主题
按任务 ID 获取 Claude LLM 响应结果
本接口使用 GET 方法,通过以下路径获取指定任务的 Claude LLM 响应结果:
/v3/ai_optimization/claude/llm_responses/task_get/$id
Claude LLM Responses 接口可根据任务提交时的参数,返回指定 Claude 模型生成的结构化响应。
使用标准方法提交的任务最长可能需要 72 小时完成。如果任务在此时间未完成,将被标记为失败,并退还约 ¥0.0720 的任务预扣费用。若账户余额为负数,即使任务已成功完成,也可能无法获取结果。
请求信息
请求方法
GET
请求地址
text
https://api.seermartech.cn/v3/ai_optimization/claude/llm_responses/task_get/$id$id 为任务唯一标识符。
路径参数
| 参数 | 类型 | 说明 |
|---|---|---|
id | string | 任务唯一标识符,采用 UUID 格式。任务提交成功后获得,可在 30 天随时用于查询任务结果。 |
计费说明
- 获取任务结果本身不额外收费。
- 任务提交时计费,提交成功后可在接下来的 30 天查询结果。
- 标准方法任务的预扣费用参考价约为 ¥0.0720 / 次。
- 实扣费以响应头
X-SeerMarTech-Charge-CNY为准。 - 响应中的
cost和money_spent字段可能平台模型计费口径返回,人民币扣费请以响应头为准。
响应结构
接口返回 JSON 数据,顶层 tasks 数组。
顶层字段
| 字段 | 类型 | 说明 |
|---|---|---|
version | string | 当前 API 版本。 |
status_code | integer | API 整体状态码。完整状态码列表请参考错误码文档。 |
status_message | string | API 整体状态说明。 |
time | string | 请求执行耗时,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 任务字段
| 字段 | 类型 | 说明 |
|---|---|---|
id | string | 任务唯一标识符,UUID 格式。 |
status_code | integer | 当前任务状态码,通常为 10000 至 60000 范围的整数。 |
status_message | string | 当前任务状态说明。 |
time | string | 任务执行耗时,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 | 提交任务时使用的请求参数。 |
result | array | 任务生成的结果数组。 |
result 结果字段
| 字段 | 类型 | 说明 |
|---|---|---|
model_name | string | 使用的 AI 模型名称。 |
input_tokens | integer | Token 数量,即处理的 Token 总数。 |
output_tokens | integer | 输出 Token 数量,即 AI 响应生成的 Token 总数。 |
reasoning_tokens | integer | 推理 Token 数量,即用于生成推理的 Token 总数。 |
web_search | boolean | 是否使用了联网搜索。 |
money_spent | float | AI Token 消耗成本。 |
datetime | string | 获取结果的日期和时间,使用 UTC 格式:yyyy-mm-dd hh-mm-ss +00:00。示例:2019-11-15 12:57:46 +00:00。 |
items | array | 响应项数组,结构化 AI 响应数据。 |
fan_out_queries | array | 扩展查询数组。根据主查询生成的搜索查询,用于帮助模型生成更完整的回答。 |
items 响应项
reasoning
推理对象在支持推理能力的模型中提供,且不保证每次返回。
| 字段 | 类型 | 说明 |
|---|---|---|
type | string | 固定为 reasoning。 |
sections | array | 推理链分段数组。 |
sections 中的字段:
| 字段 | 类型 | 说明 |
|---|---|---|
type | string | 固定为 summary_text。 |
text | string | 推理链分段文本,用于概述模型的推理过程。 |
message
AI 消息对象。
| 字段 | 类型 | 说明 |
|---|---|---|
type | string | 固定为 message。 |
sections | array | 消息分段数组。 |
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 | 生成响应时引用的来源信息。如果请求中未将 web_search 设置为 true,则为 null。即使启用了联网搜索,也可能返回空数组,因为模型可能未找到网页信息。 |
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 | 引用标注的起始索引。目前通常为 null。 |
end_index | integer / null | 引用标注的结束索引。目前通常为 null。 |
text | string / null | 被标注的引用文本。目前通常为 null。 |
请求示例
cURL
bash
task_id="02031608-0696-0110-0000-a81d0414edbe"
curl --location --request GET \
"https://api.seermartech.cn/v3/ai_optimization/claude/llm_responses/task_get/${task_id}" \
--header "Authorization: Bearer smt_live_YOUR_KEY" \
--header "Content-Type: application/json"PHP
php
<?php
$taskId = '07211938-0696-0613-0000-674a0f948d6b';
$url = 'https://api.seermartech.cn/v3/ai_optimization/claude/llm_responses/task_get/' . $taskId;
$ch = curl_init($url);
curl_setopt_array($ch, [
CURLOPT_RETURNTRANSFER => true,
CURLOPT_HTTPGET => true,
CURLOPT_HTTPHEADER => [
'Authorization: Bearer smt_live_YOUR_KEY',
'Content-Type: application/json',
],
]);
$response = curl_exec($ch);
if ($response === false) {
throw new RuntimeException(curl_error($ch));
}
curl_close($ch);
$result = json_decode($response, true);
print_r($result);TypeScript
typescript
import axios from 'axios';
const taskId = '02231934-2604-0066-2000-570459f04879';
axios.get(
`https://api.seermartech.cn/v3/ai_optimization/claude/llm_responses/task_get/${taskId}`,
{
headers: {
Authorization: 'Bearer smt_live_YOUR_KEY',
'Content-Type': 'application/json',
},
}
)
.then((response) => {
// 处理接口返回结果
console.log(response.data);
})
.catch((error) => {
console.error('请求失败:', error.response?.data || error.message);
});Python
python
import requests
task_id = "07211938-0696-0613-0000-674a0f948d6b"
url = (
"https://api.seermartech.cn/v3/ai_optimization/"
f"claude/llm_responses/task_get/{task_id}"
)
headers = {
"Authorization": "Bearer smt_live_YOUR_KEY",
"Content-Type": "application/json",
}
try:
response = requests.get(url, headers=headers)
response.raise_for_status()
result = response.json()
print(result)
except requests.RequestException as error:
print(f"请求失败:{error}")C#
csharp
using System;
using System.Net.Http;
using System.Net.Http.Headers;
using System.Threading.Tasks;
public class AiOptimization
{
private static readonly HttpClient HttpClient = new HttpClient();
public static async Task GetClaudeLlmResponseAsync()
{
var taskId = "07211938-0696-0613-0000-674a0f948d6b";
var url =
"https://api.seermartech.cn/v3/ai_optimization/" +
$"claude/llm_responses/task_get/{taskId}";
using var request = new HttpRequestMessage(HttpMethod.Get, url);
request.Headers.Authorization =
new AuthenticationHeaderValue("Bearer", "smt_live_YOUR_KEY");
using var response = await HttpClient.SendAsync(request);
var content = await response.Content.ReadAsStringAsync();
if (response.IsSuccessStatusCode)
{
// 处理 JSON 结果
Console.WriteLine(content);
}
else
{
Console.WriteLine($"请求失败:{response.StatusCode}");
Console.WriteLine(content);
}
}
}响应示例
json
{
"version": "0.1.20250724",
"status_code": 20000,
"status_message": "Ok.",
"time": "0.0849 sec.",
"cost": 0,
"tasks_count": 1,
"tasks_error": 0,
"tasks": [
{
"id": "02031608-0696-0110-0000-a81d0414edbe",
"status_code": 20000,
"status_message": "Ok.",
"time": "0.0821 sec.",
"cost": 0,
"result_count": 1,
"path": [
"v3",
"ai_optimization",
"claude",
"llm_responses",
"task_get"
],
"data": {
"api": "ai_optimization",
"function": "llm_responses",
"se": "claude",
"system_message": "communicate as if we are in a business meeting",
"message_chain": [],
"max_output_tokens": 1024,
"temperature": 0.3,
"top_p": 0.5,
"web_search_country_iso_code": "FR",
"model_name": "claude-sonnet-4-0",
"web_search": true,
"user_prompt": "provide information on how relevant the amusement park business is in France now"
},
"result": [
{
"model_name": "claude-sonnet-4-0",
"input_tokens": 128,
"output_tokens": 1024,
"reasoning_tokens": 0,
"web_search": true,
"money_spent": 0,
"datetime": "2025-07-24 12:57:46 +00:00",
"items": [
{
"type": "message",
"sections": [
{
"type": "text",
"text": "法国主题乐园行业仍较强的市场性和增长潜力。",
"annotations": null
}
]
}
],
"fan_out_queries": []
}
]
}
]
}当 status_code 为 20000 时,通常表示请求成功。建议在业务系统中同时检查顶层状态码和任务级 status_code,并针对时、任务失败、余额不足及异常状态建立相应的重试和错误处理机制。
实用场景
- 查询已完成的 Claude 市场研究任务,获取结构化行业分析结果,支持 SEO 市场评估和策略制定。
- 读取启用联网搜索的 AI 响应及来源标注,核验搜索结果引用,提升竞品研究和行业报告的数据可信度。
- 统计、输出和推理 Token 数量,评估不同提示词与模型的消耗,优化 AI生产成本。
- 轮询标准方法任务的处理状态,在异步任务完成后自动获取结果,支持批量生成 SEO简报、洞察和竞品摘要。
- 分析
fan_out_queries扩展查询,了解模型围绕主问题展开的搜索方向,完善用户搜索意图和主题覆盖分析。