九条搜索结果，衰减系数从 0 拧到 0.005， 排第一的从「45 天前那条最相关的」换成「1 天前那条相关度低 0.09 的」。 联网搜索不改变模型的知识，只改变「哪几条摆到它眼前」。
上一节讲模型自己想。 这一节讲它出去查——机制上它和 1.2.4 的 RAG 是同一套结构，只是资料库从企业文档换成了整个互联网。
一、联网搜索不是「模型上网了」
先说清一件事：模型本身没变，权重一个都没动。它不会因为开了联网就「知道」今天发生了什么。 真正的流程是四步。第一步把你的问题改写成查询词，第二步让搜索引擎返回一批结果。 第三步按某个分数排序、取前几条。第四步把这几条塞进提示词，让模型照着这些材料回答。 这个结构你在 1.2.4 见过：切、查、塞。 区别只在第三步——RAG 查的是企业自己的文档，联网搜索查的是公开网页。骨架一模一样。 所以联网搜索的失败方式也和 RAG 一样：搜不到、排错、塞了不看。三个环节各有一套病，修法完全不同。
二、排序里藏着一个必须拧的旋钮
排序要同时满足两个互相打架的指标：相关度（字面和语义贴不贴）和新鲜度（多久以前发的）。 Demo 用的分数是：相关度 × exp(-衰减系数 × 天数)。 括号里那个系数就是旋钮，拧得越紧，「新」越压过「准」。 系数 0 等于纯看相关度， 排第一的是那条 45 天前的旧闻——字面上它跟问题最贴，但它说的已经不是现在的事了。 拧到 0.005，第一名换成了一天前那条：相关度只有 0.86，比对手低 0.09，但胜在新鲜。 再拧到 0.02，连第二名都换了。 这个旋钮没有标准答案。 查「XX 是什么」要准，查「XX 多少钱」要新。 同一个产品，两种问法，最优系数不是一个数。
三、三个环节，三种不同的病
搜得到吗（召回）：该有的结果在不在候选里。搜不到，后面全是空谈。 病根在查询改写——问法和网页用词对不上，搜索引擎就找不着。 排得对吗（排序）：时效和相关性的权重配得合不合适。病根在衰减系数，或者干脆没有时效这一维。 引得准吗（引用）：模型有没有真的用这些结果，而不是自己编。病根在提示词约束和模型的服从性。 第三条最容易被忽略，也最难发现：给了资料不看，是另一种幻觉。表现是答案和资料对不上， 但语气一样笃定，还带着引用编号。
四、什么时候别开联网
数学题、写代码、翻译：别开。 联网只会引入噪声，还可能被搜到的错误解法带偏。 这类问题答案不随时间变。 时效性极强的事实：必须开。 价格、人事变动、 版本号——不开就是拿训练截止日期的旧知识答现在的问题。 企业内部问题：开了也没用。 联网搜不到你的内部制度，这种情况要接自己的知识库，回到 1.2.4。 判断标准一句话：这个问题的答案会不会随时间变？会，就开；不会，就关。开了不关， 等于给模型多塞了几段可能不相关的材料。
五、动手 Demo：衰减系数拧到 0.005，第一名从 45 天前换成 1 天前
造九条搜索结果，每条带「字面相关度」和「发布天数」两个属性——相关度从 0.95 到 0.50， 天数从 1 天到 1000 天。用 相关度 × exp(-系数 × 天数) 排序，扫四个系数档，看第一名怎么变。
docs = [
(u'该模型发布新版本，上下文扩到 100 万 token', 0.95, 45),
(u'该模型最新版本的官方公告', 0.86, 1),
(u'该模型上一代版本的详细评测', 0.72, 200),
# ……共九条
]
for lam in (0.0, 0.002, 0.005, 0.02):
sc = sorted([(r * np.exp(-lam * d), t) for t, r, d in docs],
reverse=True)
print('%.3f' % lam, '%.3f' % sc[0][0], sc[0][1][:20])
实跑输出：
--------------------------------------------------------------------
联网搜索：它改的不是模型，是「把哪几条摆到模型眼前」
--------------------------------------------------------------------
九条搜索结果，每条有「字面相关度」和「发布天数」两个属性：
标题（截断） 相关度 发布天数
--------------------------------------------------------
该模型发布新版本，上下文扩到 100 万 t 0.95 45
该模型最新版本的官方公告 0.86 1
该模型上一代版本的详细评测 0.72 200
模型上下文长度的技术原理 0.70 2
长上下文的实际效果测试 0.68 5
某云厂商宣布下调推理价格 0.60 3
去年同期的模型价格对比 0.58 380
如何评估模型的长文本能力 0.55 30
三年前的模型选型指南 0.50 1000
排序分数 = 相关度 × exp(-衰减系数 × 天数)。**衰减系数是个旋钮**，拧到多紧，决定了「新」和「准」谁更重要：
衰减系数 最高分 排第一的 排第二的
--------------------------------------------------------------------------------------------
0.000 0.950 该模型发布新版本，上下文扩到 100 万 该模型最新版本的官方公告
0.002 0.868 该模型发布新版本，上下文扩到 100 万 该模型最新版本的官方公告
0.005 0.856 该模型最新版本的官方公告 该模型发布新版本，上下文扩到 100 万
0.020 0.843 该模型最新版本的官方公告 模型上下文长度的技术原理
衰减系数 0 就是纯看相关度，排第一的是那条 45 天前的旧闻——**字面上它跟问题最贴，但它说的已经不是现在的事了。**
系数拧到 0.005，第一名换成了一天前那条——它相关度低了 0.09，但胜在新鲜。
再往上拧，30 天、200 天、1000 天的条目按天数成比例往下掉。
这就是「联网搜索」的全部机制：**它不改变模型的知识，只改变「哪几条摆到模型眼前」。** 排序错了，模型再强也只能照着错的念。
所以判断一个联网搜索做得好不好，要问三个问题，一个都不能省：
① 搜得到吗 召回——该有的结果在不在候选里
② 排得对吗 时效与相关性的权重配得合不合适
③ 引得准吗 模型回答时有没有真的用了这些结果，而不是自己编
第三条最容易被忽略：**给了资料不看，是另一种幻觉。**
四个系数、四次排序，最高分从 0.950 一路掉到 0.843。 分数在掉，但第一名换了人——这就是旋钮在起作用。 系数 0 时第一名是那条 45 天前的旧闻，分数 0.950。 它是字面最贴的，但「上下文扩到 100 万 token」这件事，45 天前说的可能就是上一代。 准和旧可以同时成立。 系数 0.005 时第一名换成一天前那条，分数 0.856——比原来低了 0.094，但它说的是现在。 系数 0.02 时连第二名都换了：30 天那条挤进来，200 天、380 天、1000 天的按天数成比例往下掉。 这就是「时效优先」的极端形态。 最后那三条问题（搜得到、排得对、引得准）不是凑数的。 这个 Demo 只验证了第二条—— 召回和引用这两条，在沙箱里没有真实搜索引擎，量不了。我能算的是「给定一批候选，排序怎么变」， 不是「搜索引擎会不会给我这批候选」。
30 秒实验
- 把系数继续加大到 0.05、0.1，看 1000 天那条会不会彻底掉出前几名。 注意它不会消失——只是分数趋近 0，还在列表里。
- 造一条「相关度 0.99、但 900 天前」的假数据，看哪个系数下它能被 1 天前的挤掉。 这条线就是你能容忍的「最旧还可用」的边界。
- 把天数改成小时（同一天的新闻按小时排），看同一天的结果怎么排。 时效粒度越细，旋钮越敏感——这也是为什么快讯类搜索必须单独调参。
常见误区
- 「开了联网模型就知道今天的事了」。 它只拿到几条搜索结果，搜不到、被墙、或者没人写过，它还是不知道。
- 「联网一定能减少幻觉」。 搜索结果错、排序错、模型不看，三种情况都能产生新的幻觉，而且因为带着引用，看起来更可信。
- 「衰减系数越大越好」。查定义、查原理时，把旧但准确的资料挤掉是负优化。 系数要按问题类型分，不是一个全局值。
自测三问（点开对答案）
1. 联网搜索改变了模型的什么？ —— 什么都没改。模型的权重没动，改的是提示词里塞了哪几条外部资料。 所以它和 RAG 是同一套东西，只是资料来源不同。 2. 衰减系数调大，会牺牲什么？ —— 牺牲相关度。旧但准确的资料会被新但不够贴的资料挤下去。 系数是「新」与「准」之间的一个交换比例，不是越大越好。 3. 「给了资料不看」为什么也算幻觉？ —— 因为输出看起来有依据（甚至带引用编号），实际是模型自己编的。 它比明说「不知道」更难被发现，危害更大。能力讲完，最后一节把它放进生意里算一遍——不算准确率，算几个月能回本。
- ☐ （本节完，下一节 1.3.5 DeepSeek的商业应用案例）