设置 ChatGPT LLM 响应任务

POST /v3/ai_optimization/chat_gpt/llm_responses/task_post

本接口使用 POST 方法设置 ChatGPT LLM 响应任务：

POST https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_responses/task_post

本接口根据指定的模型和参数，创建一个异步任务并获取结构化的 ChatGPT 响应。

这是标准任务模式。提交任务后，系统将在后台执行，您可以通过任务 ID 查询结果，或回调地址，在任务完成后接收通知。执行时间取决于系统负载，最长可能需要 72 小时。

如果业务需要实时获取结果，请使用实时模式。实时模式无需分别调用任务提交和结果查询接口。

> 注意：每个任务在执行时会自动预扣一笔约 ¥0.0720 / 任务 的预付款。如果 LLM 实费用低于该金额，差额将退回账户余额。扣费以响应头 X-SeerMarTech-Charge-CNY 为准。

请求说明

请求方法：POST
请求地址：https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_responses/task_post
请求格式：application/json
请求体格式：JSON 数组
单次请求最多 100 个任务平台限流以认证说明中的 30/60/120 次/分钟规则为准-过单次 100 个任务限制的部分将返回错误码 40006
标准任务最长执行时间为 72 小时
如果任务在 72 小时未完成，将标记为失败，并退还预付款
当账户余额为负数时，即使任务执行成功，也不会返回结果

任务完成后，可以使用返回的任务唯一标识 id 查询结果。也可以在提交任务时指定 postback_url 或 pingback_url，由本平台在任务完成后主动通知您的服务器。

如果您的服务器在 10 秒未返回响应，通知连接将因时中断，任务将转移至处理任务列表。错误码和错误信息取决于您的服务器。

计费说明

设置任务时才会产生费用。

参考价约 ¥0.0720 / 任务。费用可能因模型及请求参数而变化，扣费以响应头 X-SeerMarTech-Charge-CNY 为准。

请求参数

请求体是一个 JSON 数组，数组中的每个对象代表一个任务。

参数	类型	填	说明
`user_prompt`	string	是	发送给 AI 模型的问题或任务描述，最多 500 个字符。
`model_name`	string	是	AI 模型名称。可以指定模型名称和版本；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。例如传 `gpt-4.1` 时，系统可能自动设置为 `gpt-4.1-2025-04-14`。可通过 `/v3/ai_optimization/chat_gpt/llm_responses/models` 获取可用模型列表。
`max_output_tokens`	integer	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`。
`temperature`	float	否	控制响应随机性。值越高，输出越多样；值越低，输出越集中。取值范围为 `0` 至 `2`，默认值为 `0.94`。推理模型不支持此参数。
`top_p`	float	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_search`	boolean	否	是否启用网页搜索。启用后，模型可以访问并引用当前网页信息。默认值为 `false`。部分模型支持，以 `/v3/ai_optimization/chat_gpt/llm_responses/models` 返回结果为准。
`force_web_search`	boolean	否	是否强制 AI 使用网页搜索。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`，也不保证响应中一定网页来源。推理模型不支持此参数。
`web_search_country_iso_code`	string	否	网页搜索使用的国家或地区 ISO 代码。启用此参数时，同时启用 `web_search`。`o3-mini`、`o1-pro` 和 `o1` 模型不支持此参数。
`web_search_city`	string	否	网页搜索使用的城市名称。`o3-mini`、`o1-pro` 和 `o1` 模型不支持此参数。
`system_message`	string	否	用于定义 AI 的角色、语气或行为规则，最多 500 个字符。
`message_chain`	array	否	对话历史，由消息对象组成。最多 10 个消息对象。
`postback_url`	string	否	任务完成后，本平台将向该地址发送任务结果的 POST 请求，请求使用 Gzip 压缩。
`pingback_url`	string	否	任务完成后，本平台将向该地址发送 GET 请求进行通知。
`tag`	string	否	用户自定义任务标识，最多 255 个字符。可用于任务与结果，提交的值会出现在响应的 `data` 对象中。

`message_chain` 消息对象

message_chain 数组中的每个对象以下字段：

字段	类型	填	说明
`role`	string	是	消息角色，只支持 `user` 或 `ai`。
`message`	string	是	消息，最多 500 个字符。

示例：

json

"message_chain": [
  {
    "role": "user",
    "message": "你好，最近怎么样？"
  },
  {
    "role": "ai",
    "message": "我很好，谢谢。今天有什么可以帮助您的吗？"
  }
]

回调地址变量

在 postback_url 或 pingback_url 中可以使用以下变量：

$id：任务唯一标识
$tag：经过 URL 编码的任务标签

示例：

text

https://your-server.example.com/postback?id=$id&tag=$tag

回调地址中的特殊字符会进行 URL 编码，例如 # 将被编码为 %23。

如果使用回调模式，请确保服务器能够在 10 秒返回响应。

请求示例

cURL

bash

curl --location --request POST \
  "https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_responses/task_post" \
  --header "Authorization: Bearer smt_live_YOUR_KEY" \
  --header "Content-Type: application/json" \
  --data-raw '[
    {
      "system_message": "请以商务会议的方式进行沟通",
      "message_chain": [
        {
          "role": "user",
          "message": "你好，最近怎么样？"
        },
        {
          "role": "ai",
          "message": "我很好，谢谢。今天有什么可以帮助您的吗？"
        }
      ],
      "max_output_tokens": 1024,
      "temperature": 0.3,
      "model_name": "gpt-4.1-mini",
      "user_prompt": "请分析当前法国游乐园业务的市场性"
    }
  ]'

Python

python

import requests

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

payload = [
    {
        "system_message": "请以商务会议的方式进行沟通",
        "message_chain": [
            {
                "role": "user",
                "message": "你好，最近怎么样？"
            },
            {
                "role": "ai",
                "message": "我很好，谢谢。今天有什么可以帮助您的吗？"
            }
        ],
        "model_name": "gpt-4.1-mini",
        "user_prompt": "请分析当前法国游乐园业务的市场性"
    }
]

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

response = requests.post(url, json=payload, headers=headers, timeout=60)
response.raise_for_status()

result = response.json()
print(result)

TypeScript

typescript

import axios from "axios";

const postData = [
  {
    system_message: "请以商务会议的方式进行沟通",
    message_chain: [
      {
        role: "user",
        message: "你好，最近怎么样？"
      },
      {
        role: "ai",
        message: "我很好，谢谢。今天有什么可以帮助您的吗？"
      }
    ],
    max_output_tokens: 1024,
    temperature: 0.3,
    model_name: "gpt-4.1-mini",
    user_prompt: "请分析当前法国游乐园业务的市场性"
  }
];

axios.post(
  "https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_responses/task_post",
  postData,
  {
    headers: {
      Authorization: "Bearer smt_live_YOUR_KEY",
      "Content-Type": "application/json"
    }
  }
)
  .then((response) => {
    // 处理任务提交结果
    console.log(response.data);
  })
  .catch((error) => {
    // 处理请求错误
    console.error(error.response?.data || error.message);
  });

响应说明

接口返回 JSON 数据 tasks 数组已创建任务的信息。

顶层响应字段

字段	类型	说明
`version`	string	当前 API 版本。
`status_code`	integer	通用响应状态码。成功时通常为 `20000`。
`status_message`	string	通用状态说明。
`time`	string	请求执行耗时，例如 `0.1071 sec.`。
`cost`	float	平台原始 USD 成本兼容字段；人民币实扣以 `X-SeerMarTech-Charge-CNY` 为准。
`tasks_count`	integer	`tasks` 数组中的任务数量。
`tasks_error`	integer	`tasks` 数组中返回错误的任务数量。
`tasks`	array	任务信息数组。

`tasks` 数组字段

字段	类型	说明
`id`	string	系统生成的任务唯一标识，采用 UUID 格式。
`status_code`	integer	任务状态码，通常位于 `10000` 至 `60000` 范围。
`status_message`	string	任务状态说明。
`time`	string	任务执行耗时。
`cost`	float	平台原始 USD 成本兼容字段；人民币实扣以 `X-SeerMarTech-Charge-CNY` 为准。
`result_count`	integer	`result` 数组中的数量。
`path`	array	请求 URL 路径。
`data`	object	提交任务时使用的参数。
`result`	array\|null	任务结果数组。设置任务接口返回时通常为 `null`，需要通过结果查询接口获取最终结果。

响应示例

json

{
  "version": "0.1.20250526",
  "status_code": 20000,
  "status_message": "Ok.",
  "time": "0.1071 sec.",
  "cost": 0.0734,
  "tasks_count": 1,
  "tasks_error": 0,
  "tasks": [
    {
      "id": "7f3c2e1a-8b42-4c8f-9c23-123456789abc",
      "status_code": 20100,
      "status_message": "Task Created.",
      "time": "0.0321 sec.",
      "cost": 0.0720,
      "result_count": 0,
      "path": [
        "v3",
        "ai_optimization",
        "chat_gpt",
        "llm_responses",
        "task_post"
      ],
      "data": {
        "api": "ai_optimization",
        "function": "llm_responses",
        "se": "chat_gpt",
        "system_message": "请以商务会议的方式进行沟通",
        "message_chain": [
          {
            "role": "user",
            "message": "你好，最近怎么样？"
          },
          {
            "role": "ai",
            "message": "我很好，谢谢。今天有什么可以帮助您的吗？"
          }
        ],
        "model_name": "gpt-4.1-mini",
        "user_prompt": "请分析当前法国游乐园业务的市场性"
      },
      "result": null
    }
  ]
}

错误处理

请根据顶层或任务级别的 status_code 和 status_message 处理异常。

重点以下：

单次请求 100 个任务时，出部分返回 40006
请求参数缺失或格式不正确
指定模型不支持参数
temperature 与 top_p 同时传
启用 force_web_search 但未启用 web_search
回调服务器 10 秒未响应
账户余额为负数
任务 72 小时仍未完成

实用场景

批量生成市场研究结论：提交多个国家、行业或业务问题，异步获取统一格式的 AI 分析结果，降低人工研究成本。
构建 SEO策略：让指定模型结合网页搜索分析目标主题的市场趋势、用户需求和竞争环境，为和规划提供依据。
评估业务与搜索市场性：针对不同地区提交相同业务问题，比较模型输出，判断本地化 SEO 和市场优级。
复用多轮对话上下文：通过 message_chain 提供历史对话，让模型在已有分析基础上继续生成，适用于连续的 SEO 研究任务。
接异步数据流水线：通过 postback_url 或 pingback_url 接收任务完成通知，将 AI 分析结果自动写报表、CRM 或生产系统。

设置 ChatGPT LLM 响应任务 ​

请求说明 ​

计费说明 ​

请求参数 ​

message_chain 消息对象 ​

回调地址变量 ​

请求示例 ​

cURL ​

Python ​

TypeScript ​

响应说明 ​

顶层响应字段 ​

tasks 数组字段 ​

响应示例 ​

错误处理 ​

实用场景 ​