获取 ChatGPT LLM Scraper 高级结果

接口说明

用于按任务 ID 获取 ChatGPT LLM Scraper 的高级结果。

请求地址

GET https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_scraper/task_get/advanced/$id

计费说明

账户在创建任务时扣费，任务结果在随后 30 天可重复获取。

扣费以响应头 X-SeerMarTech-Charge-CNY 为准。

路径参数

字段	类型	说明
`id`	string	任务唯一标识，UUID 格式。该 ID 可在任务创建后的 30 天用于随时获取结果。

返回结构

接口返回 JSON 数据，顶层 tasks 数组。

顶层响应字段

字段	类型	说明
`version`	string	当前 API 版本
`status_code`	integer	通用状态码，完整列表参考 `/v3/appendix/errors`
`status_message`	string	通用状态信息，完整列表参考 `/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

建议在接时对异常状态和错误码建立完整处理机制。

`tasks` 数组字段

字段	类型	说明
`id`	string	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	任务处理耗时，单位秒
`cost`	float	该任务成本，单位 USD
`result_count`	integer	`result` 数组数量
`path`	array	URL 路径
`data`	object	与创建任务时 POST 请求中传参数一致
`result`	array	结果数组

`result` 数组字段

字段	类型	说明
`keyword`	string	POST 数组中提交的。返回时会对 `%##` 进行解码加号 `+` 会被解码为空格。
`location_code`	integer	POST 数组中的地区编码
`language_code`	string	POST 数组中的语言代码
`model`	string	模型版本
`check_url`	string	指向搜索结果的直接链接，可用于核对返回结果是否准确
`datetime`	string	结果获取时间，UTC 格式：`yyyy-mm-dd hh:mm:ss +00:00`
`markdown`	string	结果的 Markdown 格式文本
`search_results`	array	模型在检索信息时获得的网页搜索结果重复项和最终未使用的条目
`sources`	array	模型在最终回答中引用或依赖的来源
`fan_out_queries`	array	扩展查询数组，从主查询衍生出的搜索词
`brand_entities`	array	回答中提及的品牌实体信息
`se_results_count`	integer	搜索结果总数
`item_types`	array	`items` 中的结果类型。可能值：`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 结果数组

`search_results` 字段说明

表示模型检索阶段抓取到的网页搜索结果。

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

`sources` 字段说明

表示模型最终答案中引用或依赖的来源。

字段	类型	说明
`type`	string	素类型，固定为 `chat_gpt_source`
`title`	string	来源标题
`snippet`	string	来源描述
`domain`	string	来源域名
`url`	string	来源 URL
`thumbnail`	string	来源缩略图
`source_name`	string	来源名称
`publication_date`	string	发布时间，格式示例：`2019-11-15 12:57:46 +00:00`
`markdown`	string	Markdown 格式

`brand_entities` 字段说明

表示回答中出现的品牌实体。

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

`brand_entities.urls` 子字段

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

`items` 结果类型说明

1）`chat_gpt_text`

文本型回答。

字段	类型	说明
`type`	string	固定为 `chat_gpt_text`
`rank_group`	integer	同类型中的组排名
`rank_absolute`	integer	所有中的绝对排名
`markdown`	string	Markdown 格式
`sources`	array	文本引用来源，结构同上
`brand_entities`	array	文本中提及的品牌实体，结构同上

2）`chat_gpt_table`

表格型。

字段	类型	说明
`type`	string	固定为 `chat_gpt_table`
`rank_group`	integer	同类型中的组排名
`rank_absolute`	integer	所有中的绝对排名
`text`	string	素文本
`markdown`	string	Markdown 格式
`table`	object	表格对象，表头和表格
`brand_entities`	array	表格中提及的品牌实体

`table` 子字段

字段	类型	说明
`table_header`	array	表头
`table_content`	array	表格数组，每个数组代表一行

3）`chat_gpt_navigation_list`

导航/延伸列表。

字段	类型	说明
`type`	string	固定为 `chat_gpt_navigation_list`
`rank_group`	integer	同类型中的组排名
`rank_absolute`	integer	所有中的绝对排名
`title`	string	素标题
`sources`	array	来源列表

4）`chat_gpt_images`

图片集合结果。

字段	类型	说明
`type`	string	固定为 `chat_gpt_images`
`rank_group`	integer	同类型中的组排名
`rank_absolute`	integer	所有中的绝对排名
`markdown`	string	Markdown 格式
`items`	array	图片条目数组

`chat_gpt_images.items` 子字段

字段	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。可能指向原始资源，或在原始资源不可用时指向平台存储地址。
`markdown`	string	Markdown 格式

5）`chat_gpt_local_businesses`

本地商家结果。

字段	类型	说明
`type`	string	固定为 `chat_gpt_local_businesses`
`rank_group`	integer	同类型中的组排名
`rank_absolute`	integer	所有中的绝对排名
`markdown`	string	Markdown 格式
`items`	array	本地商家条目数组

`chat_gpt_local_businesses.items` 子字段

字段	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	商家官网 URL
`domain`	string	商家域名
`rating`	object	评分信息

`rating` 子字段

字段	类型	说明
`rating_type`	string	评分类型，可为 `Max5`、`Percents`、`CustomMax`
`value`	float	平均评分
`votes_count`	integer	投票数
`rating_max`	integer	当前 `rating_type` 的最大分值

6）`chat_gpt_products`

商品结果。

字段	类型	说明
`type`	string	固定为 `chat_gpt_products`
`rank_group`	integer	同类型中的组排名
`rank_absolute`	integer	所有中的绝对排名
`items`	array	商品条目数组

`chat_gpt_products.items` 子字段

字段	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 token，Base64 编码，购物商品 ID 信息
`title`	string	商品标题
`rating`	object	商品评分信息
`price`	float	商品价格
`currency`	string	价格币种，ISO 货币代码
`tag`	string	标签文本
`url`	string	结果 URL
`domain`	string	结果域名
`images`	array	商品图片 URL 列表
`product_ids`	array	的商品标识数组

`product_ids` 子字段

字段	类型	说明
`type`	string	固定为 `chat_gpt_google_shopping_product`
`ei`	string	事件标识符
`product_id`	string	商品标识，可作为购物接口中的 `data_docid`
`catalog_id`	string	商品目录标识，可作为购物接口中的 `product_id`
`gpcid`	string	商品聚类标识，可作为购物接口中的 `gid`
`headline_offer_docid`	string	主报价文档标识，可作为购物接口中的 `data_docid`
`image_docid`	string	商品图片标识
`rds`	string	资源描述字符串
`query`	string	ChatGPT 用于检索该商品的搜索词
`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	语言代码

7）`chat_gpt_ad`

广告结果。

字段	类型	说明
`type`	string	固定为 `chat_gpt_ad`
`rank_group`	integer	同类型中的组排名
`rank_absolute`	integer	所有中的绝对排名
`title`	string	广告标题
`snippet`	string	广告描述文本
`url`	string	广告落地页 URL
`domain`	string	广告域名
`image_url`	string	广告展示图片 URL
`advertiser`	object	广告主信息

`advertiser` 子字段

字段	类型	说明
`name`	string	广告主名称
`url`	string	广告主官网
`favicon_url`	string	广告主 favicon 图片地址

调用示例

cURL

bash

id="02261816-2027-0066-0000-c27d02864073"

curl --location --request GET "https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_scraper/task_get/advanced/${id}" \
 --header "Authorization: Bearer smt_live_YOUR_KEY" \
 --header "Content-Type: application/json"

Python

python

import requests

task_id = "02231256-2604-0066-2000-57133b8fc54e"

url = f"https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_scraper/task_get/advanced/{task_id}"

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

response = requests.get(url, headers=headers)
data = response.json

print(data)
# 可按需进一步读取 data["tasks"][0]["result"]

TypeScript

typescript

import axios from "axios";

const taskId = "02231256-2604-0066-2000-57133b8fc54e";

axios({
 method: "get",
 url: `https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_scraper/task_get/advanced/${taskId}`,
 headers: {
 "Authorization": "Bearer smt_live_YOUR_KEY",
 "Content-Type": "application/json"
 }
}).then((response) => {
 console.log(response.data);
}).catch((error) => {
 console.error(error);
});

结合 tasks_ready 获取已完成任务

接中，通常调用：

GET /v3/ai_optimization/chat_gpt/llm_scraper/tasks_ready

获取已完成任务，再通过返回的任务 ID 或 endpoint_advanced 调用：

GET /v3/ai_optimization/chat_gpt/llm_scraper/task_get/advanced/$id

这种方式适合批量拉取异步任务结果。

响应示例

json

{
 "version": "0.1.20250723",
 "status_code": 20000,
 "status_message": "Ok.",
 "time": "0.1703 sec.",
 "cost": 0,
 "tasks_count": 1,
 "tasks_error": 0,
 "tasks": [
 {
 "id": "02231256-2604-0066-2000-57133b8fc54e",
 "status_code": 20000,
 "status_message": "Ok.",
 "time": "0.0312 sec.",
 "cost": 0,
 "result_count": 1,
 "path": [
 "v3",
 "ai_optimization",
 "chat_gpt",
 "llm_scraper",
 "task_get",
 "advanced"
 ],
 "data": {
 "api": "ai_optimization",
 "function": "llm_scraper",
 "se": "chat_gpt",
 "language_code": "en",
 "location_code": 2840,
 "keyword": "albert einstein",
 "device": "desktop",
 "os": "windows"
 },
 "result": [
 {
 "keyword": "albert einstein",
 "location_code": 2840,
 "language_code": "en",
 "markdown": "Here’s a classic image of **Albert Einstein**, perhaps the most iconic physicist of the 20th century.",
 "search_results": [],
 "sources": [],
 "fan_out_queries": [],
 "brand_entities": [],
 "se_results_count": 0,
 "item_types": [
 "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 |\n|---|---|\n| Photoelectric Effect | Laid foundations for quantum mechanics |\n| Brownian Motion | Cemented atomic theory |",
 "table": {
 "table_header": [
 "Contribution",
 "Impact"
 ],
 "table_content": [
 ["Photoelectric Effect", "Laid foundations for quantum mechanics"],
 ["Brownian Motion", "Cemented atomic theory"]
 ]
 },
 "brand_entities": []
 },
 {
 "type": "chat_gpt_products",
 "rank_group": 1,
 "rank_absolute": 4,
 "items": [
 {
 "type": "chat_gpt_products_element",
 "product_id": "gid://shopify/p/5ymP4aadqvedAsJ3PeFyvU",
 "merchants": "Walmart + others",
 "title": "Funny Albert Einstein Quotes Hoodie",
 "price": 49.95,
 "currency": "USD",
 "url": "https://example.com/product",
 "domain": "example.com",
 "images": [],
 "product_ids": []
 }
 ]
 },
 {
 "type": "chat_gpt_local_businesses",
 "rank_group": 1,
 "rank_absolute": 5,
 "markdown": "Local business recommendations...",
 "items": []
 },
 {
 "type": "chat_gpt_ad",
 "rank_group": 1,
 "rank_absolute": 6,
 "title": "Iconic American Classics",
 "snippet": "Timeless looks for summer events.",
 "url": "https://example.com/ad",
 "domain": "example.com",
 "image_url": "https://example.com/image.jpg",
 "advertiser": {
 "name": "Example Advertiser",
 "url": "https://example.com",
 "favicon_url": "https://example.com/favicon.png"
 }
 }
 ]
 }
 ]
 }
 ]
}

常见状态说明

状态码	含义
`20000`	请求成功
`40000+`	任务级错误，需结合 `status_message` 排查
`10000-60000`	任务状态码范围，完整错误码参考 `/v3/appendix/errors`

使用建议

该接口适合获取完整增强版结果结构，回答文本，还可返回来源、品牌实体、图片、表格、商品、本地商家、导航列表、广告等。
若需要批量处理异步任务，建议调用 /v3/ai_optimization/chat_gpt/llm_scraper/tasks_ready，再按任务 ID 拉取高级结果。
若需做引用来源分析，重点 sources、search_results、fan_out_queries。
若需做品牌与商业结果分析，重点 brand_entities、chat_gpt_products、chat_gpt_ad、chat_gpt_local_businesses。

实用场景

监控 AI 回答引用来源：抓取 sources 和 search_results，识别品牌是否被模型引用及引用自哪些站点，与外链策略优化。
分析品牌在 AI 回答中的：提取 brand_entities，统计品牌名称、类别及域名，评估品牌在生成式搜索中的可见度。
拆解 AI 答案结构：解析 items 中的文本、表格、图片、导航列表等模块，判断目标主题在 AI 结果中的呈现方式，优化生产方向。
跟踪商品推荐机会：读取 chat_gpt_products，识别 AI 场景下被展示的商品、商家、价格和商品标识，支持电商选品与竞品研究。
评估本地商家与广告露出：分析 chat_gpt_local_businesses 和 chat_gpt_ad，判断本地服务或商业广告在 AI 回答中的出现，本地 SEO 与投放优化。

获取 ChatGPT LLM Scraper 高级结果 ​

接口说明 ​

请求地址 ​

计费说明 ​

路径参数 ​

返回结构 ​

顶层响应字段 ​

tasks 数组字段 ​

result 数组字段 ​

search_results 字段说明 ​

sources 字段说明 ​

brand_entities 字段说明 ​

brand_entities.urls 子字段 ​

items 结果类型说明 ​

1）chat_gpt_text ​

2）chat_gpt_table ​

table 子字段 ​

3）chat_gpt_navigation_list ​

4）chat_gpt_images ​

chat_gpt_images.items 子字段 ​

5）chat_gpt_local_businesses ​

chat_gpt_local_businesses.items 子字段 ​

rating 子字段 ​

6）chat_gpt_products ​

chat_gpt_products.items 子字段 ​

product_ids 子字段 ​

7）chat_gpt_ad ​

advertiser 子字段 ​

调用示例 ​

cURL ​

Python ​

TypeScript ​