Perplexity LLM 实时响应

POST /v3/ai_optimization/perplexity/llm_responses/live

本接口使用 POST 方法，请求路径为：

/v3/ai_optimization/perplexity/llm_responses/live

本接口可根据参数，调用指定的 Perplexity 模型并实时获取结构化 LLM 响应。

> 说明： Perplexity 的 sonar 系列模型默认使用 web_search，但并不保证每次请求都能成功获取网页搜索结果。

接口限制

请求体使用 UTF-8 编码的 JSON 格式。
请求体是 JSON 数组，例如 [{ ... }]。
每次调用最多提交 1 个任务。平台限流以认证说明中的 30/60/120 次/分钟规则为准。
每个平台每个账户同时执行的 Live 任务数上限为 30 个。
单个任务的最长执行时间约为 120 秒。
实扣费以响应头 X-SeerMarTech-Charge-CNY 为准。

请求参数

参数	类型	填	说明
`user_prompt`	string	是	发送给 AI 模型的问题或任务。最多 500 个字符。
`model_name`	string	是	AI 模型名称，可模型名称和版本名称。如果只填写基础模型名称，系统默认使用该模型的最新版本。可通过 `/v3/ai_optimization/perplexity/llm_responses/models` 获取可用模型列表。
`max_output_tokens`	integer	否	AI 响应生成的最大 Token 数。取值范围为 `1-4096`，默认值为 `2048`。对于推理模型，输出 Token 数可能此限制。
`temperature`	float	否	控制响应随机性。值越高，输出越多样；值越低，输出越集中。取值范围为 `0-1.9`，默认值为 `0.77`。
`top_p`	float	否	通过限制 Token 选择范围控制响应多样性。取值范围为 `0-1`，默认值为 `0.9`。
`web_search_country_iso_code`	string	否	网页搜索的国家或地区 ISO 代码，用于本地化搜索结果。适用于 Perplexity Sonar 系列模型。例如：`US`。
`system_message`	string	否	用于设定 AI 的角色、语气或行为规则。最多 500 个字符。
`message_chain`	array	否	对话历史，由消息对象组成。最多 10 个消息对象。
`tag`	string	否	用户自定义的任务标识，最多 255 个字符。可用于请求与响应；提交的值会原样返回在响应的 `data` 对象中。

`message_chain` 消息对象

数组中的每个对象以下字段：

字段	类型	说明
`role`	string	消息角色，只能是 `user` 或 `ai`。
`message`	string	消息，最多 500 个字符。

对于 Perplexity 模型，消息角色严格交替排列：

user → ai → user → ai

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": "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?"
        }
      ],
      "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"
    }
  ]'

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",
}

payload = [
    {
        "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?",
            },
        ],
        "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",
    }
]

response = requests.post(url, headers=headers, json=payload, timeout=120)
response.raise_for_status()

result = response.json()

if result.get("status_code") == 20000:
    print(result)
else:
    print(
        f"请求失败，错误码：{result.get('status_code')}，"
        f"错误信息：{result.get('status_message')}"
    )

TypeScript

typescript

import axios from "axios";

const url =
  "https://api.seermartech.cn/v3/ai_optimization/perplexity/llm_responses/live";

const payload = [
  {
    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?",
      },
    ],
    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",
  },
];

axios
  .post(url, payload, {
    headers: {
      Authorization: "Bearer smt_live_YOUR_KEY",
      "Content-Type": "application/json",
    },
    timeout: 120000,
  })
  .then((response) => {
    const result = response.data;

    if (result.status_code === 20000) {
      console.log(result);
    } else {
      console.error(
        `请求失败，错误码：${result.status_code}，错误信息：${result.status_message}`,
      );
    }
  })
  .catch((error) => {
    console.error("请求异常：", error.message);
  });

响应说明

接口返回 JSON 数据 tasks 数组。每个任务对象任务状态、请求参数和模型响应结果。

顶层响应字段

字段	类型	说明
`version`	string	当前 API 版本。
`status_code`	integer	通用响应状态码。完整错误码可参考错误码文档。
`status_message`	string	通用状态说明。
`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` 数组中的任务总数。
`tasks_error`	integer	`tasks` 数组中返回错误的任务数量。
`tasks`	array	任务结果数组。

任务字段

字段	类型	说明
`id`	string	任务唯一标识，采用 UUID 格式。
`status_code`	integer	任务状态码，通常位于 `10000-60000` 范围。
`status_message`	string	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 URL 路径。
`data`	object	请求时提交的参数。
`result`	array	模型响应结果数组。

`data` 字段

data 对象通常本次请求中提交的参数，例如：

api
function
se
system_message
message_chain
max_output_tokens
temperature
top_p
web_search_country_iso_code
model_name
user_prompt
tag

`result` 结果字段

字段	类型	说明
`model_name`	string	实使用的 AI 模型名称。
`input_tokens`	integer	Token 总数。
`output_tokens`	integer	AI 响应生成的输出 Token 总数。
`web_search`	boolean	是否使用了网页搜索。Perplexity Sonar 系列模型默认启用网页搜索。
`money_spent`	float	AI 模型 Token 使用成本。最终扣费以响应头 `X-SeerMarTech-Charge-CNY` 为准。
`datetime`	string	接收结果的 UTC 时间，格式为 `yyyy-mm-dd hh-mm-ss +00:00`。
`items`	array	结构化 AI 响应项数组。
`fan_out_queries`	array/null	从主查询派生出的扩展搜索查询，用于生成更的响应。

`items` 字段

字段	类型	说明
`type`	string	响应项类型，固定为 `message`。
`sections`	array	响应分段数组。

`sections` 字段

字段	类型	说明
`type`	string	类型，固定为 `text`。
`text`	string	AI 生成的文本。
`annotations`	array/null	生成响应时使用的来源引用。未启用网页搜索时通常为 `null`。即使 `web_search` 为 `true`，如果未找到网页，`annotations` 也可能为空数组。

`annotations` 字段

字段	类型	说明
`title`	string	被引用来源的域名或标题。
`url`	string	被引用来源的 URL。
`start_index`	integer/null	引用的起始索引，当前通常为 `null`。
`end_index`	integer/null	引用的结束索引，当前通常为 `null`。
`text`	string/null	被标注的来源文本，当前通常为 `null`。

响应示例

json

{
  "version": "0.1.20260717",
  "status_code": 20000,
  "status_message": "Ok.",
  "time": "9.7257 sec.",
  "cost": 0.006724,
  "tasks_count": 1,
  "tasks_error": 0,
  "tasks": [
    {
      "id": "00000000-0000-0000-0000-000000000000",
      "status_code": 20000,
      "status_message": "Ok.",
      "time": "9.7257 sec.",
      "cost": 0.006724,
      "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?"
          }
        ],
        "max_output_tokens": 200,
        "temperature": 0.3,
        "top_p": 0.5,
        "web_search_country_iso_code": "FR",
        "model_name": "sonar-reasoning-pro",
        "user_prompt": "provide information on how relevant the amusement park business is in France now"
      },
      "result": [
        {
          "model_name": "sonar-reasoning-pro",
          "input_tokens": 42,
          "output_tokens": 180,
          "web_search": true,
          "money_spent": 0.004,
          "datetime": "2019-11-15 12:57:46 +00:00",
          "items": [
            {
              "type": "message",
              "sections": [
                {
                  "type": "text",
                  "text": "AI generated response",
                  "annotations": [
                    {
                      "title": "example.com",
                      "url": "https://example.com",
                      "start_index": null,
                      "end_index": null,
                      "text": null
                    }
                  ]
                }
              ]
            }
          ],
          "fan_out_queries": null
        }
      ]
    }
  ]
}

状态码与异常处理

20000 表示请求成功。
顶层 status_code 用于表示整体请求状态。
tasks 中的 status_code 用于表示任务状态。
建议在业务系统中同时检查 HTTP 状态码、顶层 status_code、任务级 status_code 和 tasks_error。
对时、模型不可用、参数校验失败及平台响应异常等，应设计重试、降级或人工告警机制。
完整状态码和错误信息请参考错误码文档。

实用场景

分析品牌在 AI 搜索中的表现，结合网页搜索引用判断品牌是否被模型发现和推荐，为 AI 搜索优化提供依据。
生成本地化市场研究报告，通过 web_search_country_iso_code 指定国家或地区，获取面向不同市场的实时行业信息。
评估竞争对手与细分行业趋势，向指定模型提交统一问题并比较不同品牌、地区或业务类型的回答结果。
构建带来源引用的调研流程，读取 annotations 中的标题和 URL，追踪 AI 回答所依据的网页来源。
分析用户问题与 AI 回答成本，结合 input_tokens、output_tokens、web_search 和 money_spent，优化提示词及模型调用策略。

Perplexity LLM 实时响应 ​

接口限制 ​

请求参数 ​

message_chain 消息对象 ​

请求示例 ​

cURL ​

Python ​

TypeScript ​

响应说明 ​

顶层响应字段 ​

任务字段 ​

data 字段 ​

result 结果字段 ​

items 字段 ​

sections 字段 ​

annotations 字段 ​

响应示例 ​

状态码与异常处理 ​

实用场景 ​