SeerMarTech API 文档

主题

获取 Gemini LLM Scraper 高级任务结果 ​

GET /v3/appendix/errors

本接口使用 GET 方法，通过以下路径获取指定 Gemini LLM Scraper 高级任务的结果：

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

$id 为任务创建后返回的唯一任务标识。任务结果自提交任务之日起 30 天可查询。

计费说明 ​

  • 提交任务时产生费用。
  • 查询已提交任务的结果不额外收费，结果可在 30 天重复获取。
  • 实扣费以响应头 X-SeerMarTech-Charge-CNY 为准。
  • 响应中的 cost 字段（平台原始 USD 成本兼容字段）为任务成本统计字段。

请求参数 ​

参数通过 URL 路径传递，无需请求体。

参数类型说明
idstring任务唯一标识，UUID 格式。任务提交后可在 30 天使用该 ID 获取结果。

请求示例 ​

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"

TypeScript ​

typescript
import axios from "axios";

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

axios
  .get(
    `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) => {
    console.log(response.data);
  })
  .catch((error) => {
    console.error(error.response?.data || error.message);
  });

Python ​

python
import requests

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

response = requests.get(
    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",
    },
)

if response.ok:
    print(response.json())
else:
    print(f"HTTP 错误：{response.status_code}")
    print(response.text)

响应结构 ​

接口返回 JSON 对象 tasks 数组。

顶层字段 ​

字段类型说明
versionstring当前 API 版本。
status_codeinteger请求级状态码。完整状态码列表参见 /v3/appendix/errors。建议对异常和错误状态进行专门处理。
status_messagestring请求级提示信息。
timestring请求执行耗时，例如 27.1013 sec.。
costfloat平台原始 USD 成本兼容字段；人民币实扣以 X-SeerMarTech-Charge-CNY 为准。
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 任务字段 ​

字段类型说明
idstring任务唯一标识，UUID 格式。
status_codeinteger任务状态码，通常在 10000 至 60000 范围。完整列表参见 /v3/appendix/errors。
status_messagestring任务状态说明。
timestring任务执行耗时。
costfloat平台原始 USD 成本兼容字段；人民币实扣以 X-SeerMarTech-Charge-CNY 为准。
result_countintegerresult 数组中的数量。
patharray请求 URL 路径信息。
dataobject创建任务时提交的参数，通常、地区、语言、设备和操作系统等。
resultarrayGemini 抓取结果数组。

result 结果字段 ​

字段类型说明
keywordstring创建任务时提交的。返回时会对 URL 编码进行解码，+ 会被解码为空格。
location_codeinteger创建任务时提交的地区代码。
language_codestring创建任务时提交的语言代码。
modelstring使用的 Gemini 模型版本。
datetimestring获取结果的 UTC 日期时间，格式为 yyyy-mm-dd hh-mm-ss +00:00，例如 2019-11-15 12:57:46 +00:00。
markdownstring以 Markdown 格式返回的结果。
sourcesarray模型在最终答案中引用或依赖的来源列表。
se_results_countinteger搜索结果总数。
item_typesarray搜索结果类型列表，可能 gemini_text、gemini_table、gemini_images。
items_countintegeritems 数组中的数量。
itemsarrayGemini 搜索结果。

sources 来源字段 ​

字段类型说明
typestring来源类型，固定为 gemini_source。
titlestring来源标题。
snippetstring来源描述或摘要。
domainstring来源域名。
urlstring来源 URL。
thumbnailstring来源缩略图 URL。
source_namestring来源名称。
publication_datestring来源发布时间，格式为 yyyy-mm-dd hh-mm-ss +00:00。
markdownstringMarkdown 格式的来源。

items素类型 ​

gemini_text ​

文本结果的 type 为 gemini_text。

字段类型说明
typestring固定为 gemini_text。
rank_groupinteger同类型中的分组排名。不同类型不会影响该字段的排名。
rank_absoluteinteger所有 SERP素中的绝对排名。
markdownstringMarkdown 格式的文本。
original_textstring未格式化的原始文本。
sourcesarray该文本的来源列表，字段结构同 sources。

gemini_table ​

表格结果的 type 为 gemini_table。

字段类型说明
typestring固定为 gemini_table。
rank_groupinteger同类型中的分组排名。
rank_absoluteinteger所有 SERP素中的绝对排名。
markdownstringMarkdown 格式的表格。
original_textstring未格式化的原始表格文本。
tableobject表格结构化数据。
table.table_headerarray表头。
table.table_contentarray表格，每个数组代表一行。

gemini_images ​

图片结果的 type 为 gemini_images。

字段类型说明
typestring固定为 gemini_images。
rank_groupinteger同类型中的分组排名。
rank_absoluteinteger所有 SERP素中的绝对排名。
markdownstringMarkdown 格式的图片。
itemsarray图片数组。

gemini_images.items ​

字段类型说明
typestring固定为 gemini_images_element。
urlstring与图片的页面 URL。
altstring图片的替代文本或 alt 标签。
image_urlstring图片 URL。可能指向原始资源，也可能指向本平台的存储地址。
markdownstringMarkdown 格式的图片。

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": "02261816-2027-0066-0000-c27d02864073",
      "status_code": 20000,
      "status_message": "Ok.",
      "time": "26.8741 sec.",
      "cost": 0.004,
      "result_count": 1,
      "path": [
        "/v3/ai_optimization/gemini/llm_scraper/task_get/advanced/02261816-2027-0066-0000-c27d02864073"
      ],
      "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": "2026-02-18 12:57:46 +00:00",
          "markdown": "## Albert Einstein\n\nEin篇示例回答。",
          "sources": [
            {
              "type": "gemini_source",
              "title": "示例来源标题",
              "snippet": "示例来源摘要",
              "domain": "example.com",
              "url": "https://example.com/article",
              "thumbnail": "https://example.com/thumbnail.jpg",
              "source_name": "示例来源",
              "publication_date": "2026-02-18 10:00:00 +00:00",
              "markdown": "[示例来源](https://example.com/article)"
            }
          ],
          "se_results_count": 0,
          "item_types": [
            "gemini_text",
            "gemini_table",
            "gemini_images"
          ],
          "items_count": 3,
          "items": [
            {
              "type": "gemini_text",
              "rank_group": 1,
              "rank_absolute": 1,
              "markdown": "## 示例文本结果",
              "original_text": "示例文本结果",
              "sources": []
            },
            {
              "type": "gemini_table",
              "rank_group": 1,
              "rank_absolute": 2,
              "markdown": "| 项目 | |\n|---|---|\n| 示例 | 示例值 |",
              "original_text": "项目 示例 示例值",
              "table": {
                "table_header": [
                  "项目",
                  ""
                ],
                "table_content": [
                  [
                    "示例",
                    "示例值"
                  ]
                ]
              }
            },
            {
              "type": "gemini_images",
              "rank_group": 1,
              "rank_absolute": 3,
              "markdown": "![示例图片](https://example.com/image.jpg)",
              "items": [
                {
                  "type": "gemini_images_element",
                  "url": "https://example.com/article",
                  "alt": "示例图片",
                  "image_url": "https://example.com/image.jpg",
                  "markdown": "![示例图片](https://example.com/image.jpg)"
                }
              ]
            }
          ]
        }
      ]
    }
  ]
}

状态码与错误处理 ​

  • status_code 为请求级或任务级状态码。
  • 20000 通常表示请求成功。
  • 任务级状态码异常时，应结合 status_message 判断原因。
  • 完整状态码和错误信息请参见 /v3/appendix/errors。
  • 建议在客户端实现以下处理逻辑：
    • 检查 HTTP 状态码；
    • 检查顶层 status_code；
    • 检查每个任务的 status_code；
    • 在 result 为空或 tasks_error 大于 0 时记录错误并重试或告警。

实用场景 ​

  • 批量获取 Gemini 对的回答，分析目标主题在大语言模型中的呈现方式，为 GEO 和策略优化提供依据。
  • 提取模型引用的来源页面，评估品牌或竞品被 Gemini 引用的频率与来源质量，指导权威建设。
  • 解析文本、表格和图片结果，还原完整的 Gemini 搜索结果结构，支持 SERP 监测和自动化报告生成。
  • 对比不同、地区和语言的模型回答，识别本地化搜索意图与差异，优化多地区 SEO 页面。
  • 保存 Markdown 格式的模型回答与来源数据，建立长期监测记录，跟踪品牌、竞品提及和引用变化。

统一入口：官网 · LLM API · 控制台

© 2026 SeerMarTech · GEO · SEO 营销数据 API