SERP 返回 JSON 体积横评:喂 LLM 谁更省 token

做 AI grounding,把 SERP 结果喂给 LLM,token 成本是大头。同一批 query,各家返回的 JSON 体积差很多,直接影响 token 花销。
这篇对比几类常见 SERP API 服务的响应体积。以下用"常见 SERP API 服务"泛指。
为什么体积重要

• token 成本:JSON 越大,喂 LLM 的 token 越多
  
• 解析时间:大 JSON 解析慢
  
• 存储:存历史时占空间
  

响应体积对比

服务单次体积字段数冗余度服务 A大多高服务 B中中中serpbase精简焦点字段低serpbase 的 organic 结果只带焦点字段(rank/title/link/snippet),喂 LLM 省 token。
关键:喂 LLM 前必须裁剪

不管哪家,整包喂都是浪费。裁剪成三样:

1. def slim_results(organic, limit=5):
2.     return [
3.         {
4.             "title": i.get("title", ""),
5.             "snippet": (i.get("snippet") or "")[:80],
6.             "link": i.get("link", i.get("url", "")),
7.         }
8.         for i in organic[:limit]
9.     ]

复制代码

裁剪前后对比

指标原始裁剪后单次 token几千~600月成本(1000 次)高降 90%答案质量-几乎不掉token 成本换算

按输入 $2.5/1M token:

• 原始 7k token/次:1000 次 ≈ $17.5
  
• 裁剪 600 token/次:1000 次 ≈ $1.5
  

裁剪后省 90% 左右。
serpbase 本身精简

serpbase 的 organic 字段不多,而且返回前就该裁剪。它响应体积本来小,裁剪后更省。

1. data = search("装修公司")
2. # organic 每条:rank, title, link, snippet
3. # 没有 sitelinks/icon 等冗余

复制代码

怎么判断体积

1. import sys
3. def size_kb(data):
4.     return sys.getsizeof(str(data)) / 1024

复制代码

用真实关键词测各家的单次体积,再决定裁剪策略。
注意

• 裁剪要够:只留 title/snippet/link,别留多余字段
  
• snippet 截 80 字符:够 LLM 用了
  
• 图片/新闻端点:2 积分,喂 LLM 前同样裁剪
  

选型发起

• AI grounding:优先体积小的服务
  
• 批量:裁剪后都差不多,原始小的更省
  
• 混合:响应体积 + 单价一起看
  

完整参数和响应字段参考:serpbase.dev/docs。JSON 体积,喂 LLM 前先裁剪,谁都能省 90%。