跳转到主要内容
POST
https://api.aisa.one/apis/v1
/
dataforseo
/
ai_optimization
/
gemini
/
llm_responses
/
task_post
设置“LLM Responses Gemini”任务
curl --request POST \
  --url https://api.aisa.one/apis/v1/dataforseo/ai_optimization/gemini/llm_responses/task_post \
  --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,
  "system_message": "<string>",
  "message_chain": [
    "<string>"
  ],
  "use_reasoning": true,
  "tag": "<string>",
  "postback_url": "<string>",
  "pingback_url": "<string>"
}
'
import requests

url = "https://api.aisa.one/apis/v1/dataforseo/ai_optimization/gemini/llm_responses/task_post"

payload = {
"user_prompt": "<string>",
"model_name": "<string>",
"max_output_tokens": 123,
"temperature": 123,
"top_p": 123,
"web_search": True,
"system_message": "<string>",
"message_chain": ["<string>"],
"use_reasoning": True,
"tag": "<string>",
"postback_url": "<string>",
"pingback_url": "<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,
system_message: '<string>',
message_chain: ['<string>'],
use_reasoning: true,
tag: '<string>',
postback_url: '<string>',
pingback_url: '<string>'
})
};

fetch('https://api.aisa.one/apis/v1/dataforseo/ai_optimization/gemini/llm_responses/task_post', 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/gemini/llm_responses/task_post",
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,
'system_message' => '<string>',
'message_chain' => [
'<string>'
],
'use_reasoning' => true,
'tag' => '<string>',
'postback_url' => '<string>',
'pingback_url' => '<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/gemini/llm_responses/task_post"

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 \"system_message\": \"<string>\",\n \"message_chain\": [\n \"<string>\"\n ],\n \"use_reasoning\": true,\n \"tag\": \"<string>\",\n \"postback_url\": \"<string>\",\n \"pingback_url\": \"<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/gemini/llm_responses/task_post")
.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 \"system_message\": \"<string>\",\n \"message_chain\": [\n \"<string>\"\n ],\n \"use_reasoning\": true,\n \"tag\": \"<string>\",\n \"postback_url\": \"<string>\",\n \"pingback_url\": \"<string>\"\n}")
.asString();
require 'uri'
require 'net/http'

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

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 \"system_message\": \"<string>\",\n \"message_chain\": [\n \"<string>\"\n ],\n \"use_reasoning\": true,\n \"tag\": \"<string>\",\n \"postback_url\": \"<string>\",\n \"pingback_url\": \"<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>"
  ]
}

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 gemini-1.5-pro,将自动把 gemini-1.5-pro-002 设置为 model_name;你可以单独请求 https://api.dataforseo.com/v3/ai_optimization/gemini/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。最小值:1;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。注意 #2:如果 use_reasoning 设置为 true,则 max_output_tokens 的最小值为 1024。

temperature
number

AI 响应的随机性。可选字段;值越高,输出越多样;值越低,输出越集中。最小值:0;最大值:2;默认值:1.3

top_p
number

AI 响应的多样性;可选字段,通过限制词元选择来控制响应的多样性;最小值:0;最大值:1;默认值:0.9。

启用网络搜索以获取当前信息;可选字段。启用后,AI 模型可以访问并引用当前网络信息;注意:有关支持 web_search 的模型列表,请参阅 Models 端点;默认值:false;该参数的费用可在 Pricing 页面计算

system_message
string

AI 行为指令,可选字段,用于定义 AI 的角色、语气或特定行为;可在 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?"}]

use_reasoning
boolean

为 AI 模型启用推理;可选字段;启用后,模型将在生成响应前进行推理;有关支持推理的模型列表,请参阅 Models 端点;默认值:false;注意:如果设置为 true,max_output_tokens 的最小值为 1024;注意 #2:对于 Gemini Pro 模型,use_reasoning 将自动设置为 true

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

postback_url
string

用于发送任务结果的 URL,可选字段;任务完成后,我们会向指定的 postback_url 发送 POST 请求,其结果采用 gzip 格式压缩;可以使用字符串 ‘$id’ 作为 $id 变量,并使用 ‘$tag’ 作为经过 URL 编码的 $tag 变量。我们会在发送请求前设置必要的值。示例:http://your-server.com/postbackscript?id=$id http://your-server.com/postbackscript?id=$id&tag=$tag 注意:postback_url 中的特殊字符将经过 URL 编码;例如,# 字符将被编码为 %23;有关更多信息,请参阅我们的帮助中心

pingback_url
string

已完成任务的通知 URL。可选字段。任务完成后,我们将通过向您指定的 URL 发送 GET 请求来通知您。您可以使用字符串 ‘$id’ 作为 $id 变量,并使用 ‘$tag’ 作为经过 urlencoded 编码的 $tag 变量。我们会在发送请求前设置必要的值。示例:http://your-server.com/pingscript?id=$id http://your-server.com/pingscript?id=$id&tag=$tag 注意:pingback_url 中的特殊字符将经过 urlencoded 编码;例如,# 字符将被编码为 %23。请在我们的帮助中心了解更多信息

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

tasksarray 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

系统中的唯一任务标识符,采用 UUID 格式

tasks.status_code
integer

DataForSEO 生成的任务状态码;取值范围为:10000-60000,完整的响应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)

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;在此情况下,该值将为 null