Claude 实时 LLM 响应

POST /v3/ai_optimization/claude/llm_responses/live

本接口使用 POST 方法调用：

POST https://api.seermartech.cn/v3/ai_optimization/claude/llm_responses/live

用于向指定的 Claude 模型发送提示词，并实时获取结构化的模型响应。每次请求只能一个任务。

请求体使用 UTF-8 编码的 JSON 数组。
单个请求最多 1 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、每个账户最多同时执行 30 个实时任务。
单个任务最长执行时间为 120 秒。
实扣费以响应头 X-SeerMarTech-Charge-CNY 为准。

请求参数

参数	类型	说明
`user_prompt`	string	填。发送给 AI 模型的问题或任务，最长 500 个字符。
`model_name`	string	填。AI 模型名称，可模型版本。如果填写基础模型名称，系统将自动使用最新版本。例如填写 `claude-opus-4-0` 时，系统可能自动设置为 `claude-opus-4-20250514`。可通过模型列表接口获取可用模型：`GET /v3/ai_optimization/claude/llm_responses/models`。
`max_output_tokens`	integer	可选。AI 响应的最大 Token 数。取值范围为 `1-4096`，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。启用 `use_reasoning` 时，最小值为 `1025`。
`temperature`	float	可选。控制响应随机性。取值范围为 `0-1`，默认值为 `0.7`。值越高，输出越多样；值越低，输出越集中。不能与 `top_p` 同时使用。
`top_p`	float	可选。通过限制候选 Token 范围控制响应多样性。取值范围为 `0-1`，默认值为 `null`。不能与 `temperature` 同时使用。
`web_search`	boolean	可选。是否模型搜索实时网络信息并引用，默认值为 `false`。部分模型支持该功能，请通过模型列表接口确认。
`force_web_search`	boolean	可选。是否强制模型使用网络搜索，默认值为 `false`。启用此参数前将 `web_search` 设置为 `true`。即使设置为 `true`，也不保证响应一定网络来源引用。
`web_search_country_iso_code`	string	可选。网络搜索使用的国家或地区 ISO 代码。可选值：`AR`、`AT`、`AU`、`BE`、`BR`、`CA`、`CH`、`CL`、`CN`、`DE`、`DK`、`ES`、`FI`、`FR`、`GB`、`HK`、`ID`、`IN`、`IT`、`JP`、`KR`、`MX`、`MY`、`NL`、`NO`、`NZ`、`PH`、`PL`、`PT`、`RU`、`SA`、`SE`、`TR`、`TW`、`US`、`ZA`。
`web_search_city`	string	可选。网络搜索使用的城市名称。
`system_message`	string	可选。定义 AI 的角色、语气或行为要求，最长 500 个字符。
`message_chain`	array	可选。历史对话记录数组。每个对象 `role` 和 `message` 字段，最多 10 个对象。
`message_chain[].role`	string	对话角色，可选值为 `user` 或 `ai`。
`message_chain[].message`	string	对话，单条消息最长 500 个字符。
`use_reasoning`	boolean	可选。是否启用模型推理，默认值为 `false`。部分模型支持。启用后，`max_output_tokens` 最小值为 `1025`；`force_web_search`须为 `false`；不能使用 `temperature` 或 `top_p`。
`tag`	string	可选。用户自定义任务标识，最长 255 个字符。可用于请求与响应，该值会原样返回在响应的 `data` 对象中。

`message_chain` 示例

json

[
  {
    "role": "user",
    "message": "请介绍法国主题园市场。"
  },
  {
    "role": "ai",
    "message": "法国主题园市场拥有较成熟的运营体系和较强的吸引力。"
  }
]

请求示例

cURL

bash

curl --location --request POST \
  "https://api.seermartech.cn/v3/ai_optimization/claude/llm_responses/live" \
  --header "Authorization: Bearer smt_live_YOUR_KEY" \
  --header "Content-Type: application/json" \
  --data-raw '[
    {
      "system_message": "请以商务会议中的沟通方式回答",
      "message_chain": [
        {
          "role": "user",
          "message": "你好，最近怎么样？"
        }
      ],
      "max_output_tokens": 200,
      "model_name": "claude-opus-4-0",
      "temperature": 0.3,
      "web_search": true,
      "web_search_country_iso_code": "FR",
      "user_prompt": "请分析法国当前主题园业务的市场性",
      "tag": "france-amusement-park"
    }
  ]'

Python

python

import requests

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

payload = [
    {
        "system_message": "请以商务会议中的沟通方式回答",
        "message_chain": [
            {
                "role": "user",
                "message": "你好，最近怎么样？"
            }
        ],
        "max_output_tokens": 1024,
        "temperature": 0.3,
        "web_search_country_iso_code": "FR",
        "model_name": "claude-opus-4-0",
        "web_search": True,
        "user_prompt": "请分析法国当前主题园业务的市场性"
    }
]

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

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

result = response.json()
print(result)

TypeScript

typescript

import axios from "axios";

const response = await axios.post(
  "https://api.seermartech.cn/v3/ai_optimization/claude/llm_responses/live",
  [
    {
      system_message: "请以商务会议中的沟通方式回答",
      message_chain: [
        {
          role: "user",
          message: "你好，最近怎么样？"
        }
      ],
      max_output_tokens: 200,
      model_name: "claude-opus-4-0",
      temperature: 0.3,
      web_search: true,
      web_search_country_iso_code: "FR",
      user_prompt: "请分析法国当前主题园业务的市场性"
    }
  ],
  {
    headers: {
      Authorization: "Bearer smt_live_YOUR_KEY",
      "Content-Type": "application/json"
    },
    timeout: 120000
  }
);

console.log(response.data);

响应结构

接口返回 JSON 数据，主要 tasks 任务数组。

顶层字段

字段	类型	说明
`version`	string	当前 API 版本。
`status_code`	integer	请求级状态码。完整状态码请参考 `/v3/appendix/errors`。
`status_message`	string	请求级状态信息。
`time`	string	请求执行时间，单位为秒。
`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` 数组中的任务总数。
`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	类型	说明
`id`	string	任务唯一标识，UUID 格式。
`status_code`	integer	任务状态码，通常位于 `10000-60000` 范围。
`status_message`	string	任务状态信息。
`time`	string	任务执行时间，单位为秒。
`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	请求路径信息。
`data`	object	本次请求中提交的任务参数。
`result`	array	AI 模型响应结果数组。

`result` 字段

字段	类型	说明
`model_name`	string	实使用的 AI 模型名称。
`input_tokens`	integer	Token 总数。
`output_tokens`	integer	AI 响应生成的输出 Token 总数。
`reasoning_tokens`	integer	用于生成推理的 Token 数量。
`web_search`	boolean	是否使用了网络搜索。
`money_spent`	float	AI 模型 Token 费用的参考金额，扣费以响应头 `X-SeerMarTech-Charge-CNY` 为准。
`datetime`	string	收到结果的时间，UTC 格式：`yyyy-mm-dd hh-mm-ss +00:00`。
`items`	array	结构化 AI 响应数组。
`fan_out_queries`	array	扩展搜索查询数组。模型可根据主查询生成查询，以获得更的结果。

`items` 字段

items 数组中的主要 reasoning 和 message 两类。

推理：`reasoning`

字段	类型	说明
`type`	string	固定为 `reasoning`。推理模型支持，且不保证一定返回。
`sections`	array	推理链分段数组。

reasoning.sections 中的字段：

字段	类型	说明
`type`	string	固定为 `summary_text`。
`text`	string	对推理过程的摘要文本。

消息：`message`

字段	类型	说明
`type`	string	固定为 `message`。
`sections`	array	AI 响应分段数组。

message.sections 中的字段：

字段	类型	说明
`type`	string	固定为 `text`。
`text`	string	AI 生成的文本。
`annotations`	array / null	生成响应时引用的网络来源。未启用 `web_search` 时为 `null`。即使启用了 `web_search`，如果未找到结果，该字段也可能为空数组。

annotations 中的字段：

字段	类型	说明
`title`	string	引用来源的域名或标题。
`url`	string	引用来源 URL。
`start_index`	integer / null	引用文本的起始索引，当前通常为 `null`。
`end_index`	integer / null	引用文本的结束索引，当前通常为 `null`。
`text`	string / null	被标注的来源文本，当前通常为 `null`。

响应示例

json

{
  "version": "0.1.20251208",
  "status_code": 20000,
  "status_message": "Ok.",
  "time": "30.3333 sec.",
  "cost": 0.55051,
  "tasks_count": 1,
  "tasks_error": 0,
  "tasks": [
    {
      "id": "00000000-0000-0000-0000-000000000001",
      "status_code": 20000,
      "status_message": "Ok.",
      "time": "30.3333 sec.",
      "cost": 0.55051,
      "result_count": 1,
      "path": [
        "v3",
        "ai_optimization",
        "claude",
        "llm_responses",
        "live"
      ],
      "data": {
        "api": "ai_optimization",
        "function": "llm_responses",
        "se": "claude",
        "system_message": "请以商务会议中的沟通方式回答",
        "message_chain": [
          {
            "role": "user",
            "message": "你好，最近怎么样？"
          }
        ],
        "temperature": 0.3,
        "web_search_country_iso_code": "FR",
        "model_name": "claude-opus-4-0",
        "web_search": true,
        "user_prompt": "请分析法国当前主题园业务的市场性"
      },
      "result": [
        {
          "model_name": "claude-opus-4-0",
          "input_tokens": 38,
          "output_tokens": 196,
          "reasoning_tokens": 0,
          "web_search": true,
          "money_spent": 0.0123,
          "datetime": "2025-12-08 12:57:46 +00:00",
          "items": [
            {
              "type": "message",
              "sections": [
                {
                  "type": "text",
                  "text": "法国主题园行业较强的市场性和持续增长潜力。",
                  "annotations": [
                    {
                      "title": "示例来源",
                      "url": "https://example.com/source",
                      "start_index": null,
                      "end_index": null,
                      "text": null
                    }
                  ]
                }
              ]
            }
          ],
          "fan_out_queries": [
            "法国主题园市场规模",
            "法国休闲行业增长趋势"
          ]
        }
      ]
    }
  ]
}

状态码与错误处理

请根据 status_code 和 status_message 判断请求及任务是否成功。建议在业务系统中同时处理以下：

HTTP 请求失败；
顶层 status_code 返回错误；
tasks_error 大于 0；
单个任务的 status_code 返回错误；
请求 120 秒仍未完成；
达到账户并发任务限制。

完整错误码列表请参考：/v3/appendix/errors。

实用场景

分析目标国家的行业趋势：结合 web_search 和国家代码获取最新市场信息，为 SEO 和业务拓展提供决策依据。
生成竞品与市场调研摘要：通过 system_message 固定分析角色，快速输出结构化的竞争格局、主要参与和行业机会。
构建带来源的研究流程：启用网络搜索并读取 annotations，为 SEO提供可追溯的外部引用来源。
延续多轮业务对话：使用 message_chain 传递历史上下文，支持连续的、行业或客户问答分析。
批量执行 AI SEO 任务：通过 tag 标记不同项目或查询类型，便于在生产、市场监测和报告系统中匹结果。

Claude 实时 LLM 响应 ​

请求参数 ​

message_chain 示例 ​

请求示例 ​

cURL ​

Python ​

TypeScript ​

响应结构 ​

顶层字段 ​

tasks 字段 ​

result 字段 ​

items 字段 ​

推理：reasoning ​

消息：message ​

响应示例 ​

状态码与错误处理 ​

实用场景 ​