设置 ChatGPT LLM Responses 任务

接口概述

该接口用于向指定的 ChatGPT 模型创建任务，并获取结构化响应结果。

这是标准异步模式的数据获取方式：通过 POST 创建任务，本平台完成处理后，再通过结果接口、id 查询，或通过 postback_url / pingback_url 接收结果通知。若你不要求实时返回，这种方式更适合批量、稳定的数据采集场景。

如果你的业务需要立即返回结果，应改用对应的 Live 方法。Live 模式无需分别发起 POST 与 GET 请求。

注意：提交该接口任务时，会自动预扣 USD 0.01，折合参考价约 ¥0.1600 / 次预付。若 LLM 调用成本低于该金额，差额会退回账户余额。实扣费以响应头 X-SeerMarTech-Charge-CNY 为准。

请求地址

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

计费与调用限制

在创建任务时扣费
标准模式任务最长可能需要 72 小时完成
若 72 小时仍未完成，任务会标记为失败，预扣费用将退回
若账户余额为负，即使任务执行成功，也无法获取结果
每分钟最多可发起 2000 次 API 调用
单次 POST 请求中最多 100 个任务
若单次请求中任务数 100，出部分会返回错误 40006

请求格式

所有 POST 数据使用 UTF-8 编码的 JSON 格式，并按数组方式提交：

json

[
 {
 "model_name": "gpt-4.1-mini",
 "user_prompt": "请分析当前法国游乐园行业的性与市场机会"
 }
]

任务结果获取方式

任务提交成功后，可通过以下方式获取结果：

使用返回的唯一任务标识 id 获取结果
设置 postback_url，任务完成后由本平台向该地址发送结果的 gzip 压缩 POST 请求
设置 pingback_url，任务完成后由本平台向该地址发送 GET 通知

如果你的服务器在 10 秒未响应，连接会因时被中断，任务将转对应的 tasks_ready 列表中你主动拉取。错误码与错误信息取决于你的服务器。

请求参数

任务级参数

字段名	类型	说明
`user_prompt`	string	填。发送给 AI 模型的问题或任务说明。最多 500 个字符。
`model_name`	string	填。AI 模型名称。由基础模型名与版本组成；若传基础模型名，系统会自动选择最新版本。例如传 `gpt-4.1` 时，可能自动补为类似 `gpt-4.1-2025-04-14` 的版本。可通过 `/v3/ai_optimization/chat_gpt/llm_responses/models` 获取可用模型列表。
`max_output_tokens`	integer	可选。AI 响应输出的最大 token 数。推理型模型（即模型列表接口中 `reasoning=true`）最小值为 `1024`；非推理型模型最小值为 `16`；最大值为 `4096`；默认值 `2048`。
`temperature`	float	可选。控制输出随机性。值越高，结果越发散；值越低，结果越聚焦。取值范围：`0` - `2`，默认值 `0.94`。推理型模型不支持该参数。
`top_p`	float	可选。通过限制 token 采样范围控制多样性。取值范围：`0` - `1`，默认值 `0.92`。不能与 `temperature` 同时使用。
`web_search`	boolean	可选。是否启用联网搜索。启用后，AI 可访问并引用当前网页信息。默认值 `false`。并非所有模型都支持，需以模型列表接口返回为准。
`force_web_search`	boolean	可选。是否强制 AI 使用联网搜索。启用该参数前，开启 `web_search`。默认值 `false`。即使设置为 `true`，也不保证最终响应一定引用网页来源。推理型模型不支持该参数。
`web_search_country_iso_code`	string	可选。联网搜索所使用的国家 ISO 代码。使用前开启 `web_search`。设置后，AI 将优从指定国家视角进行网页搜索。`o3-mini`、`o1-pro`、`o1` 不支持。
`web_search_city`	string	可选。联网搜索的城市名称。`o3-mini`、`o1-pro`、`o1` 不支持。
`system_message`	string	可选。用于定义 AI 的角色、语气或行为方式。最多 500 个字符。
`message_chain`	array	可选。历史对话数组，用于提供上下文。每个都 `role` 和 `message`：`role` `user` 或 `ai`；`message` 最多 500 个字符。数组最多 10 条消息对象。
`postback_url`	string	可选。任务完成后接收结果的回调地址。本平台会向该地址发送结果的 gzip 压缩 POST 请求。支持在 URL 中使用 `$id` 与 `$tag` 变量，发送前会自动替换。特殊字符会自动进行 URL 编码，例如 `#` 会被编码为 `%23`。
`pingback_url`	string	可选。任务完成后的通知地址。本平台会向该地址发起 GET 请求。支持在 URL 中使用 `$id` 与 `$tag` 变量，发送前会自动替换。特殊字符会自动进行 URL 编码，例如 `#` 会被编码为 `%23`。
`tag`	string	可选。自定义任务标识，最长 255 个字符。可用于任务与业务数据的，返回结果中的 `data` 数组会保留该值。

`message_chain` 示例

json

[
 {
 "role": "user",
 "message": "你好，最近法国主题乐园市场怎么样？"
 },
 {
 "role": "ai",
 "message": "法国主题乐园市场与、家庭娱乐和季节性消费密切。"
 }
]

`postback_url` / `pingback_url` 示例

text

http://your-server.com/postbackscript?id=$id
http://your-server.com/postbackscript?id=$id&tag=$tag

http://your-server.com/pingscript?id=$id
http://your-server.com/pingscript?id=$id&tag=$tag

响应结构

接口返回 JSON 数据，顶层 tasks 数组。

顶层字段

字段名	类型	说明
`version`	string	当前 API 版本。
`status_code`	integer	通用状态码。完整错误码体系参考 `/v3/appendix/errors`。建议在系统中做好异常与错误处理。
`status_message`	string	通用状态信息。
`time`	string	执行耗时，单位秒。
`cost`	float	本次请求总费用，单位 USD。
`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	任务结果数组。

`tasks[]` 字段

字段名	类型	说明
`id`	string	本平台中的唯一任务 ID，UUID 格式。
`status_code`	integer	任务状态码，范围通常为 `10000` - `60000`。完整列表参考 `/v3/appendix-errors/`。
`status_message`	string	任务状态信息。
`time`	string	任务执行耗时，单位秒。
`cost`	float	当前任务费用，单位 USD。
`result_count`	integer	`result` 数组中的数。
`path`	array	请求路径。
`data`	object	含你在 POST 请求中提交的原始参数。
`result`	array	结果数组。对于 `task_post` 接口，此处通常为 `null`，因为该接口只负责创建任务。

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 '[
 {
 "model_name": "gpt-4.1-mini",
 "user_prompt": "provide information on how relevant the amusement park business is in France now"
 }
]'

Python

python

import requests

url = "https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_responses/task_post"
headers = {
 "Authorization": "Bearer smt_live_YOUR_KEY",
 "Content-Type": "application/json"
}

payload = [
 {
 "system_message": "communicate as if we are in a business meeting",
 "message_chain": [
 {
 "role": "user",
 "message": "Hello, what's up?"
 },
 {
 "role": "ai",
 "message": "Hello! I’m doing well, thank you. How can I assist you today?"
 }
 ],
 "model_name": "gpt-4.1-mini",
 "user_prompt": "provide information on how relevant the amusement park business is in France now"
 }
]

response = requests.post(url, headers=headers, json=payload)
print(response.json)

TypeScript

typescript

import axios from "axios";

const postArray = [
 {
 system_message: "communicate as if we are in a business meeting",
 message_chain: [
 {
 role: "user",
 message: "Hello, what's up?"
 },
 {
 role: "ai",
 message: "Hello! I’m doing well, thank you. How can I assist you today?"
 }
 ],
 model_name: "gpt-4.1-mini",
 user_prompt: "provide information on how relevant the amusement park business is in France now"
 }
];

axios({
 method: "post",
 url: "https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_responses/task_post",
 headers: {
 Authorization: "Bearer smt_live_YOUR_KEY",
 "Content-Type": "application/json"
 },
 data: postArray
})
 .then((response) => {
 console.log(response.data);
 })
 .catch((error) => {
 console.log(error.response?.data || error.message);
 });

响应示例

json

{
 "version": "0.1.20250526",
 "status_code": 20000,
 "status_message": "Ok.",
 "time": "0.1071 sec.",
 "cost": 0.0102,
 "tasks_count": 1,
 "tasks_error": 0,
 "tasks": [
 {
 "id": "12345678-1234-1234-1234-1234567890ab",
 "status_code": 20100,
 "status_message": "Task Created.",
 "time": "0.0031 sec.",
 "cost": 0.0102,
 "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": "communicate as if we are in a business meeting",
 "message_chain": [
 {
 "role": "user",
 "message": "Hello, what's up?"
 },
 {
 "role": "ai",
 "message": "Hello! I’m doing well, thank you. How can I assist you today?"
 }
 ],
 "model_name": "gpt-4.1-mini",
 "user_prompt": "provide information on how relevant the amusement park business is in France now"
 },
 "result": null
 }
 ]
}

状态码与错误处理

顶层 status_code = 20000 表示请求成功
任务创建成功时，任务级通常会返回类似 20100 的状态
若单次 POST 中任务数 100，出部分将返回 40006
完整错误码与状态信息请参考 /v3/appendix/errors

建议重点处理以下场景：

请求体格式错误 -填参数缺失
temperature 与 top_p 同时传
推理型模型使用了不支持的参数
未开启 web_search 却传 force_web_search 或地域搜索参数
账户余额不足或为负
回调地址时或不可达

使用建议

需要更稳定、可批量处理的 AI 任务时，优使用标准异步模式
有明确风格约束时，优设置 system_message
有上下文连续对话需求时，使用 message_chain
需要最新网页信息时，开启 web_search
在 SEO、竞品分析、行业研究等任务中，建议结合 tag 做任务追踪与归档

实用场景

生成行业分析摘要：某个行业、国家或城市的研究问题，快速获得结构化 AI 分析，帮助市场团队初步判断赛道热度。
批量评估商业性：围绕一组业务提交异步任务，判断商业意图与机会，用于 SEO 选题优级排序。
补竞品研究结论：结合历史对话与系统提示，持续追问某个竞品市场表现、用户需求和趋势变化，提升研究效率。
构建策划助手：通过 system_message 约束语气和输出风格，让模型按品牌要求生成适合团队使用的研究结论。
结合联网搜索做时效性判断：启用 web_search 获取更接近当前网页信息的回答，用于跟踪热点行业、地域市场变化与新机会。

设置 ChatGPT LLM Responses 任务 ​

接口概述 ​

请求地址 ​

计费与调用限制 ​

请求格式 ​

任务结果获取方式 ​

请求参数 ​

任务级参数 ​

message_chain 示例 ​

postback_url / pingback_url 示例 ​

响应结构 ​

顶层字段 ​

tasks[] 字段 ​

请求示例 ​

cURL ​

Python ​

TypeScript ​

响应示例 ​

状态码与错误处理 ​

使用建议 ​

实用场景 ​

设置 ChatGPT LLM Responses 任务

接口概述

请求地址

计费与调用限制

请求格式

任务结果获取方式

请求参数

任务级参数

`message_chain` 示例

`postback_url` / `pingback_url` 示例

响应结构

顶层字段

`tasks[]` 字段

请求示例

cURL

Python

TypeScript

响应示例

状态码与错误处理

使用建议

实用场景