SeerMarTech API 文档

主题

获取 Gemini LLM Scraper 高级任务结果 ​

接口说明 ​

用于按任务 ID 获取 Gemini LLM Scraper 的高级结果。

请求方式 ​

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

完整地址 ​

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

计费说明 ​

在创建任务时扣费，任务结果在后续 30 天 可重复获取。

扣费以响应头 X-SeerMarTech-Charge-CNY 为准。 如需估算，可参考响应头中的扣费金额。

从原文示例看，该接口返回请求本身的获取结果不额外计费；示例响应中总成本为：

  • 参考价约 ¥0.0640 / 次

注意：这里的费用通常对应任务提交成本，而不是本次 GET 拉取成本。

路径参数 ​

参数名类型说明
idstring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。

响应结构 ​

接口返回 JSON 对象， tasks 数组，每个任务对象中对应结果。

顶层字段 ​

字段类型说明
versionstring当前 API 版本。
status_codeinteger通用状态码。完整错误码请参考 /v3/appendix/errors。建议在集成时做好异常与错误处理。
status_messagestring通用状态信息。
timestring执行时间，单位秒。
costfloat本次响应对应的总成本，单位 USD。
tasks_countintegertasks 数组中的任务数量。
tasks_errorintegertasks 数组中返回错误的任务数量。
tasksarray任务结果数组。

tasks[] 字段 ​

字段类型说明
idstring任务 ID，UUID 格式。
status_codeinteger任务状态码，范围通常为 10000-60000。完整状态码请参考 /v3/appendix/errors。
status_messagestring任务状态信息。
timestring任务执行时间，单位秒。
costfloat单个任务成本，单位 USD。
result_countintegerresult 数组中的数量。
patharray请求路径。
dataobject与创建任务时 POST 请求中传的参数一致。
resultarray结果数组。

result[] 字段 ​

字段类型说明
keywordstringPOST 数组中提交的。返回时会对 %## 进行解码 + 会被解码为空格。
location_codeintegerPOST 数组中的地区编码。
language_codestringPOST 数组中的语言编码。
modelstring模型版本。
datetimestring结果获取时间，UTC 格式：yyyy-mm-dd hh-mm-ss +00:00。
markdownstring结果的 Markdown 格式文本。
sourcesarray模型在最终回答中引用或依赖的来源列表。
se_results_countinteger搜索结果总数。
item_typesarray结果项类型列表，即在 SERP 中识别到的 items 类型。可能值：gemini_text、gemini_table、gemini_images。
items_countintegeritems 数组中的结果项数量。
itemsarrayGemini 结果项数组。

sources[] 字段说明 ​

字段类型说明
typestring素类型，固定为 gemini_source。
titlestring来源标题。
snippetstring来源摘要。
domainstring来源域名。
urlstring来源链接。
thumbnailstring来源缩略图。
source_namestring来源名称。
publication_datestring来源发布时间，格式为 year-month-date:minutes:UTC_difference_hours:UTC_difference_minutes。示例：2019-11-15 12:57:46 +00:00
markdownstring来源的 Markdown 表达。

items[] 结果类型说明 ​

1) gemini_text ​

文本结果块。

字段类型说明
typestring固定为 gemini_text。
rank_groupinteger同类型结果组排名。在相同 type 的间排序。
rank_absoluteintegerSERP 中的绝对排名。
markdownstringMarkdown 格式。
original_textstring未格式化纯文本。
sourcesarray该文本块的来源列表。字段结构同上。

2) gemini_table ​

表格结果块。

字段类型说明
typestring固定为 gemini_table。
rank_groupinteger同类型结果组排名。
rank_absoluteintegerSERP 中的绝对排名。
markdownstringMarkdown 格式。
original_textstring未格式化纯文本。
tableobject表格对象，表头与表格。

table 对象 ​

字段类型说明
table_headerarray表头。
table_contentarray表格数组，每个子数组代表一行。

3) gemini_images ​

图片结果块。

字段类型说明
typestring固定为 gemini_images。
rank_groupinteger同类型结果组排名。
rank_absoluteintegerSERP 中的绝对排名。
markdownstringMarkdown 格式。
itemsarray图片子项数组。

gemini_images.items[] ​

字段类型说明
typestring固定为 gemini_images_element。
urlstring页面 URL。
altstring图片 alt 文本。
image_urlstring图片地址。可能指向原始站点，也可能指向平台缓存存储。
markdownstringMarkdown 格式。

调用示例 ​

cURL ​

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

curl --location --request GET "https://api.seermartech.cn/v3/ai_optimization/gemini/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/gemini/llm_scraper/task_get/advanced/{task_id}"

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

response = requests.get(url, headers=headers)
print(response.status_code)
print(response.json)

TypeScript ​

typescript
import axios from "axios";

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

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

结合 tasks_ready 获取已完成任务 ​

在接中，通常调用：

GET /v3/ai_optimization/gemini/llm_scraper/tasks_ready

获取已完成任务列表，再根据返回的任务 ID 或 endpoint_advanced 拉取高级结果。

Python 示例：取已完成任务，再逐个获取高级结果 ​

python
import requests

base_url = "https://api.seermartech.cn"
headers = {
 "Authorization": "Bearer smt_live_YOUR_KEY",
 "Content-Type": "application/json"
}

# 1）获取已完成任务列表
ready_resp = requests.get(
 f"{base_url}/v3/ai_optimization/gemini/llm_scraper/tasks_ready",
 headers=headers
)
ready_data = ready_resp.json

results = []

if ready_data.get("status_code") == 20000:
 for task in ready_data.get("tasks", []):
 for item in task.get("result", []) if isinstance(task, dict) else []:
 endpoint = item.get("endpoint_advanced")
 task_id = item.get("id")

 # 2）优使用 endpoint_advanced 获取结果
 if endpoint:
 resp = requests.get(f"{base_url}{endpoint}", headers=headers)
 results.append(resp.json)

 # 3）或按 task_id 手动拼接路径
 elif task_id:
 resp = requests.get(
 f"{base_url}/v3/ai_optimization/gemini/llm_scraper/task_get/advanced/{task_id}",
 headers=headers
 )
 results.append(resp.json)

print(results)

响应示例 ​

json
{
 "version": "0.1.20260218",
 "status_code": 20000,
 "status_message": "Ok.",
 "time": "27.1013 sec.",
 "cost": 0.004,
 "tasks_count": 1,
 "tasks_error": 0,
 "tasks": [
 {
 "id": "02231256-2604-0066-2000-57133b8fc54e",
 "status_code": 20000,
 "status_message": "Ok.",
 "time": "27.1013 sec.",
 "cost": 0.004,
 "result_count": 1,
 "path": [
 "v3",
 "ai_optimization",
 "gemini",
 "llm_scraper",
 "task_get",
 "advanced"
 ],
 "data": {
 "api": "ai_optimization",
 "function": "llm_scraper",
 "se": "gemini",
 "language_code": "en",
 "location_code": 2840,
 "keyword": "albert einstein",
 "device": "desktop",
 "os": "windows"
 },
 "result": [
 {
 "keyword": "albert einstein",
 "location_code": 2840,
 "language_code": "en",
 "model": "gemini",
 "datetime": "2019-11-15 12:57:46 +00:00",
 "markdown": "Albert Einstein is arguably the most famous physicist in history...",
 "sources": [
 {
 "type": "gemini_source",
 "title": "Albert Einstein overview",
 "snippet": "Biographical and scientific summary.",
 "domain": "example.org",
 "url": "https://example.org/albert-einstein",
 "thumbnail": "https://example.org/thumb.jpg",
 "source_name": "Example Source",
 "publication_date": "2019-11-15 12:57:46 +00:00",
 "markdown": "[Albert Einstein overview](https://example.org/albert-einstein)"
 }
 ],
 "se_results_count": 0,
 "item_types": [
 "gemini_text",
 "gemini_table",
 "gemini_images"
 ],
 "items_count": 3,
 "items": [
 {
 "type": "gemini_text",
 "rank_group": 1,
 "rank_absolute": 2,
 "markdown": "### 简介\nAlbert Einstein ...",
 "original_text": "Albert Einstein ...",
 "sources": []
 },
 {
 "type": "gemini_table",
 "rank_group": 1,
 "rank_absolute": 7,
 "markdown": "| Aspect | Detail |\n| :--- | :--- |\n| Nobel Prize | Physics (1921) |",
 "original_text": "Aspect Detail Nobel Prize Physics (1921)",
 "table": {
 "table_header": ["Aspect", "Detail"],
 "table_content": [
 ["Nobel Prize", "Physics (1921)"]
 ]
 }
 },
 {
 "type": "gemini_images",
 "rank_group": 1,
 "rank_absolute": 1,
 "markdown": "![image](https://example.org/image.jpg)",
 "items": [
 {
 "type": "gemini_images_element",
 "url": "https://example.org/page",
 "alt": "Albert Einstein",
 "image_url": "https://example.org/image.jpg",
 "markdown": "![Albert Einstein](https://example.org/image.jpg)"
 }
 ]
 }
 ]
 }
 ]
 }
 ]
}

状态码与错误处理 ​

字段说明
status_code顶层或任务级状态码。
status_message与状态码对应的说明信息。

建议处理以下几类：

  • 顶层 status_code 非 20000：说明本次请求整体失败
  • tasks_error 大于 0：说明部分任务失败
  • 单个任务 status_code 大于等于 40000：说明该任务返回错误
  • result 为空或不存在：说明任务尚未完成、结果不可用或请求异常

完整错误码请参考 /v3/appendix/errors。

使用说明与注意事项 ​

  1. 本接口只用于获取已创建任务的高级结果，不负责创建任务。
  2. 任务结果可在 30 天 反复查询。
  3. data 字段会原样返回任务创建时提交的核心参数，便于结果回溯。
  4. markdown 适合直接做展示、摘要存储或下游结构化解析。
  5. items 中会拆分出文本、表格、图片等不同块，适合做精细化分析。
  6. sources 可用于引用来源追踪、可信度评估与溯源。

实用场景 ​

  • 追踪 AI 答案引用来源：提取 sources 中的域名、标题和链接，识别品牌是否被模型引用，评估与权威来源覆盖。
  • 拆解 AI 回答结构：解析 items 中的文本、表格、图片模块，了解模型如何组织答案，制定更适合 AI 展示的策略。
  • 监控下的 AI呈现：围绕重点定期拉取任务结果，对比 markdown 与 item_types 的变化，跟踪 AI 搜索结果版式和叙事方式变化。
  • 识别可争取的机会：分析返回的 sources 和图片来源，找到被频繁引用的页面类型、站点类型与格式，为建设提供依据。
  • 沉淀可分析的知识库样本：将 original_text、table、sources 等字段库，用于后续做主题聚类、引用网络分析和 SEO研究。

统一入口：官网 · LLM API · 控制台

© 2026 SeerMarTech · GEO · SEO 营销数据 API