LLM Responses API：概览

POST /v3/ai_optimization/chat_gpt/llm_responses/task_post

LLM Responses API 用于获取大语言模型针对指定问题、品牌、竞争对手、或主题生成的回答，帮助你开展 AI 搜索优化和对话式搜索分析。

本页是接口能力总览，不对应单一的 API 路径。任务创建、结果查询和模型选择，请使用下方列出的对应接口组。所有请求均应使用以下认证方式：

http

Authorization: Bearer smt_live_YOUR_KEY

支持的大语言模型

目前支持以下模型平台：

ChatGPT：/v3/ai_optimization/chat_gpt/llm_responses/overview/
Claude：/v3/ai_optimization/claude/llm_responses/overview/
Gemini：/v3/ai_optimization/gemini/llm_responses/overview/
Perplexity：/v3/ai_optimization/perplexity/llm_responses/overview/

你可以提交问题或目标主题，收集不同大语言模型生成的回答，并据此分析：

品牌是否出现在模型回答中
模型如何描述品牌和产品
竞争对手是否被优推荐
模型引用或提及了哪些主题
不同模型对同一问题的回答差异

模型版本

每个受支持的平台都提供独立的 Models 接口，可用于选择模型版本进行测试：

ChatGPT Models：/v3/ai_optimization/chat_gpt/llm_responses/models/
Claude Models：/v3/ai_optimization/claude/llm_responses/models/
Gemini Models：/v3/ai_optimization/gemini/llm_responses/models/
Perplexity Models：/v3/ai_optimization/perplexity/llm_responses/models/

建议在长期监测或对比实验中固定模型版本，以因模型升级导致结果不可直接比较。

数据获取方式

LLM Responses API 支持 Standard 和 Live 两种数据获取方式。费用取决于所选方式以及任务执行优级。

Standard 方式

Standard 方式适合不要求立即返回结果的场景，通常需要分两步完成：

使用任务创建接口提交一个或多个任务。
使用结果查询接口获取任务结果。

该方式平台异步收集数据，通常更高的成本效率。

对于批量任务，可以使用 Tasks Ready 接口获取已完成任务的 ID 列表，再通过 Task GET 接口分别查询每个任务的结果。

Live 方式

Live 方式适合需要即时获取结果的场景。与 Standard 方式不同，Live 通常不需要分别调用任务创建接口和结果查询接口，接口会在请求中直接返回处理结果。

Perplexity 的 LLM Responses API 目前支持 Live 方式。

回调通知

创建任务时，也可以指定以下回调地址：

pingback_url：任务完成后接收通知
postback_url：任务完成后接收任务结果

使用回调方式可以减少轮询请求，适合异步任务处理和批量数据采集。

平台与获取方式支持

平台	Standard	Live
ChatGPT	支持	支持
Claude	支持	支持
Gemini	支持	支持
Perplexity	不支持	支持

请求限制

平台限流以认证说明中的 30/60/120 次/分钟规则为准。

如需提高请求频率限制，请联系平台技术支持。
对于 LLM Responses，每个账号在每个平台上同时执行的 Live 请求最多为 30 个。

如果使用 Live 方式进行批量采集，请控制并发数量，平台级并发限制。

通用请求示例

以下示例展示认证方式。任务字段请以对应平台的任务接口文档为准。

cURL

bash

curl --request POST \
  --url https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_responses/task_post \
  --header 'Authorization: Bearer smt_live_YOUR_KEY' \
  --header 'Content-Type: application/json' \
  --data '[
    {
      "keyword": "适合中小企业的项目管理",
      "location_code":  北京,
      "language_code": "zh-CN"
    }
  ]'

> 注意：以上请求体用于展示 JSON 数组格式。可用字段、字段类型以及地区参数格式，请以对应平台的任务接口文档为准。

Python

python

import requests

url = "https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_responses/task_post"

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

payload = [
    {
        "keyword": "适合中小企业的项目管理",
        "language_code": "zh-CN",
    }
]

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

print(response.json())

TypeScript

typescript

const response = await fetch(
  "https://api.seermartech.cn/v3/ai_optimization/chat_gpt/llm_responses/task_post",
  {
    method: "POST",
    headers: {
      "Authorization": "Bearer smt_live_YOUR_KEY",
      "Content-Type": "application/json",
    },
    body: JSON.stringify([
      {
        keyword: "适合中小企业的项目管理",
        language_code: "zh-CN",
      },
    ]),
  }
);

if (!response.ok) {
  throw new Error(`请求失败：${response.status}`);
}

const data = await response.json();
console.log(data);

计费与用量

LLM Responses API 的费用取决于：

所选大语言模型平台
使用 Standard 还是 Live 方式
任务执行优级
提交的任务数量及参数

扣费以响应头 X-SeerMarTech-Charge-CNY 为准。

你也可以通过以下接口查询账户数据和用量信息：

用户数据接口：/v3/appendix/user_data/?php
沙箱环境：/v3/appendix/sandbox/

实用场景

监测品牌：批量提交行业问题，统计品牌在不同大语言模型回答中的出现频率，评估品牌在 AI 搜索结果中的可见度。
对比竞争对手推荐：使用相同问题测试多个模型，比较品牌与竞争对手的提及顺序、推荐理由和覆盖主题。
发现优化机会：分析模型回答中反复出现的用户点，补网站和结构化信息，提升品牌被模型理解和引用的机会。
开展模型版本对比：固定或切换不同模型版本进行测试，识别模型升级对品牌描述和搜索表现带来的影响。
构建 AI 搜索监测报表：结合 Standard 批量任务和回调通知，定期采集回答结果，形成品牌、和主题维度的长期趋势报告。

LLM Responses API：概览 ​

支持的大语言模型 ​

模型版本 ​

数据获取方式 ​

Standard 方式 ​

Live 方式 ​

回调通知 ​

平台与获取方式支持 ​

请求限制 ​

通用请求示例 ​

cURL ​

Python ​

TypeScript ​

计费与用量 ​

实用场景 ​