ChatGPT 重做了搜索工具，我读懂了它的新“语言”

原文作者： Suganthan Mohanadasan 发布日期： 2026 年 8 月 21 日 原文链接： <https://suganthan.com/blog/chatgpt-new-search-language/> 标签： GEO、AI SEO、ChatGPT

8 月 16 日到 20 日短短四天里，ChatGPT 的搜索工具从 JSON 改成了一套紧凑的查询语法，还加入了时间范围、指定域名，以及产品、地点、图片、组件等不同的搜索通道。我用同一个账号问了同一个问题，正好记录下变化前后的两种形式。下面我会把这套新语法完整拆开讲清楚，并分析每个部分会怎样影响网站获得 ChatGPT 引用。

8 月 16 日，ChatGPT 帮我搜索网页时，调用格式还是 JSON：

{"system1_search_query":[{"q":"site:intercom.com Fin AI Agent pricing 2026"}]}

到了 8 月 20 日，我用同一个账号问同样的问题，调用格式已经变成了这样：

fast|Intercom Fin AI agent pricing 2026 live chat support|30|intercom.com
fast|Gorgias AI Agent pricing 2026 customer support|30|gorgias.com
fast|Zendesk AI agents pricing 2026|30|zendesk.com
fast|best AI live chat support Intercom Gorgias Zendesk Ada Tidio Crisp reddit|365|reddit.com
length|long

也就是说，就在这四天里，OpenAI 用一套自有的紧凑查询语法替代了 JSON。与此同时，`search_queries` 这个字段也从返回数据中彻底消失了。它原本用来记录模型拆分出的扇出查询；我上一篇文章还专门提醒大家查看它，FanoutFox 也依赖它来解析查询。

这是本系列的第 4 篇。第一篇讲的是《ChatGPT 如何选择信息来源》，上一篇则发现，ChatGPT 在真正搜索之前，就已经列好了候选名单。这次我用 8 个问题测试了新格式，覆盖商业调研、实体商品、本地搜索、新闻和金融，想看看这套新语法到底能表达哪些东西。

答案是：比旧格式多得多。

下面是五个环环相扣的发现：

1. 每一行都代表一次搜索，各个字段的含义也很直观。
2. 第三个字段是时间窗口，会随问题类型而变化。
3. ChatGPT 会走不同的垂直搜索通道，内容类型决定它调用哪一种。
4. 域名字段表明，ChatGPT 会优先访问自己已经知道的网站。
5. 有些答案正在变成内置组件，里面根本没有可争取的引用机会。

本文的所有观察，都来自我在同一地点、用同一个 ChatGPT Plus 账号记录的浏览器网络请求。

发现一：每一行就是一次搜索

现在，一次工具调用会写成多行：一行一次搜索，各字段用竖线隔开。基本结构是“调用类型｜查询词｜数字”，有时末尾还会再带一个域名。

fast|Zendesk AI agents pricing 2026|30|zendesk.com

`fast` 是调用类型。后面的查询词和旧版扇出查询很像：品牌名由模型自己写入，还会带上年份，以及 `pricing`（定价）这类意图词。真正新增、也最值得关注的是数字和域名——旧格式里根本没有地方放这两个参数。

每个查询块最后都会用一条指令收尾：`length|long`、`length|medium` 或 `length|short`。这一项其实是从旧格式继承下来的。本文开头的 JSON 在对应位置写的是 `"response_length":"long"`，所以它只是换了名字，并非新功能。

它应该是在控制每条结果带回多少文字，而且会根据任务调整。深度产品对比用的是 `long`，大多数普通查询用 `medium`，最后只核实两个场所名称时则用了 `short`。如果我的判断没错，多数搜索并不会读取整页内容，而只会截取一段有限长度的摘要。也正因为如此，真正回答问题的那句话，最好放在容易被截取的位置。

查询词后面的字段并非必填。有些行只有查询词，有些会加上数字；只有在指定网站内搜索时，域名才会出现。

实用 AI SEO/GEO 建议

用客户真正会问的问题测试 ChatGPT，看看它在查询里主动写进了哪些品牌。这些品牌，就是它心目中该品类的候选名单；域名字段里的网站，则是它接下来准备访问和核实的对象。

同时也要确认，你的网站经得住这一步核查。我之前写过相关内容，也做过几个工具，可以顺便检查一下。

发现二：第三个字段是时间窗口

下面是我 8 月 20 日测试时，五条查询里这个字段的不同取值：

股价是 2，足球赛果是 7，商业产品调研是 30，盈利指引则是 90。

这个数字到底代表什么？

我的判断是：它表示以“天”为单位的时间窗口，并会根据答案的过时速度自动调整。

目前我没见过任何官方说明，所以这仍然只是推测。

实用 AI SEO/GEO 建议

在我测试的商业类问题里，所有针对品牌官网的查询都用了 30 天窗口。

如果这个数字确实按天计算，那么定价页或对比页只要超过一个月没更新，在品牌比较类问题中就可能直接落到默认时间范围之外。

因此，直接影响购买决策的页面最好在这个周期内持续更新。更新要有实质内容，也要让日期清晰可见。

核心页面和内容也同理。可以用自己的提示词或关键词跑一遍，看看它们对应的时间窗口是多少。

发现三：ChatGPT 会调用不同的垂直搜索通道

下面是我目前抓到的几种调用类型，以及它们对应的真实查询。

`fast` 就是网页搜索。 它接替了旧版的整套扇出查询。

`product` 用来查商品目录。 我在扫地机器人和床垫类问题中见过它，但测试软件类问题时一次也没出现。

product|Roborock Saros 10R robot vacuum;Dreame X50 Ultra robot vacuum;Eufy E28 robot vacuum

这一行只有产品名，用分号隔开，没有其他参数。这和我 6 月在电商结果中看到的商品卡片、商家报价正好对应得上。

对于实体商品，ChatGPT 不只会搜索介绍页面，还会单独查询商品目录。能不能进入这个目录，是另一套规则，和博客内容写得好不好并不是一回事。

实用 AI SEO/GEO 建议

如果你卖的是实体商品，可以看看 ChatGPT 推荐时，是否同时展示商品卡片、价格和商家名称。

出现商品卡片，说明你的产品已经进入 ChatGPT 使用的商品目录；只有文字提及、没有卡片，说明你目前只能靠内容获得曝光。网页优化做得再好，也不会直接改变 `product` 从商品目录里查到的结果。

`business` 用来查地点和商家，而且必须带地理位置。 在一个咖啡店问题中，它一共调用了三次。下面是前两次：

business|Dubai, UAE|specialty coffee Dubai Marina;best coffee Dubai Marina
business|Dubai, UAE||Blends Specialty Coffee;Roast Speciality Coffee, Marina;OLAB Coffee Shop JBR

第一次传入的是搜索短语；第二次则把第一次查到的真实商家名称带进去，再用带引号的 `fast` 搜索逐一核实。

这其实就是“先列候选名单”机制的本地搜索版，只不过候选对象从品牌换成了线下商家。

如果你做的是本地生意，优化重点应该放在地点数据库里的商家实体上。

地点查询负责给出名称、评价和商家信息，网页搜索只是进一步核实。

可以让 ChatGPT 搜索你所在地区的相关品类，然后重点看第二次 `business` 调用。

如果你的店名出现在里面，说明地点系统已经收录了你，后续搜索只是在核对详情。这时要做的是确保官网与各个平台上的商家信息一致。如果店名根本没有进入这次调用，问题就出在地点数据本身，单改网站解决不了。

`image` 就是图片搜索。 例如：`image|Dubai Marina specialty coffee shop|30`。它会和地点查询一起触发。

`genui_run` 会通过 JSON 参数调用内置组件。

genui_run|epl_schedule|{"fn":"schedule","league":"EPL","date_from":"2026-08-21","date_to":"2026-08-24","locale_override":"en-GB"}
genui_run|stock_chart|{"ticker":"NVDA","asset_type":"equity","market":"USA","locale_override":"en-US"}

足球赛程和股票图表都是通过带明确参数的函数直接调用，并不是网页搜索。它的影响，我会在第五个发现里继续讲。

新闻测试里还有一个细节：域名字段可以一次填写多个网站。有一行出现了 `theguardian.com;skysports.com`，说明同一次搜索可以同时限定多个媒体来源。

发现四：域名字段让定向核查变成了标准动作

在本周之前，ChatGPT 要搜索某个特定网站，会在查询词前加上经典的 `site:intercom.com`，也就是 SEO 从业者常用的站内搜索运算符。

新格式把域名单独列成了一个字段。只要在每行末尾填入网站，搜索就会限定在这个站点内。换句话说，核查某家公司官网如今已经成了搜索行自带的标准能力，不必再把域名硬塞进查询词。

目前两种写法仍然并存：有些查询还保留 `site:`，另一些已经改用独立的域名字段。

实际流程和上一篇文章的结论一样：模型还是会在抓取内容之前先点出一批品牌，再去各自官网核实信息。

变化在于，这一步现在已经彻底标准化了。访问刚被点名的品牌官网，成了每条搜索都可以直接执行的动作；模型会根据记忆中与品牌对应的域名，自动把网站填进去。

如果模型记错了域名，或者记忆已经过时，它就会搜错网站。我确实见过一次：定向查询指向了一个并非该品牌运营的域名，最后靠更宽泛的搜索才把品牌找回来。

当我问 `best llm visibility tool and what does each one cost`（最好的 LLM 可见性工具有哪些，各自多少钱）时，模型写出了这条查询：

site:profound.ai pricing AI visibility platform Profound pricing 2026

Profound 的官网并不是 `profound.ai`，而是 `tryprofound.com`。这次定向查询没有从检索池里找到任何页面，但 Profound 最终还是留在了答案中：更宽泛的探索性搜索找到了正确域名，`tryprofound.com` 的定价页也获得了引用，Profound 在正文里一共被提到六次。也就是说，填错域名只是白白浪费了四次搜索中的一次。

实用 AI SEO/GEO 建议

查看自己的抓包记录，确认域名字段里填的确实是你在运营的网站。品牌更名、网站迁移和国家/地区域名最容易出错，因为模型靠记忆填写，而记忆往往跟不上变化。

在我观察到的这次案例里，搜错一次并没有影响品牌最终入选。但不能指望宽泛搜索每次都来救场。

发现五：有些答案正在变成内置组件

`genui_run` 返回的不是网页，而是直接可用的界面组件。

在金融问题中，股票图表以 `stock_chart` 的名字出现，实际指向托管在 `cdn.platform.openai.com` 上的 2.0 版组件，界面由状态数据渲染生成。咖啡店问题也一样：模型在答案里输出 `genui` 指令，生成一张带地点标记的地图，并把标记和地点查询找到的商家对应起来。

这意味着，在体育、股票、地点等领域——也可能还有更多我尚未发现的场景——答案的一部分已经交给 OpenAI 自己的组件来呈现。股票图表里没有可争取的链接，足球赛程也不会引用某个赛程页面。

越来越多查询正在转向这种不提供外部引用的结果形式，而“有没有获得引用”，恰恰是所有 GEO 工具都在追踪的指标。

实用 AI SEO/GEO 建议

把目前能给你带来排名或流量的查询重新跑一遍，看看哪些答案已经从普通文本换成了组件。抓包记录里出现 `genui_run`，就是最明显的信号。

我没法告诉你怎样在组件里“获胜”，因为就目前所见，里面根本没有链接或引用机会可争取。能做的，是尽早找出哪些查询已经转向组件，并把它们从“潜在引用机会”中剔除。

如果你的流量依赖“比赛几点开始”这类信息，那么现在真正和你竞争的，已经是这个组件。

这和放弃一个已经被 AI Overview 及各种搜索功能挤满的关键词，本质上是同一种取舍。

Reddit 这件事，非常非常有意思

接下来我会一步步拆解这个案例，并把亲眼看到的事实和个人判断分开来说。

先看实时聊天记录中的这条查询：

fast|best AI live chat support Intercom Gorgias Zendesk Ada Tidio Crisp reddit|365|reddit.com

仔细看：查询词里直接写了 Reddit，域名字段也指向 `reddit.com`，时间窗口是 365；而同一轮调用里的品牌查询，窗口全是 30。更关键的是，六个品牌名也被一起写进了查询。

那么，这里到底发生了什么？

那一刻我真的像 Joey 一样突然反应过来了。（看过《老友记》的朋友应该懂。）

它不是在问 Reddit：“哪些在线客服工具最好？”而是在问：“大家怎么看模型已经选好的这六款工具？”

也就是说，候选名单来自模型记忆；抓取 Reddit，是为了收集外界对这份名单的评价。

接下来还有一个确定无疑的事实。

这次对话的检索池共有 221 条记录，其中 84 条来自 Reddit，比任何其他来源都多。整个过程中没有打开帖子阅读全文，因此模型拿到的是 84 条搜索摘要——标题加摘录——而不是 84 篇完整帖子。

可最终答案里的所有引用都给了供应商官网。我逐行对照了检索池和引用结果：这 84 条 Reddit 内容，一条都没有被引用。

咖啡店的测试又出现了同样的情况，而且更夸张：

fast|site:reddit.com Dubai Marina specialty coffee Dubai|3650|reddit.com

两种限定方式同时用上了：查询词里有 `site:`，域名字段又填了 Reddit，时间窗口更是长达 3650 天。同一个问题里，新闻网站只有 7 天，而 Reddit 得到了整整 10 年。

为什么一个本地搜索问题会给 Reddit 十年窗口，我也说不准，后面会讲几种可能。有一点倒能解释为什么这里需要拉长时间范围：我让自己的 AI 智能体去 Reddit 搜 Dubai Marina 咖啡店，结果找到了十二年前的帖子。3650 天正好能覆盖这类历史内容。

不过，单看网络请求仍然无法确认这些结果到底有多旧。我抓到的 Reddit 条目几乎都不带日期，所以无法判断 ChatGPT 实际拿到了哪些年份的帖子。

Promptwatch 8 月 18 日发布的图表显示，8 月中旬，Reddit 在 ChatGPT 引用中的占比从约 3.83% 骤降到不足 1%。他们推测，ChatGPT 可能调整了来源选择机制。

不过，引用统计只能看到最终答案；抓包数据则补出了前面的过程：模型主动搜索 Reddit，批量拿到结果，最后却一条都没引用。

结合这些现象，我有一个判断。但目前还无法证实，所以请把下面的内容看作对证据的解读，而不是定论。

• 放进模型上下文的内容，可能会影响它最后怎么写。（这种偏向并不少见。）
• 模型在评价候选名单之前，刚刚抓取了外界对这些候选项的看法，却没有把最后的评价归因给任何来源。
• 我的判断是，Reddit 正在变成一种“隐形输入”：它可能影响结论，但引用和功劳都落到了供应商官网。
• 这与本系列第一篇文章的发现一致：事实往往来自官方页面，评价则来自第三方，而 Reddit 是其中最重要的来源之一。如果这种分工还在，只是不再显示引用，那么影响可能依旧存在，只是证据链不见了。
• 当然，也可能这些摘要抓回来后根本没被使用，一年的宽窗口只是遗留习惯。抓包数据无法区分这两种情况。我能证明的只有“它抓了”和“它没引用”；至于是否真的影响答案，仍然只是推断。没有引用，单靠网络请求无法证明影响力。

再往下想一步：OpenAI 为什么可能会这样改？

防操纵、减少垃圾内容

一种可能，是降低通过操纵 Reddit 影响 AI SEO/GEO 的效果。如果 ChatGPT 会主动回看 Reddit 过去 1 到 10 年的内容，那么近期人为制造的信号就会被大量历史内容稀释。

这里似乎有两层筛选：先确定候选名单，再去 Reddit 收集评价或进行验证。这样一来，单纯在 Reddit 上大量刷品牌提及，就很难奏效。

它还可能带来一种威慑效果：当引用研究显示 Reddit 的可见度大幅下滑，营销人员会觉得这个渠道“不值钱了”。越少人觉得有利可图，垃圾内容自然越少。

合规或数据授权

背景是，OpenAI 和 Reddit 在 2024 年签署了数据授权协议，因此 OpenAI 付费使用这些数据并不是秘密。至于协议对署名和引用有何要求，单从网络请求里看不出来。

还有一种可能——当然也只是猜测——OpenAI 仍想利用 Reddit 数据，却不希望在答案中频繁、醒目地直接引用 Reddit。

也就是说，Reddit 页面可能不再被突出展示，而是退到更上游，参与候选评估、意见收集或其他内部检索流程。

实用 AI SEO/GEO 建议

如果 Reddit 一直是你做 AI 可见性的重要渠道，请自己数一数还剩多少“筹码”：重新跑一遍核心查询，看看你投入资源经营的帖子是否还会被引用。

这是不是说明 Reddit 营销已经没用了？当然不是。

如果你长期认真参与 Reddit 社区、踏实建设品牌，尤其还经受住了最近一轮垃圾内容清理，那就继续做。不管这次变化背后的原因是什么，Reddit 至少还有两种价值：多年积累的帖子可能进入训练数据，帮助模型形成最初的品牌候选名单；而真正阅读这些帖子的用户，也一直都是潜在买家。

真正缩水的，是可以直接量化的引用回报，也就是前面说的“筹码”。

但如果你的做法只是往 Reddit 灌垃圾内容，试图操纵 AI 可见性，那这显然是个坏消息。

记住：帖子被抓取，却从未被引用，不能算成一个可量化的成功。它是否还会暗中影响答案，目前仍没有定论。

旧方法哪里失效了，以及我接下来会怎么做

旧方法已经失效。 我上一篇文章建议大家打开 DevTools，在响应里搜索 `queries`。现在这个字段已经没了。查询本身还在，只是被挪到了 `web.run` 工具调用消息中，变成前面看到的竖线分隔格式。FanoutFox 目前也在读取旧字段，我会尽快修复。

现在可以用下面这套方法，两分钟就能检查完：

1. 用 Chrome 打开 ChatGPT，同时打开 DevTools 的 Network（网络）面板。
2. 问一个客户真正会问的商业问题。
3. 用 `conversation` 过滤请求。
4. 点开体积最大的那条响应，也就是完整的对话数据。不要误点同名但体积很小的 `stream_status` 和 `textdocs`。
5. 进入 Response（响应）标签页，在内容区域内按 `Cmd+F`，搜索 `fast|`。
6. 不要用 DevTools 的全局搜索，否则会被大量 JavaScript 文件淹没。一定只搜这一条响应。
7. 阅读查询行，重点看三件事：有没有你的品牌、域名字段是不是你的网站，以及你的品类使用了多长的时间窗口。

手动查当然可以，但查到第三个答案时就开始烦了。FanoutFox 是我为这个系列做的免费 Chrome 扩展，可以读取同一份会话数据，并按域名、按答案统计哪些来源被抓取、哪些最终获得了引用。

其中的 `converts` 列，会把本文这种 Reddit 检查整理成可排序的表格。Fan-out 卡片目前仍读取旧的 `search_queries` 字段，所以在支持竖线格式的补丁发布前，新对话里的这张卡片会暂时为空；不过来源、引用和域名雷达等其他功能不受影响。

我还需要一点时间更新 FanoutFox，让它适配这些变化。

孩子们正在放暑假，所以我的开发环境里还有三位异常执着、完全不把 Sprint 规划当回事的“利益相关者”。

我会尽快更新。

这是我从 6 月以来记录到的第三次格式变化。这次之所以能把时间范围缩小到四天，是因为我一直会保存带日期的网络请求快照，并在每次测试后逐一对比。

如果你也在做类似研究，一定要把每次记录按日期保存好。星期天还成立的结论，到了星期四可能就已经过时了。