 fragment，也去掉了白名单以外的查询参数（id、p、idx、mid、__biz、hospital_id、standard_department_id 之外的都删了）
domain	主机名
title、site_name	标题和站点名，原样保留，只做了实体替换
source_type	按域名做的粗分类：short_video、government、business_registry、news_media、hospital_official、med_aesthetics_portal、health_platform、encyclopedia、recruitment、wechat_article、qa_community、ranking_site 等。分类不完全准确，仅供参考
entity_masked	true 表示这条来源与被隐去的企业或诊所有关。这类记录的 URL 已删除，标题里的名称换成 XX，法定代表人等人名换成「某某」
cited、cite_events、cite_with_text_fragment、cite_index	Kimi 和 DeepSeek 的引用信息。cite_with_text_fragment 统计的是带 :~:text= 段落锚点的引用次数
query_indexes	DeepSeek：这条结果是被第几个搜索词召回的
published_date	平台给出的发布日期
recall_channel、recall_query、qtc_score、authority_score	千问 RAG 最终素材的召回通道、召回词和打分
original_doc_rank	豆包：原始检索排序

豆包第 3 问还有 12 条 source_type = card_without_url:* 的卡片。它们没有链接，只用于核对「参考 29 篇」这个总数。

data/tool_calls.jsonl（81 行）：工具调用

seq 是同一轮里的调用顺序；tool_name 是平台给的名字，例如 doubao search、qwen web_search/search、yuanbao region_search/web_search/web_fetch/delegate、kimi web_search、deepseek SEARCH/TOOL_SEARCH/TOOL_OPEN；另外有 n_queries（这次调用带了几个搜索词）和 status。

data/signals.jsonl（677 行）：埋点和信号

category 分为 location、intent、retrieval、context、usage、model、tools 七类。value 统一存成字符串，结构化的值是 JSON 字符串。主要信号：

• 位置：豆包 3 项本地定位权限状态（local_permission:*，状态码 3 的含义没有公开文档）；请求里有没有坐标（coordinates_in_request，结果是没有）；千问的 user_city/city（苏州市）、prov、location_joint（江苏省苏州市）、amap_auth；千问页面调用 IP 归属地接口的时间，相对本轮聊天请求的秒数（负数表示早于聊天请求）；千问响应里是否带了由 IP 推算的坐标（ip_geolocation_coordinates_present，只记录有没有，坐标值已删除）；元宝请求里的时区偏移 offsetOfHour
• 意图：豆包 llm_intention 等；千问 intent_content、uvl_intent、search_intent.label、skill_list、rag.retrieval_intent 等
• 检索：千问 hotspot_intent.material_stat（total / sent_to_model / per_query）、RAG 的召回和重排计数；豆包「搜索 N 个关键词，参考 M 篇资料」；元宝「引用 N 篇资料」；Kimi 引用次数和唯一引用 URL 数
• 上下文：前面提到的历史消息证据；千问 history_query（已替换企业名）
• 用量：token 计数

data/context_probe.jsonl（25 行）：上下文探针

记录每一轮的 prompt_tokens、completion_tokens，千问另有每次推理的输入 token（per_round_prompt_tokens）、工具调用数、react_rounds；元宝另有工具列表和引用文档数。用来比较「不联网」和「联网」两种情况下，输入 token 随轮次增长的情况。

去标识化处理

完全不发布的内容：原始 HTTP 请求和响应、所有请求头和响应头、Cookie、Authorization/Bearer 等鉴权信息；会话、设备、用户、对话、消息、trace、请求、日志、search_id、docId 等各类 ID；账号名和昵称、手机号、邮箱、IP 地址（只保留城市级位置「苏州市」）、经纬度、User-Agent 和设备指纹、A/B 实验分桶、模型回答正文、思考过程正文、网页摘要和 snippet、系统提示词（本来也没有采到）。

替换和删除：

• 第 2 问涉及的药企，以及与它同名的医美诊所，在提问、搜索词、标题、意图字段里一律替换为「XX」。
• 能指向该企业的 URL（企业官网、工商页、备案公告、招聘页、点评页、带统一社会信用代码的黄页子域名等）整条删除，只保留注册域名，并标记 entity_masked = true。第 2 问（主会话）的全部来源都按这个规则处理。
• 判断「是否相关」时，除了标题，还用了平台返回的摘要和正文片段做匹配。这些摘要和片段本身不发布。
• 企业法定代表人等自然人姓名替换为「某某」；标题中出现的 11 位手机号替换为「[电话已移除]」。
• URL 只保留白名单内的查询参数，删除 fragment 和各类签名、跟踪参数。

发布前扫描：用正则检查了 IPv4/IPv6、手机号 1[3-9]\d{9}、邮箱、长度超过 24 的十六进制和 Base64 串、cookie/token/authorization 关键词、被隐去的企业名，以及采集账号的相关标识。剩下的命中都在公开网页 URL 的路径里（比如政府网站文章的 32 位十六进制页面 ID，新浪投诉页的编号）。这些是公开页面地址，不是凭据，所以保留。prompt_tokens 这类字段名里的 token 指模型用量，不是鉴权信息。

与文章结论的对应

文章中的说法	在数据里怎么核对
豆包请求里带了 3 项浏览器定位权限状态，没有坐标	signals：doubao local_permission:* ×3、coordinates_in_request = false
千问在提问前查询 IP 归属地，user_city 为苏州市，第 3 问意图为「本地生活-地点周边信息查询」	signals：qwen client_ip_region_lookup（第 2、3 问分别比聊天请求早约 3.2 秒和 2.7 秒；第 1 问前后没有采到这个调用。这两次调用也正好在上一轮请求之后约 60 秒，所以不排除是页面的周期性请求，不一定由提问触发）、user_city/city、uvl_intent.content
元宝调用了 region_search	tool_calls：yuanbao 第 3 问 seq 1 = region_search。另外，元宝第 1 问和第 3 问的引用里各有一条「来自腾讯地图的参考资料」
改写条数：千问 1、Kimi 3、豆包 5	queries：豆包第 3 问 5 条，Kimi 第 3 问 3 条。千问的「1 条」对应 hotspot_intent.rewrite_content 和 material_stat.per_query（「苏州当地医美机构及医疗美容医院」）；同一轮里 RAG 检索工具实际用的是主查询加子查询共 2 条（「苏州当地有名的医美机构」「2026年苏州有名的医美机构」）
豆包第 3 问出现「苏州姑苏XX医美诊所介绍」	queries：doubao turn 3 query_index 2
千问检索 20 条素材，送进模型 5 条	signals：qwen 第 3 问 hotspot_intent.material_stat.total = 20、sent_to_model = 5。注意这组数字属于 hotspot_intent（热点/近期更新判断）模块，第 1、2 问也是 20 → 5。同一轮 RAG 主链路的计数另见 rag.recall.* 和 rag.rerank：召回 150 条，输出 6 条，重排 15 → 13
豆包「参考 29 篇」，抓到 17 条带链接的来源，分布为同名诊所相关 6、抖音 4、医院官网 2、中华网 2、其他 3	sources：doubao 第 3 问共 29 行，其中 17 行有标题或链接，entity_masked = true 的 6 行，short_video 4 行；医院官网、中华网等按 domain 统计
问护肤品时，豆包 29 篇里有 10 篇来自抖音	sources：doubao 第 1 问 short_video 10 行
Kimi 搜索一轮，回答里标了 12 处引用，来自 8 个不同网页，可以定位到段落（2026-11-07 更正，原写「引用 12 条」）	signals：kimi 第 3 问 citation_events = 12（对应 8 个不同 URL）、citations_with_text_fragment_anchor = 12；tool_calls 只有 1 次 web_search
DeepSeek 深度思考：先搜 5 个词拿到 30 条结果，打开 7 个网页；再搜 4 个词，打开 3 个网页	queries 和 tool_calls：deepseek main_q4 第 1 轮 5 个词，第 2 轮 4 个词；TOOL_OPEN 第 1 轮 7 次、第 2 轮 3 次；sources 第 1 轮 retrieved 30 条（第 2 轮返回 23 条）
四家最终回答：推荐机构数豆包 16（公立 6）、千问 12、Kimi 10（另列 7 个名字）、元宝 6（公立 2）；四家都提到的只有 2 家，三家提到的 5 家	本数据集不收录。 回答正文含账号个性化信息和对商业机构的评价，文章里只给计数（2026-11-07 从原始抓包补充）

另外，DeepSeek 主会话第 3 问也做了一次检索，搜了 4 个词，返回 13 条结果。文章没有统计这一问，数据里保留了。

局限

• 只有一次运行。 每个平台 1 个账号、1 个网络环境、1 次对话，结论不代表平台的普遍表现，只能作为后续控制变量实验的假设。
• 网页版不等于 App 或 API。 App、API、不同客户端版本和不同实验分桶，行为都可能不同。
• 会话不干净。 豆包、千问、DeepSeek 的主会话之前已经有一轮同题提问（见上文）。Kimi 的采集时间比其他平台晚约两小时。
• 字段含义靠推断。 各平台的内部字段没有公开文档，source_type 的分类和各 stage 的含义都是根据字段名和上下文推断的。
• 采集不完整。 元宝主会话的改写搜索词没有采到；元宝深度研究的响应在 3 MB 处被截断，工具序列和 URL 列表不完整；DeepSeek 深度思考里部分 TOOL_OPEN 没有带回网页信息；追问实验里豆包、DeepSeek、Kimi 只采到请求，没有响应。
• 看不到的部分。 系统提示词、模型实际读了哪些正文、内部排序规则，以及最终回答（数据集有意不收录回答正文）。
• 时效性。 来源列表反映的是 2026 年 10 月底的检索结果，网页可能已经变化或失效。

引用

何瑜. OpenGEO Observation 001: AI 搜索查询改写与来源抓包（苏州医美）. 2026.
https://opengeo.page/observations/001-suzhou-yimei/