Felo API PlatformFelo API Platform
همه endpointهای DataForSEO
v0.2.0-beta
OpenAPI 3.1.0

پاسخ‌های زنده Gemini در LLM Responses

سرور:https://openapi.felo.ai
کتابخانه‌های کلاینت

DataForSEO

​

SEO, search-engine results, keyword research, backlinks and AI visibility data.

پاسخ‌های زنده Gemini در LLM Responses

​

یک user_prompt را به مدل Gemini می‌فرستد و پاسخ آن را به‌صورت همگام برمی‌گرداند. model_name باید از get_dataforseo_ai_gemini_llm_responses_models بیاید. system_message اینجا پذیرفته می‌شود، برخلاف نقطه‌های پایانی زنده Claude و ChatGPT. model_name، input_tokens، output_tokens، reasoning_tokens، web_search، money_spent، datetime، items و fan_out_queries را برمی‌گرداند. money_spent را در پاسخ بخوانید تا ببینید یک پرامپت واقعاً چقدر هزینه داشته است. پاسخ در پاکت DataForSEO قرار می‌گیرد: داده‌ها در tasks[0].result و نتیجه در tasks[0].status_code — درخواست ردشده نیز همچنان HTTP 200 برمی‌گرداند.

مرجع قیمت‌گذاری

  • اندازه‌گیری: هزینه گزارش‌شده پاسخ.
  • برآورد درخواست مرجع: 0.0707 دلار آمریکا.
  • ضریب مشتری مرجع: 1.0. آن را دوباره روی مبلغ تسویه‌شده مشتری اعمال نکنید.

فقط فراداده مرجع است، نه نقل‌قول حساب، نه قیمت تضمین‌شده و نه سقف هزینه. اعتبار منابع، اعتبار Felo نیست. هزینه‌های نهایی تابع سوابق صورت‌حساب Felo است.

بدنه
application/json
  • نوع: array (object | null)[]
    • max_output_tokens
      نوع: integer | null

      حداکثر تعداد توکن‌ها در پاسخ هوش مصنوعی
      فیلد اختیاری
      حداقل مقدار: 1
      حداکثر مقدار: 4096;
      مقدار پیش‌فرض: 2048;
      توجه: اگر web_search روی true تنظیم شود یا مدل استدلالی در درخواست مشخص شود، تعداد توکن‌های خروجی ممکن است از محدودیت max_output_tokens فراتر رود
      توجه 2: اگر use_reasoning روی true تنظیم شود، حداقل مقدار برای max_output_tokens برابر 1024 است

    • message_chain
      نوع: array (object | null)[] | null

      تاریخچه گفتگو فیلد اختیاری آرایه‌ای از اشیاء پیام که نوبت‌های گفتگوی قبلی را نشان می‌دهند; هر شیء باید شامل این موارد باشد: رشته role با مقدار user یا ai; رشته message با محتوای پیام (حداکثر 500 کاراکتر); می‌توانید حداکثر 10 شیء پیام در آرایه تعیین کنید; توجه: در مدل‌های Perplexity، پیام‌ها باید دقیقاً بین نقش‌های user و ai متناوب باشند (user → ai); مثال: "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?"}]

      • message
        نوع: string | null

        متن پیام

      • role
        نوع: string | null

        نقش کاربری که پیام از او صادر می‌شود

    • model_name
      نوع: string

      نام مدل هوش مصنوعی
      فیلد الزامی
      model_nameاز نام واقعی مدل و نام نسخه تشکیل می‌شود;
      اگر نام مدل پایه تعیین شود، آخرین نسخه آن به‌صورت پیش‌فرض تنظیم می‌شود;
      مثلاً اگر gemini-1.5-pro تعیین شود، gemini-1.5-pro-002 به‌صورت خودکار به‌عنوان model_name تنظیم می‌شود;
      می‌توانید فهرست مدل‌های LLM موجود را با ارسال یک درخواست جداگانه به https://api.dataforseo.com/v3/ai_optimization/gemini/llm_responses/models دریافت کنید

    • system_message
      نوع: string | null

      دستورالعمل‌های رفتار هوش مصنوعی
      فیلد اختیاری
      نقش، لحن یا رفتار مشخص هوش مصنوعی را تعیین می‌کند
      می‌توانید حداکثر 500 کاراکتر در فیلد system_message تعیین کنید

    • tag
      نوع: string | null

      شناسه وظیفه تعریف‌شده توسط کاربر
      فیلد اختیاری
      محدودیت کاراکتر 255 است
      می‌توانید از این پارامتر برای شناسایی وظیفه و تطبیق آن با نتیجه استفاده کنید
      مقدار tag مشخص‌شده را در شیء data پاسخ پیدا می‌کنید

    • temperature
      نوع: number | null

      تصادفی‌بودن پاسخ هوش مصنوعی
      فیلد اختیاری
      مقادیر بالاتر خروجی را متنوع‌تر می‌کنند
      مقادیر پایین‌تر خروجی را متمرکزتر می‌کنند
      حداقل مقدار: 0
      حداکثر مقدار: 2
      مقدار پیش‌فرض: 1.3

    • top_p
      نوع: number | null

      تنوع پاسخ هوش مصنوعی
      فیلد اختیاری
      با محدود کردن انتخاب توکن، تنوع پاسخ را کنترل می‌کند
      حداقل مقدار: 0
      حداکثر مقدار: 1
      مقدار پیش‌فرض: 0.9

    • use_reasoning
      نوع: boolean | null

      فعال‌سازی استدلال برای مدل هوش مصنوعی
      فیلد اختیاری
      وقتی فعال باشد، مدل پیش از تولید پاسخ استدلال انجام می‌دهد
      برای فهرست مدل‌هایی که از reasoning پشتیبانی می‌کنند به نقطه پایانی Models مراجعه کنید
      مقدار پیش‌فرض: false
      توجه: اگر روی true تنظیم شود، حداقل مقدار برای max_output_tokens برابر 1024 است
      توجه 2: در مدل‌های Gemini Pro، use_reasoning به‌صورت خودکار روی true تنظیم می‌شود

    • user_prompt
      نوع: string

      پرامپت مدل هوش مصنوعی
      فیلد الزامی
      پرسش یا وظیفه‌ای که می‌خواهید به مدل هوش مصنوعی بفرستید;
      می‌توانید حداکثر 500 کاراکتر در فیلد user_prompt تعیین کنید

    • web_search
      نوع: boolean | null

      فعال‌سازی جستجوی وب برای دریافت اطلاعات روز
      فیلد اختیاری
      وقتی فعال باشد، مدل هوش مصنوعی می‌تواند به اطلاعات روز وب دسترسی پیدا کند و به آن‌ها استناد کند;
      توجه: برای فهرست مدل‌هایی که از web_search پشتیبانی می‌کنند به نقطه پایانی Models مراجعه کنید;
      مقدار پیش‌فرض: false;
      هزینه این پارامتر را می‌توان در صفحه قیمت‌گذاری محاسبه کرد

پاسخ‌ها
  • 200
    نوع: object | null · Response36Afe1097B20_AiOptimizationGeminiLlmResponsesLiveResponseInfo
    • cost
      نوع: number | null قالب: double

      هزینه کل وظایف، دلار آمریکا

    • status_code
      نوع: integer | null

      کد وضعیت عمومی فهرست کامل کدهای پاسخ را اینجا پیدا می‌کنید

    • status_message
      نوع: string | null

      پیام اطلاعاتی عمومی فهرست کامل پیام‌های اطلاعاتی عمومی را اینجا پیدا می‌کنید

    • tasks
      نوع: array (object | null)[] | null

      آرایه‌ای از وظایف

      • نوع: object | null · Response36Afe1097B20_AiOptimizationGeminiLlmResponsesLiveTaskInfo
        • cost
          نوع: number | null قالب: double

          هزینه کل وظایف، دلار آمریکا

        • data
          نوع: object | null

          همان پارامترهایی را دارد که در درخواست POST تعیین کرده‌اید

          • propertyName
            نوع: object | null
        • id
          نوع: string | null

          شناسه وظیفه شناسه یکتای وظیفه در سیستم ما در قالب UUID

        • path
          نوع: array (string | null)[] | null

          مسیر URL

        • result
          نوع: array (object | null)[] | null

          آرایه‌ای از نتایج

          • datetime
            نوع: string | null

            تاریخ و زمانی که نتیجه دریافت شده است
            در قالب UTC: “yyyy-mm-dd hh-mm-ss +00:00”
            مثال:
            2019-11-15 12:57:46 +00:00

          • fan_out_queries
            نوع: array (string | null)[] | null

            آرایه‌ای از پرس‌وجوهای انشعابی
            حاوی پرس‌وجوهای جستجوی مرتبط مشتق‌شده از پرس‌وجوی اصلی برای ارائه پاسخ جامع‌تر است

          • input_tokens
            نوع: integer | null

            تعداد توکن‌ها در ورودی
            مجموع توکن‌های پردازش‌شده

          • items
            نوع: array (object | null)[] | null

            آرایه‌ای از آیتم‌های پاسخ
            حاوی داده‌های ساختاریافته پاسخ هوش مصنوعی است

            • type
              نوع: string | null

              نوع عنصر

          • model_name
            نوع: string | null

            نام مدل هوش مصنوعی استفاده‌شده

          • money_spent
            نوع: number | null

            هزینه توکن‌های هوش مصنوعی، دلار آمریکا
            قیمتی که ارائه‌دهنده مدل هوش مصنوعی ثالث بر اساس قیمت‌گذاری خود دریافت می‌کند

          • output_tokens
            نوع: integer | null

            تعداد توکن‌ها در خروجی
            مجموع توکن‌های تولیدشده در پاسخ هوش مصنوعی

          • reasoning_tokens
            نوع: integer | null

            تعداد توکن‌های استدلال
            مجموع توکن‌های استفاده‌شده برای تولید محتوای استدلال

          • web_search
            نوع: boolean | null

            نشان می‌دهد آیا از جستجوی وب استفاده شده است

        • result_count
          نوع: integer | null قالب: int64

          تعداد عناصر در آرایه result

        • status_code
          نوع: integer | null

          کد وضعیت وظیفه توسط DataForSEO تولید می‌شود و می‌تواند در بازه زیر باشد: 10000-60000 فهرست کامل کدهای پاسخ را اینجا پیدا می‌کنید

        • status_message
          نوع: string | null

          پیام اطلاعاتی وظیفه فهرست کامل پیام‌های اطلاعاتی عمومی را اینجا پیدا می‌کنید

        • time
          نوع: string | null

          زمان اجرا، ثانیه

    • tasks_count
      نوع: integer | null قالب: int64

      تعداد وظایف در آرایه tasks

    • tasks_error
      نوع: integer | null قالب: int64

      تعداد وظایف در آرایه tasks که با خطا برگردانده شده‌اند

    • time
      نوع: string | null

      زمان کل اجرا، بر حسب ثانیه

    • version
      نوع: string | null

      نسخه فعلی API

    application/json
  • 400

    درخواست پردازش نشد. پارامترهای درخواست را بررسی کنید.

  • 401

    یک کلید API معتبر Felo لازم است.

  • 402

    درخواست ادامه نمی‌یابد چون یک الزام صورت‌حساب برآورده نشده است.

  • 403

    حساب مجاز به انجام این عملیات نیست.

  • 429

    به سقف درخواست یا هزینه رسیده‌اید.

  • 502

    سرویس نتوانست درخواست را کامل کند.

  • 503

    سرویس API یا صورت‌حساب موقتاً در دسترس نیست.

  • 504

    سرویس هنگام پردازش درخواست به پایان مهلت رسید.

  • default

    پاسخ خطا؛ پاسخ‌های عبوری بالادست ممکن است از قالب‌های ارائه‌دهنده استفاده کنند

    application/json
Request Example for post/v1/beta/dataforseo/ai_optimization/gemini/llm_responses/live
curl https://openapi.felo.ai/v1/beta/dataforseo/ai_optimization/gemini/llm_responses/live \
  --request POST \
  --header 'Content-Type: application/json' \
  --header 'Authorization: Bearer YOUR_SECRET_TOKEN' \
  --data '[
  {
    "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,
    "model_name": "gemini-2.5-flash",
    "web_search": true,
    "user_prompt": "provide information on how relevant the amusement park business is in France now"
  }
]'
{
  "version": null,
  "status_code": null,
  "status_message": null,
  "time": null,
  "cost": null,
  "tasks_count": null,
  "tasks_error": null,
  "tasks": [
    {
      "id": null,
      "status_code": null,
      "status_message": null,
      "time": null,
      "cost": null,
      "result_count": null,
      "path": [
        null
      ],
      "data": null,
      "result": [
        {
          "model_name": null,
          "input_tokens": null,
          "output_tokens": null,
          "reasoning_tokens": null,
          "web_search": null,
          "money_spent": null,
          "datetime": null,
          "items": [
            {
              "type": null
            }
          ],
          "fan_out_queries": [
            null
          ]
        }
      ]
    }
  ]
}
Live Gemini LLM Responses