跳转到主要内容
POST
https://api.aisa.one/apis/v1
/
dataforseo
/
ai_optimization
/
chat_gpt
/
llm_responses
/
live
实时 ChatGPT LLM 响应
curl --request POST \
  --url https://api.aisa.one/apis/v1/dataforseo/ai_optimization/chat_gpt/llm_responses/live \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: application/json' \
  --data '
{
  "user_prompt": "<string>",
  "model_name": "<string>",
  "max_output_tokens": 123,
  "temperature": 123,
  "top_p": 123,
  "web_search": true,
  "force_web_search": true,
  "web_search_country_iso_code": "<string>",
  "web_search_city": "<string>",
  "system_message": "<string>",
  "message_chain": [
    "<string>"
  ],
  "tag": "<string>"
}
'
import requests

url = "https://api.aisa.one/apis/v1/dataforseo/ai_optimization/chat_gpt/llm_responses/live"

payload = {
    "user_prompt": "<string>",
    "model_name": "<string>",
    "max_output_tokens": 123,
    "temperature": 123,
    "top_p": 123,
    "web_search": True,
    "force_web_search": True,
    "web_search_country_iso_code": "<string>",
    "web_search_city": "<string>",
    "system_message": "<string>",
    "message_chain": ["<string>"],
    "tag": "<string>"
}
headers = {
    "Authorization": "Bearer <token>",
    "Content-Type": "application/json"
}

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

print(response.text)
const options = {
  method: 'POST',
  headers: {Authorization: 'Bearer <token>', 'Content-Type': 'application/json'},
  body: JSON.stringify({
    user_prompt: '<string>',
    model_name: '<string>',
    max_output_tokens: 123,
    temperature: 123,
    top_p: 123,
    web_search: true,
    force_web_search: true,
    web_search_country_iso_code: '<string>',
    web_search_city: '<string>',
    system_message: '<string>',
    message_chain: ['<string>'],
    tag: '<string>'
  })
};

fetch('https://api.aisa.one/apis/v1/dataforseo/ai_optimization/chat_gpt/llm_responses/live', options)
  .then(res => res.json())
  .then(res => console.log(res))
  .catch(err => console.error(err));
<?php

$curl = curl_init();

curl_setopt_array($curl, [
  CURLOPT_URL => "https://api.aisa.one/apis/v1/dataforseo/ai_optimization/chat_gpt/llm_responses/live",
  CURLOPT_RETURNTRANSFER => true,
  CURLOPT_ENCODING => "",
  CURLOPT_MAXREDIRS => 10,
  CURLOPT_TIMEOUT => 30,
  CURLOPT_HTTP_VERSION => CURL_HTTP_VERSION_1_1,
  CURLOPT_CUSTOMREQUEST => "POST",
  CURLOPT_POSTFIELDS => json_encode([
    'user_prompt' => '<string>',
    'model_name' => '<string>',
    'max_output_tokens' => 123,
    'temperature' => 123,
    'top_p' => 123,
    'web_search' => true,
    'force_web_search' => true,
    'web_search_country_iso_code' => '<string>',
    'web_search_city' => '<string>',
    'system_message' => '<string>',
    'message_chain' => [
        '<string>'
    ],
    'tag' => '<string>'
  ]),
  CURLOPT_HTTPHEADER => [
    "Authorization: Bearer <token>",
    "Content-Type: application/json"
  ],
]);

$response = curl_exec($curl);
$err = curl_error($curl);

curl_close($curl);

if ($err) {
  echo "cURL Error #:" . $err;
} else {
  echo $response;
}
package main

import (
	"fmt"
	"strings"
	"net/http"
	"io"
)

func main() {

	url := "https://api.aisa.one/apis/v1/dataforseo/ai_optimization/chat_gpt/llm_responses/live"

	payload := strings.NewReader("{\n  \"user_prompt\": \"<string>\",\n  \"model_name\": \"<string>\",\n  \"max_output_tokens\": 123,\n  \"temperature\": 123,\n  \"top_p\": 123,\n  \"web_search\": true,\n  \"force_web_search\": true,\n  \"web_search_country_iso_code\": \"<string>\",\n  \"web_search_city\": \"<string>\",\n  \"system_message\": \"<string>\",\n  \"message_chain\": [\n    \"<string>\"\n  ],\n  \"tag\": \"<string>\"\n}")

	req, _ := http.NewRequest("POST", url, payload)

	req.Header.Add("Authorization", "Bearer <token>")
	req.Header.Add("Content-Type", "application/json")

	res, _ := http.DefaultClient.Do(req)

	defer res.Body.Close()
	body, _ := io.ReadAll(res.Body)

	fmt.Println(string(body))

}
HttpResponse<String> response = Unirest.post("https://api.aisa.one/apis/v1/dataforseo/ai_optimization/chat_gpt/llm_responses/live")
  .header("Authorization", "Bearer <token>")
  .header("Content-Type", "application/json")
  .body("{\n  \"user_prompt\": \"<string>\",\n  \"model_name\": \"<string>\",\n  \"max_output_tokens\": 123,\n  \"temperature\": 123,\n  \"top_p\": 123,\n  \"web_search\": true,\n  \"force_web_search\": true,\n  \"web_search_country_iso_code\": \"<string>\",\n  \"web_search_city\": \"<string>\",\n  \"system_message\": \"<string>\",\n  \"message_chain\": [\n    \"<string>\"\n  ],\n  \"tag\": \"<string>\"\n}")
  .asString();
require 'uri'
require 'net/http'

url = URI("https://api.aisa.one/apis/v1/dataforseo/ai_optimization/chat_gpt/llm_responses/live")

http = Net::HTTP.new(url.host, url.port)
http.use_ssl = true

request = Net::HTTP::Post.new(url)
request["Authorization"] = 'Bearer <token>'
request["Content-Type"] = 'application/json'
request.body = "{\n  \"user_prompt\": \"<string>\",\n  \"model_name\": \"<string>\",\n  \"max_output_tokens\": 123,\n  \"temperature\": 123,\n  \"top_p\": 123,\n  \"web_search\": true,\n  \"force_web_search\": true,\n  \"web_search_country_iso_code\": \"<string>\",\n  \"web_search_city\": \"<string>\",\n  \"system_message\": \"<string>\",\n  \"message_chain\": [\n    \"<string>\"\n  ],\n  \"tag\": \"<string>\"\n}"

response = http.request(request)
puts response.read_body
{
  "version": "<string>",
  "status_code": 123,
  "status_message": "<string>",
  "time": "<string>",
  "cost": 123,
  "tasks_count": 123,
  "tasks_error": 123,
  "tasks": [
    "<string>"
  ],
  "tasks.id": "<string>",
  "tasks.status_code": 123,
  "tasks.status_message": "<string>",
  "tasks.time": "<string>",
  "tasks.cost": 123,
  "tasks.result_count": 123,
  "tasks.path": [
    "<string>"
  ],
  "tasks.data": {},
  "tasks.result": [
    "<string>"
  ],
  "tasks.result.model_name": "<string>",
  "tasks.result.input_tokens": 123,
  "tasks.result.output_tokens": 123,
  "tasks.result.reasoning_tokens": 123,
  "tasks.result.web_search": true,
  "tasks.result.money_spent": 123,
  "tasks.result.datetime": "<string>",
  "tasks.result.items": [
    "<string>"
  ],
  "tasks.result.items.reasoning": {},
  "tasks.result.items.reasoning.type": "<string>",
  "tasks.result.items.reasoning.sections": [
    "<string>"
  ],
  "tasks.result.items.reasoning.sections.type": "<string>",
  "tasks.result.items.reasoning.sections.text": "<string>",
  "tasks.result.items.message": {},
  "tasks.result.items.message.type": "<string>",
  "tasks.result.items.message.sections": [
    "<string>"
  ],
  "tasks.result.items.message.sections.type": "<string>",
  "tasks.result.items.message.sections.text": "<string>",
  "tasks.result.items.message.sections.annotations": [
    "<string>"
  ],
  "tasks.result.items.message.sections.annotations.title": "<string>",
  "tasks.result.items.message.sections.annotations.url": "<string>",
  "tasks.result.fan_out_queries": [
    "<string>"
  ]
}

授权

​
Authorization
string
header
必填

Bearer authentication header of the form Bearer <token>, where <token> is your auth token.

请求体

application/json
​
user_prompt
string
必填

AI 模型的提示词，必填字段；您希望发送给 AI 模型的问题或任务；可在 user_prompt 字段中指定最多 500 个字符

​
model_name
string
必填

AI 模型名称，必填字段；model_name 由实际模型名称和版本名称组成；如果指定基础模型名称，默认使用其最新版本；例如，如果指定 gpt-4.1，将自动把 gpt-4.1-2025-04-14 设置为 model_name；你可以单独请求 https://api.dataforseo.com/v3/ai_optimization/chat_gpt/llm_responses/models，以获取可用 LLM 模型的列表

​
max_output_tokens
integer

AI 响应中的最大词元数，可选字段。推理模型的最小值（例如，Models 端点中的 reasoning 为 true）：1024；非推理模型的最小值：16；最大值：4096；默认值：2048。注意：如果 web_search 设置为 true，或请求中指定了推理模型，则输出词元数可能超过指定的 max_output_tokens 限制。

​
temperature
number

AI 响应的随机性，可选字段。值越高，输出越多样；值越低，输出越聚焦。最小值：0，最大值：2，默认值：0.94。注意：推理模型不支持此字段。

​
top_p
number
​
web_search
boolean

启用网页搜索；可选字段；启用后，AI 模型可以访问并引用当前网页信息；默认值：false；注意：有关支持 web_search 的模型列表，请参阅 Models 端点；

​
force_web_search
boolean

强制 AI 智能体使用网页搜索，可选字段。要启用此参数，还必须启用 web_search；启用后，将强制 AI 模型访问并引用当前网页信息；默认值：false；注意：即使此参数设置为 true，也不能保证响应会引用网页来源。注意 #2：推理模型不支持此参数。

​
web_search_country_iso_code
string

位置的 ISO 国家/地区代码；可选字段；如果指定了 web_search_city，则此字段为必填；要启用此参数，还必须启用 web_search；启用后，AI 模型将从您指定的国家/地区搜索网络；注意：o3-mini、o1-pro、o1 模型不支持此参数

​
web_search_city
string

位置的城市名称；可选字段。注意：需指定 web_search_country_iso_code 才能使用此参数。注意 2：o3-mini、o1-pro、o1 模型不支持此参数。

​
system_message
string

AI 行为指令 可选字段 定义 AI 的角色、语气或特定行为 您可以在 system_message 字段中指定最多 500 个字符

​
message_chain
string[]

对话历史，可选字段。表示之前对话轮次的消息对象数组；每个对象必须包含 role 和 message 参数：role 字符串，值为 user 或 ai 角色；message 字符串，包含消息内容（最多 500 个字符）；数组中最多可以指定 10 个消息对象；示例："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?"}]

​
tag
string

用户定义的任务标识符。可选字段。字符数限制为 255。您可以使用此参数标识任务并将其与结果匹配；您将在响应的 data 对象中找到指定的 tag 值

响应

成功响应

​
version
string

API 的当前版本

​
status_code
integer

通用状态码；您可以在此处查看完整的响应码列表。注意：我们强烈建议设计必要的系统来处理相关异常或错误情况

​
status_message
string

常规信息消息；可在此处查看常规信息消息的完整列表

​
time
string

执行时间（秒）

​
cost
number

任务总成本（美元）

​
tasks_count
integer

tasks 数组中的任务数量

​
tasks_error
integer

返回错误的 tasks 数组中的任务数量

​
tasks
string[]

任务数组

​
tasks.id
string

任务标识符，系统中采用 UUID 格式的唯一任务标识符

​
tasks.status_code
integer

DataForSEO 生成的任务状态码；范围为：10000-60000；完整响应代码列表可在此处查看

​
tasks.status_message
string

任务的信息性消息，你可以在此处查看通用信息性消息的完整列表

​
tasks.time
string

执行时间（秒）

​
tasks.cost
number

任务成本（美元），包括基础任务价格与 money_spent 值之和

​
tasks.result_count
integer

结果数组中的元素数量

​
tasks.path
string[]

URL 路径

​
tasks.data
object

包含您在 POST 请求中指定的相同参数

​
tasks.result
string[]

结果数组

​
tasks.result.model_name
string

所用 AI 模型的名称

​
tasks.result.input_tokens
integer

输入中的词元数量，即已处理的词元总数

​
tasks.result.output_tokens
integer

输出中的词元数量，即 AI 响应生成的词元总数

​
tasks.result.reasoning_tokens
integer

推理词元数 用于生成推理内容的词元总数

​
tasks.result.web_search
boolean

表示是否使用了网络搜索

​
tasks.result.money_spent
number

AI 词元成本（美元），即第三方 AI 模型提供商根据其定价收取的费用

​
tasks.result.datetime
string

以 UTC 格式接收结果的日期和时间：“yyyy-mm-dd hh-mm-ss +00:00”，示例：2019-11-15 12:57:46 +00:00

​
tasks.result.items
string[]

响应条目数组，包含结构化 AI 响应数据

​
tasks.result.items.reasoning
object

响应中的元素

​
tasks.result.items.reasoning.type
string

元素类型 = 'reasoning' 注意：此元素仅在推理模型中受支持，且不保证返回

​
tasks.result.items.reasoning.sections
string[]

推理链分段对象数组，包含 LLM 生成的推理链分段

​
tasks.result.items.reasoning.sections.type
string

element='summary_text' 的类型

​
tasks.result.items.reasoning.sections.text
string

推理链部分的文本，用于总结模型的思考过程

​
tasks.result.items.message
object

响应中的元素

​
tasks.result.items.message.type
string

元素类型 = 'message'

​
tasks.result.items.message.sections
string[]

内容分区数组，包含 AI 响应的不同部分

​
tasks.result.items.message.sections.type
string

元素类型='text'

​
tasks.result.items.message.sections.text
string

AI 生成的文本内容

​
tasks.result.items.message.sections.annotations
string[]

用于生成响应的引用数组；如果 web_search 参数未设置为 true，则为 null。注意：即使 web_search 为 true，annotations 也可能返回空值，因为 AI 会尝试检索 Web 信息，但可能找不到相关结果。

​
tasks.result.items.message.sections.annotations.title
string

引用来源的域名或标题

​
tasks.result.items.message.sections.annotations.url
string

引用来源的 URL

​
tasks.result.fan_out_queries
string[]

扩展查询数组，包含从主查询派生的相关搜索查询，以提供更全面的响应