客服機器人把去年的定價頁面當成現況引用。分析 agent 引用了一篇已被撤回的部落格文章。兩個答案都自信、流暢、而且錯誤——因為兩個系統在查詢當下，都不知道什麼才是真的。
沒有 grounding 的 LLM 是 2026 年安靜的可靠度問題：它們很流暢，而流暢正是讓過期或捏造的答案危險的地方。Grounding——在查詢當下給模型可驗證、最新、有引用的資訊——從可有可無的加分項，變成了 agentic 應用的預設架構。問題是「grounding」現在橫跨四種截然不同的做法，從模型原生工具到第三方搜尋 API 再到自架 crawler，而網路上大部分的比較內容都是沒有成本資料、沒有失敗模式涵蓋的列表式文章。
這份指南涵蓋四選一決策——原生 grounding、搜尋 API、自架、混合——搭配每次查詢的成本數學、引用與 grounding check 的正式環境管線、以及那些會默默上線錯誤答案的失敗模式。
Grounding 在 2026 年代表什麼
重點：grounding 是資料新鮮度加上可稽核性——它不是「搜尋」，它是一層可驗證的資訊層。
Grounding 代表模型的答案是建立在它能秀給你看的資訊上：一個來源、一個引用、一次發生在查詢當下的檢索。三個屬性區分 grounded 系統與只是接上搜尋的系統：
- 新鮮度。 資料在被問到的時候檢索，而不是內建在訓練資料裡。如果檢索發生在現在，去年的定價頁面就不能被引用為現況。
- 引用。 答案帶著它的來源——而且來源是可驗證的，不是裝飾性的。
- Grounding check。 系統在上線前把答案對照檢索到的材料驗證，驗不過就拒絕或降級。
要消滅的誤解：「我們接了一個搜尋 API」不是 grounding。沒有引用、沒有新鮮度檢查、沒有拒絕路徑的搜尋 API，只是昂貴的上下文擴充器。
為什麼沒有 Grounding 的 LLM 在正式環境會失敗
重點：三類失敗——過期、捏造、無法驗證——而且每一類在 agentic 系統中都會層層放大。
- 過期。 任何對時間敏感的東西——定價、政策、事件、產品細節——在靜態模型上註定錯誤。答案自信地錯，這是最糟的一種。
- 帶著權威的捏造。 沒有 grounding 的模型編造來源就像編造事實一樣流暢——假 URL、聽起來合理、指向看似真實出版品的引用。本系列幻覺治理指南涵蓋完整框架；grounding 是它對事實查找類別的防範層。
- 無法驗證。 即使答案正確，沒有來源就無法稽核。對受監管或對客戶的輸出，「相信我們」不是合規姿態。
在 agentic 系統中層層放大的情況更糟：每一個錯誤的中間答案都會透過工具鏈傳播。有搜尋 grounding 的 agent 至少還有機會復原；沒有 grounding 的 agent 會自信地把錯誤相乘。
四選一比較：原生工具 vs 搜尋 API vs 自架 vs 混合
重點：這個選擇是成本－準確度－新鮮度三角——而對大多數團隊來說，原生工具加一個搜尋 API 就涵蓋 90% 的案例。
| 做法 | 例子 | 優勢 | 要注意的 |
|---|---|---|---|
| 原生 grounding | ChatGPT search、Claude web-search tool、Gemini grounding | 零整合、內建引用、供應商一致 | 供應商綁定、區域可用性、模型耦合 |
| 搜尋 API | Tavily、Exa、Perplexity、Brave、Firecrawl | 模型無關、新鮮、可控制查詢設計 | 每次查詢成本、品質依 API 而異、rate limit |
| 自架 crawler | 你自己的 index + crawl 管線 | 完全控制、資料主權 | 維運負擔、新鮮度管線、規模成本 |
| 混合 | native + API + 內部語料庫 | 覆蓋最廣、分層成本 | 複雜度、兩個要管理的失敗模式 |
2026 搜尋 API 定價版圖與像是 Firecrawl 的搜尋工具總覽 的生態系指南都是好的起點；結構性事實是：原生 grounding 每次查詢不額外花錢，但把你綁在供應商的模型陣容上；搜尋 API 模型無關、以每次查詢計價、有量級分層；自架是一筆固定成本賭注，只有到一定規模才回本——與其他所有自架決策相同的 TCO 形狀。還有 multi-model 的角度：沒有原生 grounding 的模型（開放權重家族等）讓搜尋 API 成為必需品，而不是選項。
如何建立 Grounded 管線
重點：三個階段——檢索、引用、驗證——而驗證階段就是 grounded 與只有搜尋的差別。
管線，骨架形式：
import json
from openai import OpenAI
client = OpenAI() # unified endpoint
def retrieve(query: str) -> list[dict]:
# Search API or native tool — returns documents with URLs and timestamps
return [{"url": "...", "text": "...", "fetched_at": "2026-08-15T09:00:00Z"}]
def answer_with_citations(query: str, docs: list[dict]) -> dict:
system = (
"Answer using ONLY the provided documents. Cite each claim with its "
"document URL. If the documents don't support an answer, say so."
)
resp = client.chat.completions.create(
model="gpt-4o-mini",
messages=[{"role": "system", "content": system},
{"role": "user", "content": f"Q: {query}\nDocs: {json.dumps(docs)}"}],
)
return json.loads(resp.choices[0].message.content) # {answer, citations: [...]}
def grounding_check(answer: str, docs: list[dict]) -> bool:
# Verify each citation exists in the retrieved set; reject fabricated URLs
known = {d["url"] for d in docs}
cited = {c for c in answer.get("citations", []) if c in known}
return len(cited) >= 1 and len(cited) >= len(answer.get("citations", [])) * 0.8讓它達到正式環境等級的規則：
- 帶契約檢索。 每份文件都帶 URL 與抓取時間戳記；新鮮度檢查對時間戳記進行，不是憑感覺。
- 結構化引用。 模型把引用當資料回傳（function-calling 模式與 structured output 讓這變得可靠），不是當文字裝飾。
- 上線前驗證。 Grounding check 拒絕捏造的 URL 與空的引用——拒絕路徑是設計的一部分，正如本系列治理框架所規範的。
- 讓管線保持統一。 檢索與生成呼叫都走你的統一 endpoint；搜尋 API 的 Key 維持供應商原生，endpoint 整合的是管線，不是供應商。模型目錄顯示你可以路由到哪些模型。
如何為 Grounding 編預算
重點：grounding 成本是搜尋 API 價格加上 token 膨脹——通常是 grounded 系統帳單的個位數百分比，而且是最划算的可靠度投資。
預算，一條公式：每次查詢的 grounding 成本 = 搜尋 API 價格 + 上下文膨脹 tokens × 模型費率。三根槓桿：
- 依新鮮度需求路由。 對時間敏感的查詢（定價、政策、新聞）花錢搜尋；穩定知識的查詢跳過。自訂路由讓每次查詢的決策變成機械式的。
- 快取重複的。 同樣的問題會一再出現——檢索相同的 FAQ 型查詢，命中快取價格，而不是搜尋加 tokens 付兩次。搜尋結果有 TTL；快取要帶到期，不要永久。
- 限制上下文。 Top-k 結果加上長度上限，讓 token 膨脹有界；最後兩個結果通常是雜訊，不是訊號。注意搜尋 API 與模型兩邊的rate limit——grounding 讓請求面加倍。
常見錯誤
重點：四種失敗——而且其中三種刻意是沉默的。
- 搜尋投毒。 檢索內容可以被攻擊者影響——一個頁面可以包含指向模型的指令。檢索材料必須被當成不受信任的資料，這正是本系列 prompt-injection 防禦指南的框架。
- 過期結果、沒有 TTL。 快取了昨天的定價頁面，然後服務了一個星期——新鮮度屬性在快取被加上、卻沒有到期的那一刻就死了。
- Grounding check 失敗還是上線了。 答案沒有引用就出去了，因為檢查是建議性的，不是閘門。不阻擋的檢查就不是檢查。
- 把 grounding 當 RAG 的替代品。 搜尋 grounding 回答即時問題；RAG 回答私有語料庫的問題。它們是互補的層——RAG 指南涵蓋檢索那一側，而 MCP 這樣的 agent 協定工具把搜尋插進 agent 技術棧，就像插入任何其他工具一樣。
常見問題
Grounding 跟 RAG 一樣嗎？
不一樣。RAG 從私有語料庫檢索；grounding 檢索即時的外部事實並附引用。它們共享檢索機制、也能組合——一個 grounded RAG 系統，是任何觸及當前資料的東西的正式環境常態。
哪種 grounding 做法最便宜？
原生 grounding 每次查詢不額外花錢，但把你綁在供應商的模型陣容上。搜尋 API 以每次查詢計價、有量級分層。自架是固定成本賭注，只有到嚴重規模才贏。大多數團隊：原生加一個搜尋 API，依新鮮度需求路由。
Grounding 會讓帳單增加多少？
搜尋 API 價格加上上下文膨脹 tokens——通常是 grounded 系統總成本的個位數百分比，而且是最高價值的可靠度支出。這份指南的預算公式讓它有界。
怎麼驗證引用是真的？
Grounding check 把每個被引用的 URL 對照檢索集合，其他的一律拒絕——捏造的 URL 在結構上就會失敗。時間戳記也會被檢查：對時間敏感的宣稱，引用一個一週前檢索的頁面，就會在新鮮度上失敗。
Grounding 能防範所有幻覺嗎？
它處理事實查找類別——當前、可引用的事實。動作幻覺與其他失敗類別需要本系列治理框架中的偵測與緩解層。Grounding 是防範層，不是整個技術棧。
Grounding 失敗時我該怎麼辦？
依設計拒絕或降級。模型說「我無法從提供的文件驗證這個」，agent 要求澄清或 fallback，失敗被記錄。一個上線了無法驗證答案的系統，不是 grounded；它只是有搜尋功能。
總結
Grounding 是資料新鮮度加上可稽核性：帶契約檢索、結構化引用、上線前驗證、驗證失敗就拒絕。四選一——原生、搜尋 API、自架、混合——是一個成本－準確度－新鮮度三角，大多數團隊用「原生加一個 API、依新鮮度路由」解決。它是可靠度技術棧的防範層，也是「回答問題的 agent」與「能證明答案的 agent」之間的差別。
對一個 prompt 做 grounding，拿它跟沒 grounding 的版本比較，讓引用自己說話。取得你的 TokSpan API Key——$5 免費額度拿來比較（快速上手）。