SeerMarTech API 文档

主题

Perplexity LLM 实时响应 ​

接口说明 ​

/v3/ai_optimization/perplexity/llm_responses/live 用于实时获取指定 Perplexity AI 模型返回的结构化结果。你可以通过提示词、模型名称、上下文消息链、采样参数等控制生成结果。

注意：

  • Perplexity 的 sonar 系列模型默认会尝试使用 web_search，但并不保证每次请求都能成功调用网页搜索。
  • 本接口为实时接口，单次调用支持提交 1 个任务。
  • 每分钟最多可发起 2000 次 API 调用。
  • LLM Responses 中，每个平台每个账户的并发 Live 任务当前限制为 30。
  • 该接口的任务执行时间当前最长可达 120 秒。

请求方式

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

计费说明

扣费以响应头 X-SeerMarTech-Charge-CNY 为准。 从示例响应看，参考价约 ¥0.1330 / 次。 任务费用通常基础调用成本，以及 money_spent 表示的第三方模型 token 费用。

请求体格式 ​

所有 POST 数据使用 UTF-8 编码的 JSON，并按数组形式提交：

json
[
 {
 "model_name": "sonar",
 "user_prompt": "provide information on how relevant the amusement park business is in France now"
 }
]

请求参数 ​

字段名类型说明
user_promptstring发送给 AI 模型的问题或任务。填。最长 500 个字符。
model_namestringAI 模型名称。填。由模型名和版本名组成；如果只传基础模型名，默认使用最新版本。可通过 /v3/ai_optimization/perplexity/llm_responses/models 获取可用模型列表。
max_output_tokensintegerAI 输出的最大 token 数。可选。最小值 1，最大值 4096，默认值 2048。**注意：**如果请求中使用的是推理型模型，输出 token 数可能该限制。
temperaturefloat输出随机性。可选。值越高，结果越发散；值越低，结果越集中。取值范围 0 到 1.9，默认 0.77。
top_pfloat输出多样性控制参数。可选。通过限制候选 token 范围来控制生成分布。取值范围 0 到 1，默认 0.9。
web_search_country_iso_codestring网页搜索的国家本地化代码。可选。用于获得本地化网页搜索结果。适用于 Perplexity Sonar 模型。示例：US。
system_messagestring设定 AI 的角色、语气或行为规则。可选。最长 500 个字符。
message_chainarray对话历史。可选。数组中的每个对象表示一轮历史消息，：role 和 message。最多 10 个消息对象。**注意：**Perplexity 模型要求消息角色严格交替：user → ai → user → ai。
message_chain[].rolestring消息角色，只能是 user 或 ai。
message_chain[].messagestring消息，单条最长 500 个字符。
tagstring自定义任务标识。可选。最长 255 个字符。可用于请求结果匹，响应中的 data 对象会返回该值。

响应结构 ​

接口返回 JSON 数据，顶层 tasks 数组。

顶层字段 ​

字段名类型说明
versionstring当前 API 版本。
status_codeinteger通用状态码。完整错误码见 /v3/appendix/errors。建议在业务系统中做好异常处理。
status_messagestring通用状态信息。完整说明见 /v3/appendix/errors。
timestring执行耗时，单位秒。
costfloat本次请求总费用，单位 USD。
tasks_countintegertasks 数组中的任务数量。
tasks_errorinteger返回错误的任务数量。
tasksarray任务结果数组。

tasks[] 字段 ​

字段名类型说明
idstring任务唯一标识，UUID 格式。
status_codeinteger任务状态码，范围通常为 10000 - 60000。完整列表见 /v3/appendix/errors。
status_messagestring任务状态信息。
timestring任务执行耗时，单位秒。
costfloat当前任务费用，单位 USD。基础任务价格和 money_spent。
result_countintegerresult 数组中的数量。
patharray请求路径信息。
dataobject回显请求中提交的参数。
resultarray结果数组。

result[] 字段 ​

字段名类型说明
model_namestring实使用的 AI 模型名称。
input_tokensintegertoken 总数。
output_tokensinteger输出 token 总数。
web_searchboolean是否使用了网页搜索。**注意：**Perplexity Sonar 模型默认启用网页搜索。
money_spentfloatAI token 成本，单位 USD，即第三方模型提供方计费金额。
datetimestring结果生成时间，UTC 格式：yyyy-mm-dd hh-mm-ss +00:00。例如：2019-11-15 12:57:46 +00:00
itemsarray结构化响应数组。

items[] 字段 ​

字段名类型说明
typestring素类型，固定为 message。
sectionsarray分段数组， AI 响应的不同部分。
fan_out_queriesarray扩展查询数组，表示从主问题衍生出的查询，用于补回答的完整性。

sections[] 字段 ​

字段名类型说明
typestring分段类型，固定为 text。
textstringAI 生成的文本。
annotationsarray生成回答时引用的来源列表。如果未启用网页搜索，则通常为 null。**注意：**即使 web_search 为 true，如果模型未找到合适网页结果，annotations 也可能为空。

annotations[] 字段 ​

字段名类型说明
titlestring引用来源的域名或标题。
urlstring引用来源的 URL。

请求示例 ​

cURL ​

bash
curl --location --request POST "https://api.seermartech.cn/v3/ai_optimization/perplexity/llm_responses/live" \
--header "Authorization: Bearer smt_live_YOUR_KEY" \
--header "Content-Type: application/json" \
--data-raw '[
 {
 "system_message": "请以商务会议交流风格回答",
 "message_chain": [
 {
 "role": "user",
 "message": "你好，最近法国主题乐园行业怎么样？"
 },
 {
 "role": "ai",
 "message": "你好，我可以从市场规模、增长趋势和竞争格局几个维度进行说明。"
 }
 ],
 "max_output_tokens": 200,
 "temperature": 0.3,
 "top_p": 0.5,
 "web_search_country_iso_code": "FR",
 "model_name": "sonar",
 "user_prompt": "请说明当前法国游乐园业务的市场性和发展"
 }
]'

Python ​

python
import requests

url = "https://api.seermartech.cn/v3/ai_optimization/perplexity/llm_responses/live"
headers = {
 "Authorization": "Bearer smt_live_YOUR_KEY",
 "Content-Type": "application/json"
}

data = [
 {
 "system_message": "请以商务会议交流风格回答",
 "message_chain": [
 {
 "role": "user",
 "message": "你好，最近法国主题乐园行业怎么样？"
 },
 {
 "role": "ai",
 "message": "你好，我可以从市场规模、增长趋势和竞争格局几个维度进行说明。"
 }
 ],
 "max_output_tokens": 200,
 "temperature": 0.3,
 "top_p": 0.5,
 "web_search_country_iso_code": "FR",
 "model_name": "sonar",
 "user_prompt": "请说明当前法国游乐园业务的市场性和发展"
 }
]

response = requests.post(url, headers=headers, json=data, timeout=120)
print(response.json)

TypeScript ​

typescript
import axios from "axios";

async function perplexityLlmResponsesLive {
 const response = await axios.post(
 "https://api.seermartech.cn/v3/ai_optimization/perplexity/llm_responses/live",
 [
 {
 system_message: "请以商务会议交流风格回答",
 message_chain: [
 {
 role: "user",
 message: "你好，最近法国主题乐园行业怎么样？"
 },
 {
 role: "ai",
 message: "你好，我可以从市场规模、增长趋势和竞争格局几个维度进行说明。"
 }
 ],
 max_output_tokens: 200,
 temperature: 0.3,
 top_p: 0.5,
 web_search_country_iso_code: "FR",
 model_name: "sonar",
 user_prompt: "请说明当前法国游乐园业务的市场性和发展"
 }
 ],
 {
 headers: {
 Authorization: "Bearer smt_live_YOUR_KEY",
 "Content-Type": "application/json"
 },
 timeout: 120000
 }
 );

 console.log(response.data);
}

perplexityLlmResponsesLive.catch(console.error);

响应示例 ​

json
{
 "version": "0.1.20251208",
 "status_code": 20000,
 "status_message": "Ok.",
 "time": "4.1058 sec.",
 "cost": 0.008312,
 "tasks_count": 1,
 "tasks_error": 0,
 "tasks": [
 {
 "id": "7c1b2f36-2b8d-4aa1-9ef4-9a8d8f7f0001",
 "status_code": 20000,
 "status_message": "Ok.",
 "time": "4.0211 sec.",
 "cost": 0.008312,
 "result_count": 1,
 "path": [
 "v3",
 "ai_optimization",
 "perplexity",
 "llm_responses",
 "live"
 ],
 "data": {
 "api": "ai_optimization",
 "function": "llm_responses",
 "se": "perplexity",
 "system_message": "communicate as if we are in a business meeting",
 "message_chain": [
 {
 "role": "user",
 "message": "Hello, what's up?"
 },
 {
 "role": "ai",
 "message": "Hello! I’m doing well, thank you. How can I assist you today? Are there any specific topics or projects you’d like to discuss in our meeting?"
 }
 ],
 "max_output_tokens": 200,
 "temperature": 0.3,
 "top_p": 0.5,
 "web_search_country_iso_code": "FR",
 "model_name": "sonar",
 "user_prompt": "provide information on how relevant the amusement park business is in France now"
 },
 "result": [
 {
 "model_name": "sonar",
 "input_tokens": 87,
 "output_tokens": 196,
 "web_search": true,
 "money_spent": 0.006312,
 "datetime": "2025-12-08 10:25:33 +00:00",
 "items": [
 {
 "type": "message",
 "sections": [
 {
 "type": "text",
 "text": "法国游乐园行业当前备较强市场性。根据市场资料，该市场在 2024 年已达到数十规模，并预计未来几年保持稳定增长。行业增长受益于家庭娱乐消费、恢复以及本地体验型消费需求提升。",
 "annotations": [
 {
 "title": "example-source-1.com",
 "url": "https://example-source-1.com/report"
 },
 {
 "title": "example-source-2.com",
 "url": "https://example-source-2.com/market-data"
 }
 ]
 }
 ],
 "fan_out_queries": null
 }
 ]
 }
 ]
 }
 ]
}

状态码与异常处理 ​

  • 顶层 status_code 表示整个请求是否成功。
  • tasks[].status_code 表示任务处理状态。
  • 完整错误码与说明请参考 /v3/appendix/errors。
  • 建议重点处理以下：
  • 参数缺失或格式错误
  • 模型名称不可用 -出并发限制 -时或平台模型响应失败
  • 返回成功但 annotations 为空

使用说明与注意事项 ​

  1. 一次支持一个任务 尽管请求体格式为数组，但当前每次 Live 请求只能 1 个对象。

  2. 对话链严格交替message_chain 中的角色顺序符合 user → ai → user → ai，否则可能导致请求失败或结果异常。

  3. 网页搜索并非每次都有引用来源 即使 Sonar 模型默认启用网页搜索，annotations 仍可能为空，这通常意味着模型未检索到可引用的有效结果。

  4. 推理模型可能出 token 限额 如果使用推理型模型，输出长度可能 max_output_tokens。

  5. 本地化搜索建议显式设置国家代码 当你希望模型更特定国家市场时，可设置 web_search_country_iso_code，例如 FR、US、GB。

实用场景 ​

  • 生成行业概览：某个国家和行业主题，快速获取带来源引用的市场总结，用于制作客户提案或行业简报。
  • 验证事实：让模型结合网页搜索输出结构化说明，并通过 annotations 回溯引用来源， SEO审核与事实校验。
  • 扩展研究问题：利用 fan_out_queries 获取主问题衍生出的搜索方向，帮助规划专题页、集群或进一步研究路径。
  • 构建多轮分析助手：通过 message_chain 传递上下文，连续追问同一主题，实现竞品、市场、趋势等场景下的会话式分析。
  • 本地化市场研究：结合 web_search_country_iso_code 获取面向特定国家的搜索结果，用于跨境 SEO、海外业务调研和区域策略制定。

统一入口：官网 · LLM API · 控制台

© 2026 SeerMarTech · GEO · SEO 营销数据 API