微软 Copilot 抓取 API：获取答案和引用

Daniel Kim

Lead Scraping Automation Engineer

29-Jun-2026

TL;DR：

Copilot 抓取 API 将 Microsoft Copilot 的回答转换为结构化 JSON。 向 scraper.copilot 发送一个 POST 请求会返回响应文本、其背后的引用以及它显示的基本链接——作为字段，而不是截图。
三个输入运行整个过程。 prompt 用于承载问题，可选的 country 确定该市场的住宅出口运行，可选的 mode 选择 Copilot 的回答风格。
引用准备好以便图表化。 citations 将每个引用的来源列为 { title, url }——无需解析步骤的引用跟踪原材料。
封装格式保持不变。 每次调用返回 { status, task_id, task_result }，与其他 Scrapeless LLM actor 形状相同，因此为 Copilot 编写的包装器可以无缝扩展至 ChatGPT、Grok、Gemini 和 Perplexity。
无需看管浏览器。 渲染、会话处理和代理轮换在服务器端运行；您只需调用一个端点，带上 x-api-token 头，并返回 JSON。
免费开始。 新的 Scrapeless 账户包括免费试用积分——可在 app.scrapeless.com 注册。

介绍：Copilot 在买家已有工作场所提供答案

Microsoft Copilot 嵌入在 Windows、Edge、Microsoft 365 和 Bing 中——对于大量商业用户来说，Copilot 是他们首先咨询的助手。当该用户询问最佳 CRM、最佳代理提供商或最佳帮助台工具时，Copilot 返回一段简短的综合回答，并附有一些引用来源。一个品牌要么在该答案中被提及，要么对该买家是不可见的。

手动跟踪该答案无法扩展：每次生成的响应都是全新的，引用的来源在旋转，措辞在运行中会有所变化。要将其作为数据进行监控，您需要将答案及其引用作为结构化字段。

本指南将介绍 Scrapeless 抓取 API 中的 scraper.copilot actor——一个经过身份验证的单 POST 请求，返回 Copilot 的答案文本、其引用和链接，以 JSON 格式返回，与其他 Scrapeless LLM 答案业务一致。

您可以用它做什么

跟踪品牌在 Copilot 中的可见性。 运行一组固定的购买意图提示，检查您的品牌是否出现在答案文本和引用列表中。
测量引用份额。 按域对 citations URLs 进行分组，以查看 Copilot 在某个主题上依赖哪些来源，以及您在其中的排名。
将 Copilot 与其他引擎进行比较。 向 scraper.copilot、scraper.chatgpt、scraper.gemini 和 scraper.perplexity 发送相同的提示，并逐一对比答案和来源。
监控答案漂移。 按计划定期捕获相同的提示，并图表显示答案及其引用如何随时间变化。
供下游管道使用。 结构化的 result_text 和 citations 可直接导入数据库、仪表板或 LLM 评估集。

为什么选择 Scrapeless Copilot 抓取器

Copilot 是一个在 Microsoft 身份验证和反自动化防御背后的 JavaScript 应用程序；一个 原始 HTTP 请求 不会返回任何有用的数据，而 自己驱动真实的浏览器会话 意味着需要渲染、登录和维护代理轮换。Scrapeless Copilot 抓取器——作为 Universal Scraping API 的一部分——在服务器端处理该表面并返回 干净的 JSON。具体来说，它为 Copilot 带来了：

195 个国家的住宅出口，所以 country 值捕获真正用户在该市场看到的答案。
云端渲染和会话处理——无需运行、登录或保持活跃的浏览器。
与所有其他 Scrapeless LLM actor 共享的稳定响应封装，因此一个客户端涵盖整个产品线。
作为一流字段的引用——每个来源的 { title, url }，可随时进行分组和计数。

在免费计划中获取您的 API 密钥，访问 app.scrapeless.com。

先决条件

一个 Scrapeless 帐户和 API 密钥（免费计划包括试用积分）—— app.scrapeless.com。
将密钥导出为环境变量，以避免在源代码中出现：

bash Copy

export SCRAPELESS_API_KEY="your_api_token_here"

curl 用于初次捕获，下面的工作客户端使用 Python 3 和 requests。

Copilot Scraper 的工作原理

您指定角色，提供输入，并在一个 header 中发送您的密钥。

端点： POST https://api.scrapeless.com/api/v2/scraper/execute
角色： scraper.copilot
认证头： x-api-token: $SCRAPELESS_API_KEY

请求参数

输入字段	是否必需	描述
`prompt`	是	要发送给 Copilot 的问题
`country`	否	两字母国家代码，固定运行的居住出路（例如 `US`）
`mode`	否	Copilot 回答风格；`smart` 是最近捕获的默认值

使用 curl 快速捕获

bash Copy

curl -sS -X POST https://api.scrapeless.com/api/v2/scraper/execute \
  -H "Content-Type: application/json" \
  -H "x-api-token: ${SCRAPELESS_API_KEY}" \
  -d '{
    "actor": "scraper.copilot",
    "input": { "prompt": "2026 年最佳代理提供商有哪些？", "country": "US", "mode": "smart" }
  }'

响应封装

json Copy

// 示例 — 来自真实 scraper.copilot 运行的模式；值经过缩略
{
  "status": "success",
  "task_id": "…",
  "task_result": {
    "prompt": "2026 年最佳代理提供商有哪些？",
    "mode": "smart",
    "result_text": "最佳提供商取决于您的用例… [1]",
    "citations": [
      { "title": "2026 年十大最佳代理提供商：测试与排名", "url": "https://…" }
    ],
    "links": [
      "https://…"
    ]
  }
}

逐字段说明：

字段	类型	内容
`status`	字符串	运行完成时为 `success`
`task_id`	字符串	运行的标识符，作为您自有存储中的审计键
`task_result.prompt`	字符串	Copilot 接收到的提示
`task_result.mode`	字符串	产生响应的回答模式（例如 `smart`）
`task_result.result_text`	字符串	整个答案以markdown格式呈现，内联引用标记保留
`task_result.citations[]`	数组	每个引用的来源为 `{ title, url }`
`task_result.links[]`	数组	与答案一同呈现的简单链接（如有）

在免费计划上获取您的 API 密钥：app.scrapeless.com

在 Python 中集成 API

一个完整的客户端：发送提示，检查封装，并打印引用表。

python Copy

import os
import requests

ENDPOINT = "https://api.scrapeless.com/api/v2/scraper/execute"


def ask_copilot(prompt: str, country: str = "US", mode: str = "smart") -> dict:
    resp = requests.post(
        ENDPOINT,
        headers={
            "Content-Type": "application/json",
            "x-api-token": os.environ["SCRAPELESS_API_KEY"],
        },
        json={"actor": "scraper.copilot", "input": {"prompt": prompt, "country": country, "mode": mode}},
        timeout=180,
    )
    resp.raise_for_status()
    return resp.json()


if __name__ == "__main__":
    data = ask_copilot("2026 年最佳代理提供商有哪些？")
    result = data.get("task_result", {})
    citations = result.get("citations") or []
    print(f"status={data.get('status')} mode={result.get('mode')} citations={len(citations)}")
    for i, c in enumerate(citations, 1):
        print(f"  [{i}] {c.get('title', '')[:60]} → {c.get('url', '')[:60]}")

答案内容保存在 result.get("result_text") 中，格式为 markdown；对于引用工作的规模，上述循环通常就是整个工作——按域对打印的 URL 进行分组并计数。

其他 AI 回答生态的辅助角色

相同的端点、头和封装覆盖相邻平台——只有角色名称和一两个特定于平台的字段有所不同：

scraper.chatgpt——相同的提示/国家输入；返回 result_text 以及一个 content_references 引用数组和 search_result 面板。
scraper.grok——添加一个必需的推理 mode，返回独立的 web_search_results 和 x_search_results 引用面板。
scraper.gemini——与 ChatGPT 相同的两个字段输入；返回 result_text 以及一个 citations 数组。
scraper.perplexity——需要一个必需的 country 和一个 web_search 标志；返回 web_results、media_items 和相关提示。
scraper.overview / scraper.aimode——Google 的 AI 概述块和 AI 模式标签；AI 概述指南全面覆盖该对。

该线的定价基于使用量，注册时提供免费试用积分——当前层级可参见定价页面。

如何避免常见问题

某些提示的 citations 为空。 Copilot 并不是对每个答案都引用来源——带有意见色彩或完全生成的提示可能会返回没有引用的答案。为了进行引用跟踪，按研究买家的方式措辞提示（“最佳 X 用于 Y”），这样可以可靠触发基于网络的答案。
答案在不同运行中变化。 相同的提示可能在几分钟内产生不同的答案和引用集——这种波动性是您正在测量的现象。使用其 task_id 和时间戳存储每个捕获，并将系列视为信号，而不是任何单次运行。
将每个字段视为可为 null。 links 通常为空，引用计数在不同运行之间波动。读取现有内容，而不是断言一个固定的形状。
故意锁定国家。 未锁定的运行捕获一个答案；锁定的运行捕获您关心的市场的答案。在存储记录中保留 country 值，以便系列可以保持可比性。

结论：将 Copilot 答案作为一行依赖项

Copilot 是 Windows、Edge 和 Microsoft 365 用户的大型基础的第一站助手，它返回的答案决定了您的品牌是否被看到。scraper.copilot 演员将该答案转换为结构化记录——文本、引用、链接——与其他 Scrapeless LLM 演员位于同一信封上，因此监控 Copilot 是您可能已经为 ChatGPT 或 Gemini 运行的管道的一行添加。