SeerMarTech API 文档

主题

ai_optimization/chat_gpt/llm_responses/live ​

POST /v3/ai_optimization/chat_gpt/llm_responses/live

Live ChatGPT LLM Responses ​

请求方法： POST
接口路径： https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_responses/live

本接口用于向指定的 ChatGPT 大语言模型发送提示词，并实时获取结构化响应结果。请求数据使用 UTF-8 编码的 JSON 格式。

每次请求只能提交一个任务。平台限流以认证说明中的 30/60/120 次/分钟规则为准；每个平台同时执行的 Live 任务数量目前限制为每个账户 30 个。

单个 Live 任务的最长执行时间目前为 120 秒。

任务费用会根据模型、输出 Token 数量及联网搜索动态计算。参考价约 ¥0.21 / 次，扣费以响应头 X-SeerMarTech-Charge-CNY 为准。

请求体 ​

POST 请求体是 JSON 数组，且每次只能一个任务：

json
[
  {
    "user_prompt": "请分析当前法国游乐园行业的发展",
    "model_name": "gpt-4.1-mini",
    "max_output_tokens": 200,
    "temperature": 0.3,
    "web_search": true,
    "web_search_country_iso_code": "FR",
    "web_search_city": "Paris"
  }
]

请求参数 ​

参数类型填说明
user_promptstring是发送给 AI 模型的问题或任务。最多 500 个字符。
model_namestring是AI 模型名称。可以指定完整的模型名称和版本；如果只指定基础模型名称，系统将自动使用该模型的最新版本。例如指定 gpt-4.1 时，系统可能自动设置为 gpt-4.1-2025-04-14。可通过 GET /v3/ai_optimization/chat_gpt/llm_responses/models 获取可用模型列表。
max_output_tokensinteger否AI 响应生成的最大 Token 数。推理模型的最小值为 1024，非推理模型的最小值为 16，最大值为 4096，默认值为 2048。启用 web_search 或使用推理模型时，输出 Token 数可能该限制。
temperaturefloat否控制响应随机性。取值范围为 0 至 2，默认值为 0.94。数值越高，越多样；数值越低，越集中。推理模型不支持此参数。
top_pfloat否通过限制 Token 选择范围控制响应多样性。取值范围为 0 至 1，默认值为 0.92。不能与 temperature 同时使用。
web_searchboolean否是否模型搜索互联网并引用实时信息，默认值为 false。只有支持联网搜索的模型才能使用此能力。
force_web_searchboolean否是否强制模型使用联网搜索。启用此参数时，同时将 web_search 设置为 true，默认值为 false。即使设置为 true，也不能保证最终响应一定网页引用。推理模型不支持此参数。
web_search_country_iso_codestring否联网搜索使用的国家或地区 ISO 代码。启用此参数时，同时将 web_search 设置为 true。o3-mini、o1-pro 和 o1 模型不支持此参数。
web_search_citystring否联网搜索使用的城市名称。o3-mini、o1-pro 和 o1 模型不支持此参数。
system_messagestring否用于设定 AI 的角色、语气和行为方式。最多 500 个字符。
message_chainarray否对话历史。数组中的每个对象 role 和 message 字段。最多支持 10 个消息对象。
message_chain[].rolestring否消息角色，只能为 user 或 ai。
message_chain[].messagestring否消息，最多 500 个字符。
tagstring否用户自定义的任务标识，最多 255 个字符。该值会原样返回在响应的 data 对象中，可用于请求和结果。

message_chain 示例 ​

json
[
  {
    "role": "user",
    "message": "请介绍法国游乐园行业的主要参与"
  },
  {
    "role": "ai",
    "message": "法国游乐园行业大型综合主题园、区域性游乐园及家庭娱乐中心。"
  }
]

响应字段 ​

接口返回 JSON 数据 tasks 数组。

顶层字段 ​

字段类型说明
versionstring当前 API 版本。
status_codeinteger请求级状态码。成功通常为 20000。
status_messagestring请求级状态说明。
timestring请求执行耗时，单位为秒。
costfloat平台原始 USD 成本兼容字段；人民币实扣以 X-SeerMarTech-Charge-CNY 为准。
tasks_countintegertasks 数组中的任务总数。
tasks_errorintegertasks 数组中返回错误的任务数量。
tasksarray任务结果数组。

tasks 字段 ​

字段类型说明
idstring任务唯一标识，UUID 格式。
status_codeinteger任务状态码，通常在 10000 至 60000 范围。
status_messagestring任务状态说明。
timestring任务执行耗时，单位为秒。
costfloat平台原始 USD 成本兼容字段；人民币实扣以 X-SeerMarTech-Charge-CNY 为准。
result_countintegerresult 数组中的数量。
patharray请求路径信息。
dataobject本次 POST 请求中提交的任务参数。
resultarrayAI 响应结果数组。

result 字段 ​

字段类型说明
model_namestring实使用的 AI 模型名称。
input_tokensinteger消耗的 Token 总数。
output_tokensintegerAI 响应生成的 Token 总数。
reasoning_tokensinteger生成推理时消耗的 Token 数量。
web_searchboolean是否使用了联网搜索。
money_spentfloatAI 模型 Token 消耗产生的费用。扣费以响应头 X-SeerMarTech-Charge-CNY 为准。
datetimestring收到结果的时间，UTC 格式：yyyy-mm-dd hh-mm-ss +00:00。例如 2019-11-15 12:57:46 +00:00。
itemsarray结构化 AI 响应数组。
fan_out_queriesarray基于原始问题扩展出的搜索查询。

items 字段 ​

items 数组可以推理和消息。

reasoning ​

字段类型说明
typestring固定为 reasoning。推理模型支持，且不保证每次都返回。
sectionsarray推理链分段数组。

reasoning.sections 中的字段：

字段类型说明
typestring推理分段类型，固定为 summary_text。
textstring对模型推理过程的摘要文本。

message ​

字段类型说明
typestring固定为 message。
sectionsarrayAI 响应分段数组。

message.sections 中的字段：

字段类型说明
typestring类型，通常为 text。
textstringAI 生成的文本。
annotationsarray/null生成响应时使用的网页引用。当请求未启用 web_search 时为 null。即使启用了 web_search，该字段也可能为空，因为模型可能未找到网页。

annotations 中的字段：

字段类型说明
titlestring引用来源的域名或标题。
urlstring引用来源 URL。
start_indexinteger引用在文本中的起始索引。
end_indexinteger引用在文本中的结束索引。
textstring被标注的引用文本。

curl 示例 ​

bash
curl --location --request POST \
  "https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_responses/live" \
  --header "Authorization: Bearer smt_live_YOUR_KEY" \
  --header "Content-Type: application/json" \
  --data-raw '[
    {
      "system_message": "请以商务会议中的专业语气进行沟通",
      "message_chain": [
        {
          "role": "user",
          "message": "你好，最近怎么样？"
        },
        {
          "role": "ai",
          "message": "我很好，谢谢。今天希望讨论什么主题？"
        }
      ],
      "max_output_tokens": 200,
      "temperature": 0.3,
      "model_name": "gpt-4.1-mini",
      "web_search": true,
      "web_search_country_iso_code": "FR",
      "web_search_city": "Paris",
      "user_prompt": "请分析当前法国游乐园行业的发展",
      "tag": "france-amusement-park-analysis"
    }
  ]'

Python 示例 ​

python
import requests

url = "https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_responses/live"

headers = {
    "Authorization": "Bearer smt_live_YOUR_KEY",
    "Content-Type": "application/json",
}

payload = [
    {
        "system_message": "请以商务会议中的专业语气进行沟通",
        "message_chain": [
            {
                "role": "user",
                "message": "请介绍法国游乐园行业的主要参与",
            }
        ],
        "max_output_tokens": 200,
        "model_name": "gpt-4.1-mini",
        "web_search": True,
        "web_search_country_iso_code": "FR",
        "web_search_city": "Paris",
        "user_prompt": "请分析当前法国游乐园行业的发展",
    }
]

response = requests.post(url, headers=headers, json=payload, timeout=120)
result = response.json()

if result.get("status_code") == 20000:
    print(result)
else:
    print(
        f"请求失败，状态码：{result.get('status_code')}，"
        f"信息：{result.get('status_message')}"
    )

TypeScript 示例 ​

typescript
import axios from "axios";

const response = await axios.post(
  "https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_responses/live",
  [
    {
      system_message: "请以商务会议中的专业语气进行沟通",
      message_chain: [
        {
          role: "user",
          message: "请介绍法国游乐园行业的主要参与",
        },
      ],
      max_output_tokens: 200,
      model_name: "gpt-4.1-mini",
      web_search: true,
      web_search_country_iso_code: "FR",
      web_search_city: "Paris",
      user_prompt: "请分析当前法国游乐园行业的发展",
    },
  ],
  {
    headers: {
      Authorization: "Bearer smt_live_YOUR_KEY",
      "Content-Type": "application/json",
    },
    timeout: 120000,
  }
);

if (response.data.status_code === 20000) {
  console.log(response.data);
} else {
  console.error(
    `请求失败，状态码：${response.data.status_code}，信息：${response.data.status_message}`
  );
}

响应示例 ​

json
{
  "version": "0.1.20260717",
  "status_code": 20000,
  "status_message": "Ok.",
  "time": "4.8468 sec.",
  "cost": 0.2133,
  "tasks_count": 1,
  "tasks_error": 0,
  "tasks": [
    {
      "id": "9f1c2a7e-6f43-4b4d-9c5e-123456789abc",
      "status_code": 20000,
      "status_message": "Ok.",
      "time": "4.8123 sec.",
      "cost": 0.2133,
      "result_count": 1,
      "path": [
        "v3",
        "ai_optimization",
        "chat_gpt",
        "llm_responses",
        "live"
      ],
      "data": {
        "api": "ai_optimization",
        "function": "llm_responses",
        "se": "chat_gpt",
        "model_name": "gpt-4.1-mini",
        "web_search": true,
        "web_search_country_iso_code": "FR",
        "web_search_city": "Paris",
        "user_prompt": "请分析当前法国游乐园行业的发展"
      },
      "result": [
        {
          "model_name": "gpt-4.1-mini",
          "input_tokens": 86,
          "output_tokens": 198,
          "reasoning_tokens": 0,
          "web_search": true,
          "money_spent": 0.1800,
          "datetime": "2026-07-17 12:57:46 +00:00",
          "items": [
            {
              "type": "message",
              "sections": [
                {
                  "type": "text",
                  "text": "法国游乐园行业仍较强的市场 relevance，主要受游客需求、区域经济和新项目投资推动。",
                  "annotations": [
                    {
                      "title": "示例来源标题",
                      "url": "https://example.com/source",
                      "start_index": 0,
                      "end_index": 50,
                      "text": "法国游乐园行业仍较强的市场 relevance"
                    }
                  ]
                }
              ]
            }
          ],
          "fan_out_queries": [
            "法国游乐园市场规模",
            "法国主题园游客数量",
            "法国游乐园行业增长趋势"
          ]
        }
      ]
    }
  ]
}

状态码与异常处理 ​

请根据顶层 status_code 和任务级 status_code 判断请求是否成功，并结合 status_message 进行错误处理。

  • 20000：请求或任务执行成功。
  • 状态码：表示参数错误、认证失败、任务执行失败或异常。

建议在业务系统中处理以下：

  1. 检查 HTTP 状态码和 API 返回的 status_code。
  2. 对时、限流和并发任务达到上限进行重试或排队。
  3. 校验 model_name 是否为可用模型。
  4. 启用联网搜索时，检查模型是否支持 web_search。
  5. 对 annotations 为空、搜索无结果或模型未返回引用的进行容处理。

实用场景 ​

  • 分析不同国家或城市的行业趋势与市场需求，为 SEO规划和市场决策提供依据。
  • 生成结合实时网页信息的竞品、品牌或行业摘要，提升研究报告和客户洞察的时效性。
  • 扩展用户问题对应的搜索词，构建选题、集群和后续 SERP 研究任务。
  • 验证多轮对话中的观点与上下文信息，批量生成统一语气的 SEO 咨询、行业分析或客户服务。
  • 追踪AI 响应中的引用来源、Token 消耗和联网搜索状态，评估可信度并控制模型调用成本。

统一入口：官网 · LLM API · 控制台

© 2026 SeerMarTech · GEO · SEO 营销数据 API