ChatGPT LLM 抓取实时高级版

POST /v3/ai_optimization/chat_gpt/llm_scraper/live/advanced

接口概述

Live ChatGPT LLM Scraper Advanced 用于实时获取 ChatGPT 搜索结果。返回会受到所选地域和语言参数影响，因此同一在不同国家/地区、不同语言环境下，结果可能不同。

请求方式：POST
接口地址：https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_scraper/live/advanced

计费与调用限制

实扣费以响应头 X-SeerMarTech-Charge-CNY 为准
参考价约 ¥0.0640 / 次
所有 POST 数据需使用 JSON（UTF-8 编码）
请求体格式为 JSON 数组：[{ ... }]
每分钟最多可发送 2000 次 API 调用
每次 Live 请求支持 1 个任务
当前该实时接口的任务执行时间最长可达 120 秒

请求参数

请求体示例结构

json

[
 {
 "keyword": "albert einstein",
 "location_code": 2840,
 "language_code": "en",
 "force_web_search": true,
 "tag": "demo-001"
 }
]

字段说明

字段名	类型	说明
`keyword`	string	填。查询，最长支持 2000 个字符。 `%##` 会被解码，`+` 会被解码为空格。如需传字面量 `%`，请写为 `%25`；如需传字面量 `+`，请写为 `%2B`。
`location_name`	string	搜索地域名。未传 `location_code` 时填。传该字段时可不传 `location_code`。示例：`United States`。地域列表可通过 `/v3/ai_optimization/chat_gpt/llm_scraper/locations` 获取。
`location_code`	integer	搜索地域编码。未传 `location_name` 时填。传该字段时可不传 `location_name`。示例：`2840`。地域列表可通过 `/v3/ai_optimization/chat_gpt/llm_scraper/locations` 获取。
`language_name`	string	搜索语言名。未传 `language_code` 时填。传该字段时可不传 `language_code`。语言列表可通过 `/v3/ai_optimization/chat_gpt/llm_scraper/languages` 获取。
`language_code`	string	搜索语言代码。未传 `language_name` 时填。传该字段时可不传 `language_name`。语言列表可通过 `/v3/ai_optimization/chat_gpt/llm_scraper/languages` 获取。
`force_web_search`	boolean	是否强制 AI 代理使用网页搜索。可选。启用后，模型会被尽量要求访问并引用当前网页信息。默认值：`false`。注意：即使设为 `true`，也不能保证最终响应一定网页来源引用。
`tag`	string	自定义任务标识。可选，最大长度 255。可用于请求与结果对账，响应中的 `data` 对象会返回该值。

返回结果说明

服务端会返回 JSON 数据，根对象中 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。完整错误码见 `/v3/appendix/errors`
`status_message`	string	通用状态信息。完整说明见 `/v3/appendix/errors`
`time`	string	执行耗时，单位秒
`cost`	float	本次请求总成本，单位 USD
`tasks_count`	integer	`tasks` 数组中的任务数
`tasks_error`	integer	返回错误的任务数
`tasks`	array	任务结果数组

tasks[] 字段

字段名	类型	说明
`id`	string	任务唯一标识，UUID 格式
`status_code`	integer	任务状态码，范围通常为 `10000-60000`
`status_message`	string	任务状态说明
`time`	string	任务执行耗时
`cost`	float	任务成本，单位 USD
`result_count`	integer	`result` 数组数
`path`	array	URL 路径
`data`	object	回显请求中提交的参数
`result`	array	结果数组

result[] 字段

字段名	类型	说明
`keyword`	string	请求中的。返回时 `%##` 会被解码，`+` 会被转为空格
`location_code`	integer	请求中的地域编码
`language_code`	string	请求中的语言代码
`model`	string	模型版本标识
`check_url`	string	可直接访问的结果检查地址，用于核对抓取结果
`datetime`	string	结果获取时间，UTC 格式：`yyyy-mm-dd hh:mm:ss +00:00`
`markdown`	string	整体结果的 Markdown
`search_results`	array	模型在检索信息时用到的网页搜索结果，重复项和未最终使用的结果
`sources`	array	模型在最终回答中引用或依赖的来源
`fan_out_queries`	array	从主查询衍生出的扩展查询，用于补回答完整性
`brand_entities`	array	回答中提及的品牌实体信息
`se_results_count`	integer	结果总数
`item_types`	array	`items` 中出现的结果类型，如 `chat_gpt_text`、`chat_gpt_table`、`chat_gpt_navigation_list`、`chat_gpt_images`、`chat_gpt_local_businesses`、`chat_gpt_products`
`items_count`	integer	`items` 数组中的数量
`items`	array	ChatGPT 结果块

结果结构

1）`search_results[]`

模型检索信息时获取到的网页搜索结果。

字段名	类型	说明
`type`	string	固定为 `chatgpt_search_result`
`url`	string	结果 URL
`domain`	string	结果域名
`title`	string	标题
`description`	string	描述
`breadcrumb`	string	面屑路径

2）`sources[]`

模型在最终回答中引用的来源。

字段名	类型	说明
`type`	string	固定为 `chat_gpt_source`
`title`	string	来源标题
`snippet`	string	来源摘要
`domain`	string	来源域名
`url`	string	来源链接
`thumbnail`	string	缩略图
`source_name`	string	来源名称
`publication_date`	string	发布时间，格式：`yyyy-mm-dd hh:mm:ss +00:00`
`markdown`	string	来源的 Markdown 表示

3）`brand_entities[]`

回答中提及的品牌实体。

字段名	类型	说明
`type`	string	固定为 `chat_gpt_brand_entity`
`title`	string	品牌名称
`category`	string	品牌类别
`markdown`	string	Markdown 格式的品牌名
`urls`	array	与品牌的 URL 与域名列表

urls[] 子字段：

字段名	类型	说明
`url`	string	URL
`domain`	string	域名

`items[]` 支持的结果类型

`chat_gpt_text`

文本回答块。

字段名	类型	说明
`type`	string	固定为 `chat_gpt_text`
`rank_group`	integer	同类型组排名
`rank_absolute`	integer	在整个结果页中的绝对排名
`markdown`	string	文本的 Markdown 格式
`sources`	array	文本块引用来源，结构同上
`brand_entities`	array	文本块中提及的品牌实体

`chat_gpt_table`

表格回答块。

字段名	类型	说明
`type`	string	固定为 `chat_gpt_table`
`rank_group`	integer	同类型组排名
`rank_absolute`	integer	绝对排名
`text`	string	表格对应的文本
`markdown`	string	表格的 Markdown 格式
`table`	object	表格结构
`brand_entities`	array	表格中提及的品牌实体

table 子字段：

字段名	类型	说明
`table_header`	array	表头
`table_content`	array	表格，每个子数组代表一行

`chat_gpt_navigation_list`

导航/延伸列表。

字段名	类型	说明
`type`	string	固定为 `chat_gpt_navigation_list`
`rank_group`	integer	同类型组排名
`rank_absolute`	integer	绝对排名
`title`	string	列表标题
`sources`	array	列表来源

`chat_gpt_images`

图片结果块。

字段名	类型	说明
`type`	string	固定为 `chat_gpt_images`
`rank_group`	integer	同类型组排名
`rank_absolute`	integer	绝对排名
`markdown`	string	图片块的 Markdown
`items`	array	图片项列表

items[] 子字段：

字段名	类型	说明
`type`	string	固定为 `chat_gpt_images_element`
`alt`	string	图片 alt 文本
`url`	string	页面 URL
`image_url`	string	图片 URL，可能为原始资源地址或平台存储地址
`markdown`	string	图片项的 Markdown

`chat_gpt_local_businesses`

本地商家结果块。

字段名	类型	说明
`type`	string	固定为 `chat_gpt_local_businesses`
`rank_group`	integer	同类型组排名
`rank_absolute`	integer	绝对排名
`markdown`	string	商家块的 Markdown
`items`	array	商家列表

items[] 子字段：

字段名	类型	说明
`type`	string	固定为 `chat_gpt_local_businesses_element`
`title`	string	商家名称
`description`	string	商家描述
`address`	string	地址
`phone`	string	电话
`reviews_count`	integer	评论总数
`url`	string	商家网站 URL
`domain`	string	商家域名
`rating`	object	评分信息

rating 子字段：

字段名	类型	说明
`rating_type`	string	评分类型，如 `Max5`、`Percents`、`CustomMax`
`value`	float	平均评分
`votes_count`	integer	投票/评价数
`rating_max`	integer	评分上限

`chat_gpt_products`

商品结果块。

字段名	类型	说明
`type`	string	固定为 `chat_gpt_products`
`rank_group`	integer	同类型组排名
`rank_absolute`	integer	绝对排名
`items`	array	商品列表

items[] 子字段：

字段名	类型	说明
`type`	string	固定为 `chat_gpt_products_element`
`product_id`	string	商品 ID
`merchants`	string	提供该商品的商家
`id_to_token_map`	string	商品标识令牌，Base64 编码，的购物商品 ID
`title`	string	商品标题
`rating`	object	商品评分
`price`	float	价格
`currency`	string	币种，ISO 代码
`tag`	string	标签文本
`url`	string	商品 URL
`domain`	string	商品域名
`images`	array	商品图片 URL 列表
`product_ids`	array	购物商品标识列表

product_ids[] 子字段：

字段名	类型	说明
`type`	string	固定为 `chat_gpt_google_shopping_product`
`ei`	string	事件标识
`product_id`	string	商品标识，可作为 Google Shopping API 的 `data_docid`
`catalog_id`	string	商品目录 ID，可作为接口中的 `product_id`
`gpcid`	string	商品聚类 ID，可作为接口中的 `gid`
`headline_offer_docid`	string	主报价文档 ID
`image_docid`	string	商品图片标识
`rds`	string	部资源描述字符串
`query`	string	ChatGPT 用于获取商品的搜索词
`mid`	string	商家标识
`pvt`	string	商品视图类型参数
`uule`	string	编码后的地理位置参数
`gl`	string	国家代码
`hl`	string	主机语言代码

`chat_gpt_ad`

广告结果块。

字段名	类型	说明
`type`	string	固定为 `chat_gpt_ad`
`rank_group`	integer	同类型组排名
`rank_absolute`	integer	绝对排名
`title`	string	广告标题
`snippet`	string	广告描述
`url`	string	落地页 URL
`domain`	string	落地页域名
`image_url`	string	广告图片 URL
`advertiser`	object	广告主信息

advertiser 子字段：

字段名	类型	说明
`name`	string	广告主名称
`url`	string	广告主网站
`favicon_url`	string	广告主 favicon URL

请求示例

cURL

bash

curl --location --request POST "https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_scraper/live/advanced" \
 --header "Authorization: Bearer smt_live_YOUR_KEY" \
 --header "Content-Type: application/json" \
 --data-raw '[
 {
 "language_code": "en",
 "location_code": 2840,
 "keyword": "albert einstein",
 "force_web_search": true,
 "tag": "demo-001"
 }
 ]'

Python

python

import requests

url = "https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_scraper/live/advanced"
headers = {
 "Authorization": "Bearer smt_live_YOUR_KEY",
 "Content-Type": "application/json"
}
data = [
 {
 "language_code": "en",
 "location_code": 2840,
 "keyword": "albert einstein",
 "force_web_search": True,
 "tag": "demo-001"
 }
]

response = requests.post(url, headers=headers, json=data, timeout=180)
print(response.json)

TypeScript

typescript

import axios from "axios";

async function fetchChatGptLlmScraperAdvanced {
 const response = await axios.post(
 "https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_scraper/live/advanced",
 [
 {
 language_code: "en",
 location_code: 2840,
 keyword: "albert einstein",
 force_web_search: true,
 tag: "demo-001",
 },
 ],
 {
 headers: {
 Authorization: "Bearer smt_live_YOUR_KEY",
 "Content-Type": "application/json",
 },
 timeout: 180000,
 }
 );

 console.log(response.data);
}

fetchChatGptLlmScraperAdvanced.catch(console.error);

响应示例

下方示例基于原始文档整理，结构可能因查询词、地区、语言和模型行为而变化。

json

{
 "version": "0.1.20250724",
 "status_code": 20000,
 "status_message": "Ok.",
 "time": "15.0903 sec.",
 "cost": 0.004,
 "tasks_count": 1,
 "tasks_error": 0,
 "tasks": [
 {
 "data": {
 "api": "ai_optimization",
 "function": "llm_scraper",
 "se": "chat_gpt",
 "force_web_search": true,
 "language_code": "en",
 "location_code": 2840,
 "keyword": "albert einstein",
 "device": "desktop",
 "os": "windows"
 },
 "result": [
 {
 "keyword": "albert einstein",
 "location_code": 2840,
 "language_code": "en",
 "search_results": [],
 "sources": [],
 "fan_out_queries": [],
 "brand_entities": [],
 "se_results_count": 0,
 "item_types": [
 "chat_gpt_images",
 "chat_gpt_text",
 "chat_gpt_table",
 "chat_gpt_products",
 "chat_gpt_local_businesses",
 "chat_gpt_navigation_list",
 "chat_gpt_ad"
 ],
 "items_count": 5,
 "items": [
 {
 "type": "chat_gpt_text",
 "rank_group": 1,
 "rank_absolute": 2,
 "markdown": "Here’s a classic image of **Albert Einstein**, perhaps the most iconic physicist of the 20th century.",
 "sources": [],
 "brand_entities": []
 },
 {
 "type": "chat_gpt_table",
 "rank_group": 1,
 "rank_absolute": 3,
 "text": null,
 "markdown": "| Contribution | Impact |",
 "table": {
 "table_header": ["Contribution", "Impact"],
 "table_content": [
 ["Photoelectric Effect", "Laid foundations for quantum mechanics"],
 ["Brownian Motion", "Cemented atomic theory"]
 ]
 },
 "brand_entities": []
 },
 {
 "type": "chat_gpt_navigation_list",
 "rank_group": 1,
 "rank_absolute": 5,
 "title": "Further reading on Einstein",
 "sources": []
 },
 {
 "type": "chat_gpt_ad",
 "rank_group": 1,
 "rank_absolute": 2,
 "title": "Iconic American Classics",
 "snippet": "Timeless looks for summer events.",
 "url": "https://example.com/landing-page",
 "domain": "example.com",
 "image_url": "https://example.com/image.jpg",
 "advertiser": {
 "name": "Example Brand",
 "url": "https://example.com/",
 "favicon_url": "https://example.com/favicon.png"
 }
 }
 ]
 }
 ]
 }
 ]
}

状态码与错误处理

顶层 status_code = 20000 表示请求成功
各任务下也会返回独立的 status_code 与 status_message
建议同时校验：
顶层请求状态
tasks_error 是否为 0
tasks[].status_code 是否成功
错误码与状态信息请参考：/v3/appendix/errors

使用说明与注意事项

每次请求只能提交一个任务，即 JSON 数组中一个对象。
结果是实时生成的，返回结构会因类型不同而变化，并不保证每次都出现 images、products、ads、local_businesses 等模块。
force_web_search=true 只表示尽量启用网页检索能力，不保证最终回答一定引用网页来源。
若需要做结果核验，可结合 check_url、sources、search_results 进行交叉比对。
markdown 字段适合直接做渲染、摘要分析、结构化抽取或二次洗。

实用场景

监测品牌在 AI 回答中的：抓取 brand_entities、sources 与正文块，判断品牌是否被提及、以什么类别出现，帮助评估 AI 搜索时代的品牌可见度。
分析 AI 回答引用了哪些站点：基于 sources 和 search_results 识别高频被引用域名，制定数字、投放和外链合作策略。
拆解 AI 结果页的结构：通过 items 中的 text、table、images、products、ads 等模块，分析不同查询意图下 AI 如何组织答案，指导生产与页面结构优化。
跟踪本地商家与商品推荐表现：当结果 chat_gpt_local_businesses 或 chat_gpt_products 时，可评估本地门店、商品页在 AI 场景中的推荐机会，支持本地 SEO 与电商优化。
挖掘扩展问题与选题：利用 fan_out_queries 识别 AI 为完成回答而扩展出的问题，帮助发现用户深层需求，补 FAQ、专题页和长尾布局。

ChatGPT LLM 抓取实时高级版 ​

接口概述 ​

计费与调用限制 ​

请求参数 ​

请求体示例结构 ​

字段说明 ​

返回结果说明 ​

顶层字段 ​

tasks[] 字段 ​

result[] 字段 ​

结果结构 ​

1）search_results[] ​

2）sources[] ​

3）brand_entities[] ​

items[] 支持的结果类型 ​

chat_gpt_text ​

chat_gpt_table ​

chat_gpt_navigation_list ​

chat_gpt_images ​

chat_gpt_local_businesses ​

chat_gpt_products ​

chat_gpt_ad ​

请求示例 ​

cURL ​

Python ​

TypeScript ​

响应示例 ​

状态码与错误处理 ​

使用说明与注意事项 ​

实用场景 ​

ChatGPT LLM 抓取实时高级版

接口概述

计费与调用限制

请求参数

请求体示例结构

字段说明

返回结果说明

顶层字段

tasks[] 字段

result[] 字段

结果结构

1）`search_results[]`

2）`sources[]`

3）`brand_entities[]`

`items[]` 支持的结果类型

`chat_gpt_text`

`chat_gpt_table`

`chat_gpt_navigation_list`

`chat_gpt_images`

`chat_gpt_local_businesses`

`chat_gpt_products`

`chat_gpt_ad`

请求示例

cURL

Python

TypeScript

响应示例

状态码与错误处理

使用说明与注意事项

实用场景