AI Optimization API 概览

AI Optimization API 是面向 AI 搜索优化的数据接口集合，可用于发现、对话式优化以及实时大语言模型效果评估。

本接口体系以下几类能力型 API：

• LLM Responses API：基于指定参数，实时生成结构化的大语言模型响应，支持主流模型平台。
• LLM Scraper API：基于及参数，返回抓取的大模型搜索结果。
• AI Keyword Data API：提供基于 AI 工中使用的搜索量预估与用户意图洞察。
• LLM Mentions API：提供、品牌、网站在大语言模型中的提及数据，并 AI 搜索量、量、提及次数等指标。

如需了解该接口体系的常见问题及使用建议，可参考帮助文档。

接口调用方式

本接口体系支持两种主要结果获取方式：Standard 和 Live。不同接口支持的方式可能不同。

实时（Live）方式

如果你的系统需要实时返回结果，建议使用 Live 方式。 与 Standard 不同，Live 通常无需对同一任务分别发起 POST 和 GET 请求，可直接通过对应接口获取结果。

Standard 方式

如果不要求实时返回，可使用 Standard 方式。 这种方式通常需要：

1. 通过 POST 创建任务；
2. 再通过 GET 获取结果。

优势是成本通常更低，适合批量处理、异步采集等场景。

回调通知

在创建任务时，你也可以指定以下回调参数：

• pingback_url：任务完成后通知你的系统
• postback_url：任务完成后将结果直接推送给你的系统

如果你一次提交了多个任务，可以通过 Tasks Ready 端点获取所有已完成任务的 id 列表，再使用对应的 Task GET 端点逐个获取结果。

各子接口支持方式

不同子接口支持的调用方式如下：

• AI Keyword Data API：支持 Live
• LLM Mentions API：支持 Live
• LLM Responses API：支持 Standard 和 Live，取决于所选 AI 平台
• LLM Scraper API：支持 Standard 和 Live，取决于所选 AI 平台

计费说明

AI Optimization API 的费用取决于：

• 所选接口方法
• 任务执行优级

扣费以响应头 X-SeerMarTech-Charge-CNY 为准。

你也可以通过用户数据接口查询当前账号余额、消耗与额信息，例如：

• /v3/appendix/user_data/

测试与联调

本接口体系支持通过沙盒环境进行测试，可参考：

• /v3/appendix/sandbox/

认证时，请使用你的 API 密钥，不使用登录名/密码形式。

认证示例

curl -X GET "https://api.seermartech.cn/v3/appendix/user_data/" \
 -H "Authorization: Bearer smt_live_YOUR_KEY"

Python 示例

import requests

url = "https://api.seermartech.cn/v3/appendix/user_data/"
headers = {
 "Authorization": "Bearer smt_live_YOUR_KEY"
}

response = requests.get(url, headers=headers)
print(response.status_code)
print(response.text)

TypeScript 示例

const response = await fetch("https://api.seermartech.cn/v3/appendix/user_data/", {
 method: "GET",
 headers: {
 "Authorization": "Bearer smt_live_YOUR_KEY"
 }
});

console.log(response.status);
console.log(await response.text);

使用建议

在设计接方案时，可按以下原则选择调用模式：

• 追求低延迟返回：优使用 Live
• 追求更低成本：优使用 Standard
• 批量任务处理：结合 Tasks Ready 与 Task GET
• 希望系统自动接收结果： pingback_url 或 postback_url

接口导航

以下是 AI Optimization 体系下的主要：

• /v3/ai_optimization/llm_responses/overview/
• /v3/ai_optimization/chat_gpt/llm_scraper/overview/
• /v3/ai_optimization/ai_keyword_data/overview/
• /v3/ai_optimization/llm_mentions/overview/

实用场景

• 挖掘 AI 搜索：识别用户在大模型与 AI 搜索中的真实提问方式，帮助团队扩展传统搜索之外的池。
• 优化对话式结构：分析大模型返回结果的组织方式，调整页面标题、摘要、问答结构，提升在 AI 场景中的可见性。
• 监测品牌在大模型中的：跟踪品牌名、产品名、网站域名在 LLM 输出中的提及，评估品牌在 AI 搜索环境中的影响力。
• 对比不同模型的回答效果：使用统一测试不同模型平台的输出差异，为投放、问答优化和渠道策略提供依据。
• 构建 AI SEO 监控体系：将、提及量、量与模型响应结果整合进报表，持续跟踪 AI 搜索优化成效。