Недоумение полезно, потому что его ответы раскрывают исходный слой. Для разработчиков, создающих информационные панели GEO, инструменты исследования контента или мониторы видимости бренда, список цитирования может быть более ценным, чем сам прозаический ответ. Тяжелый год...
Недоумение полезно, потому что его ответы раскрывают исходный слой. Для разработчиков, создающих информационные панели GEO, инструменты исследования контента или мониторы видимости бренда, список цитирования может быть более ценным, чем сам прозаический ответ.
Самое сложное — постоянно собирать эту поверхность. Пользовательский интерфейс отображается динамически, ответы и источники поступают с течением времени, а нужные данные распределяются по тексту ответа, веб-результатам, связанным подсказкам и мультимедийным материалам.
Актор Scrapeless Perplexity превращает эту поверхность в структурированный JSON. Вы отправляете приглашение, страну и параметры веб-поиска в одну конечную точку HTTP; ответ приходит в том же конверте {status, Task_id, Task_result}, который используется другими участниками LLM Chat Scraper.
Что возвращает актер Perplexity
Основные поля зависят от платформы, хотя конверт верхнего уровня является общим.
Поле
Цель
Task_result.prompt
Точная подсказка, связанная с захватом
Task_result.result_text
Сгенерированный ответ с его форматированием и маркерами цитирования.
Task_result.web_results[]
Ранжированные веб-источники с именами, URL-адресами и фрагментами.
Task_result.based_prompt[]
Рекомендуемые дополнительные вопросы
Task_result.media_items[]
Изображения, видео