# AI 聊天接口：查看基于地理位置的 LLM 回答及来源


Massive 的 AI 聊天接口会返回 ChatGPT、Gemini 或 Perplexity 对某个提示词给出的回答，这些回答是根据您所选国家、地区或城市内真实设备发出的请求生成的。 一次 `GET` 请求将返回完整回答、模型引用的来源，以及（针对 ChatGPT）其生成答案时执行的搜索查询。

这一点至关重要，因为 AI 回答已不再是小众渠道。根据 [皮尤研究中心 2026 年调查](https://www.pewresearch.org/internet/2026/06/17/americans-and-ai-2026-chatbots-smart-devices-and-views-on-impact/) 对 5,119 名成年人的调查显示，目前约一半的美国成年人使用 AI 聊天机器人，其中约四成的人使用它们来搜索信息。 如果越来越多的信息查询最终通过聊天机器人完成，团队就需要一种可靠的方式来查看该聊天机器人所说的话。

> **关键要点**
>
> - AI 聊天端点 (`/ai`) 是 Massive 的 Web Render API 平台中的三个端点之一，与 [浏览](https://docs.joinmassive.com/web-render/browser) 和 [搜索](https://docs.joinmassive.com/web-render/search) 并列。
> - 三种模型：ChatGPT（默认）、Gemini 和 Perplexity。
> - 响应内容包括生成结果、其来源、任何广告，以及对于 ChatGPT 而言，模型搜索过的 `fanouts` 个查询数组。
> - 地理定位精确到城市级别，因为聊天机器人会根据提问者所在位置本地化回答内容。
> - 异步模式配合回调机制可处理大规模批次请求。

## AI 聊天端点返回的内容

AI 聊天端点位于 `https://render.joinmassive.com/ai`，接受最长 2,047 个字符的提示。 您可以通过 `model=chatgpt`、`model=gemini` 或 `model=perplexity` 选择模型，并通过 `country`、`subdivision` 和 `city` 的任意组合指定位置。 输出结果默认为结构化格式 `json`（默认），或以 `rendered` HTML 格式返回。

JSON 响应将对话拆分为多个部分，您可以分别进行解析：

| 字段 | 包含内容 | 模型 |
|-------|---------------|--------|
| `completion` | 模型回答的渲染后 HTML | ChatGPT、Gemini、Perplexity |
| `sources` | 引用的来源（如有）的渲染 HTML | ChatGPT、Gemini、Perplexity |
| `ads` | 对话中显示的任何广告的渲染 HTML | ChatGPT、Gemini、Perplexity |
| `html` | 完整的对话页面 | ChatGPT、Gemini、Perplexity |
| `fanouts` | 模型执行的搜索查询数组 | 仅限 ChatGPT |
| `sse` | 对话背后的服务器发送事件 JSON | 仅限 ChatGPT |

每个响应还会回传模型运行时使用的 `country`、`subdivision`、 `city` 和 `device`。这样，当您存储数千行数据时，每一行都能自描述。完整的字段列表请参见 [AI 聊天文档](https://docs.joinmassive.com/web-render/ai)。

## 实例演示：来自波特兰的一个提示

以下是 Massive 文档中用于演示该端点的请求。该请求从波特兰的一台设备向 ChatGPT 询问篮球鞋推荐：

```shell
curl -H "Authorization: Bearer $MASSIVE_TOKEN" \
'https://render.joinmassive.com/ai'\
'?prompt=best+basketball+shoes+for+2026'\
'&country=us'\
'&city=Portland'
```

文档中记录的响应包含以 HTML 格式呈现的答案和来源，以及这个 `fanouts` 数组：

```json
"fanouts": [
  "best basketball shoes 2026",
  "top rated basketball shoes 2026 reviews",
  "best performance basketball shoes 2026",
  "best basketball shoes for guards 2026",
  "best basketball shoes for wide feet 2026",
  "best outdoor basketball shoes 2026",
  "most popular basketball shoes 2026"
]
```

试着像品牌团队那样解读这份列表。模型不仅搜索了被问到的问题。 它将问题拆分为七个更具体的搜索方向，包括后卫、宽脚型和室外球场等。一个在“宽脚型”搜索中从未获得排名的运动鞋品牌，无论其通用页面有多强大，都无法在这部分回答中被提及。

## 为什么 AI 聊天机器人的回答会因地理位置而异？

聊天机器人具有本地化特性。OpenAI 自己的 [ChatGPT 搜索帮助文章](https://help.openai.com/en/articles/9237897-chatgpt-search) 指出，ChatGPT 可能会根据用户的 IP 地址推测其大致位置。随后，它会将“我附近的优质餐厅”这类提示重写为针对该城市餐厅的搜索。

这种影响不仅体现在本地查询中。Whitebox 的一项研究（[由 Ynetnews 报道](https://www.ynetnews.com/tech-and-digital/article/skilyoscwx)）从以色列、美国、土耳其和西班牙向 ChatGPT 发送了完全相同的提示。 研究发现“答案总体相似但并不完全相同”，模型会根据用户的地理位置和语言调整语气和表述方式。（Whitebox 追踪品牌和国家在 AI 回答中的出现情况，因此位置效应对其业务至关重要。）

我们在自己的测试中也观察到了同样的情况。在2026年6月通过该端点进行的一项研究中，我们从五个国家向ChatGPT、Gemini和Copilot发送了270条本地化查询。（该端点当前支持的模型包括ChatGPT、Gemini和Perplexity。） Gemini 拒绝回答来自英国和德国位置的赌博相关问题，但在其他地区却能自由作答。仅因询问的助手不同，同一品牌的排名就可能出现多达两位的波动。完整结果详见 [AI 品牌可见性：AI 有偏好，但不会贬低你](https://www.joinmassive.com/blog/ai-brand-visibility-ai-plays-favorites-it-wont-trash-you)。

换言之：仅从一个办公室获取的单个回答仅为一个样本。

Massive 会将每个提示通过其覆盖 195 多个国家的 [住宅网络](https://docs.joinmassive.com/residential/introduction) 上的真实消费者设备进行路由。聊天机器人看到的是普通的本地用户，而非数据中心。 若不设置 `country`，文档中说明系统将使用随机国家，因此对于计划进行长期对比的每次请求，请务必设置该参数。

您还可以模拟手机或平板电脑。调用 `/ai/devices` 资源获取支持的设备名称列表，然后将其中一个作为 `device` 参数传入。如果不指定，将获得默认的桌面版完成结果。

## 分支路径：ChatGPT 如何构建其回答

“扇出”（Fanouts）是响应中我们首先会向新用户介绍的部分。生成结果向您展示答案，而扇出则展示其背后的推理路径。

这在以下三个具体方面非常有用：

1. **内容缺口。** 每个扇出都代表一个您能或不能在搜索排名中胜出的查询。
2. **模型评估。** 若对大型语言模型（LLM）的回答进行评分，扇出图能区分两种在完成结果中看似相同的失败模式：模型对正确结果的推理存在缺陷，或者它搜索了错误的内容，根本没有发现正确结果。
3. **变更追踪。** 扇出图在不同运行中可能会发生变化，因此上个月的列表可能不适用于本月的简报。

将第三种用途付诸实践的简单方法：

- 挑选 20 到 50 个买家实际提出的提示，并为每个提示固定 `country` 和 `city`。
- 每周使用 `expiration=0` 运行这些提示，以确保缓存的答案不会掩盖变更。
- 保存每次运行的 `fanouts` 数组，然后将其与上周的数组作为集合进行比较：新增查询、已删除查询、未变查询。
- 将新的扇出结果视为内容问题。您是否有页面能回答该问题？

由于扇出查询只是普通字符串，这种比较在任何编程语言中只需几行代码即可实现，无需进行 HTML 解析。

需要考虑的一个限制：文档中将 `fanouts` 和 `sse` 标记为仅限 ChatGPT 使用，并指出只有部分模型会提供这些查询。对于 Gemini 和 Perplexity，你仍然可以获得自动补全、来源和广告，但无法获取搜索路径。

## 大规模运行 AI 聊天提示

根据文档，实时补全平均需要几秒钟。由于某些对话需要重试，该端点允许每次调用最多 3 分钟。对于一次性检查，默认的同步模式即可。若需监控数百或数千个提示，请使用异步模式。

添加 `mode=async`，API 会立即返回一个任务 ID。将该 ID 通过 `GET /ai?id=...` 传回以获取完成结果，或获取 `retrieving` 或 `failed` 状态。 除了轮询，您还可以将 `callback` 设置为一个 HTTPS URL 或一个 Amazon SQS 队列，当结果准备就绪时，Massive 会向其发送通知。[调度文档](https://docs.joinmassive.com/web-render/scheduling) 涵盖了这两种模式。

缓存需要做出一个决定。默认情况下，完成结果会缓存一天。如上文的跟踪方案所示，当缓存的答案可能掩盖了变更时，请设置 `expiration=0`。

## 谁在使用 AI 聊天端点

Massive 不构建 AI 品牌监测仪表盘。AI 聊天端点是支撑这些仪表盘的基础设施层。生成式引擎优化（GEO）和答案引擎优化（AEO）平台需要地理覆盖、设备模拟以及干净的源数据和扇出数据，才能构建分析功能。 Massive 负责处理这一层，以便这些团队能够将时间投入到客户付费购买的分析工作中。

对于任何此类平台而言，一个合理的问题是：API 返回的答案是否与用户在应用中看到的内容一致。 我们进行了测试：在 30 个品牌类别中，`/ai` 与 `model=gemini` 在 30 个主题中的 26 个上生成的品牌排名与登录 Gemini 应用后的结果在统计学上无法区分，其一致性程度与应用自身每次运行的结果基本相当。 方法和注意事项详见《基于 API 的 AI 调用能否准确反映用户实际所见？》(https://www.joinmassive.com/blog/are-api-based-ai-calls-a-good-proxy-for-what-your-users-actually-see)

另有两类群体使用相同数据：

- **LLM 评估团队**，他们需要将模型当天给出的实时答案（而非缓存快照）作为评估对象。
- **RAG 和智能代理开发者**，他们会将前沿模型的输出与自身管道的输出进行对比。 我们的指南 [利用实时网络数据进行 LLM 锚定](https://www.joinmassive.com/blog/llm-grounding-with-live-web-data-a-practical-guide) 涵盖了这一模式，而 [如何为 AI 代理提供实时网络访问](https://www.joinmassive.com/blog/how-to-give-ai-agents-live-web-access) 则涵盖了浏览和搜索方面。

关于这一需求背后的更广泛市场趋势，请参阅我们的[《网络数据行业现状报告》](https://www.joinmassive.com/blog/state-of-the-web-data-industry-2026)。

## 常见问题

### AI 聊天端点支持哪些模型？

ChatGPT、Gemini 和 Perplexity。 若未传递 `model` 参数，默认使用 ChatGPT。

### 什么是 AI 聊天端点的“扇出”（fanouts）？

“扇出”是指 ChatGPT 为构建答案而执行的搜索查询，以数组形式包含在 JSON 响应中。 此功能仅适用于 ChatGPT。

### 我能查看 AI 聊天机器人在特定城市中的回复内容吗？

可以。在请求中设置 `country`，并可选地设置 `subdivision` 和 `city`。 提示将从该地点的真实终端设备发送，因此聊天机器人会像对待本地用户一样，对回答进行本地化处理。

### Massive 能否替代 AEO 或 AI 品牌监测平台？

不会。Massive 提供请求基础设施：位置、设备以及结构化的完成结果、数据源和扇出。AEO 平台在此基础上构建其仪表盘和分析功能。

### 如何在不保持连接打开的情况下运行数千个 AI 聊天提示？

使用 `mode=async` 将每个提示语加入队列，并通过任务 ID 收集结果；或者将 `callback` 设置为 HTTPS URL 或 Amazon SQS 队列，以便在每个回复准备就绪时收到通知。

## 关键要点

ChatGPT、Gemini 或 Perplexity 对您品牌的评价取决于提问者是谁以及来自何处。借助 `/ai`，您可以在任何城市的真实设备上进行提问，并保留完整记录：回答、来源、广告，以及对于 ChatGPT 而言，模型执行的每次搜索。 请从 [AI 聊天文档](https://docs.joinmassive.com/web-render/ai) 开始了解。Massive 的安全与合规记录可在 [Massive 信任中心](https://trust.joinmassive.com) 查阅，有关团队的更多信息请访问我们的 [关于我们页面](https://www.joinmassive.com/about-us)。