bohrium-lkm

name

bohrium-lkm

description

Large Knowledge Model (LKM) via open.bohrium.com (v2). Use when: user asks about searching scientific claims/questions, retrieving reasoning chains, viewing a paper's knowledge graph, tracing why a claim holds, batch-hydrating knowledge node details, or submitting feedback on LKM content/service. NOT for: general paper keyword search (use bohrium-paper-search), knowledge base management (use bohrium-knowledge-base), single PDF parsing (use bohrium-pdf-parser).

SKILL: Bohrium LKM (大知识模型)

概述

通过 open.bohrium.com 的 LKM (Large Knowledge Model) v2 端点，对科研文献中抽取出的知识进行检索与追溯：搜索命题/研究问题/摘要命中、检索推理链、查看论文级知识图谱、追溯单条命题的支撑推理、按 ID 批量水合节点详情。

核心能力：

端点	功能
POST /v2/lkm/search	公开检索：召回 claim / question / abstract 命中；claim 还可按 conclusion / premise 角色检索
POST /v2/lkm/reasoning/search	推理链检索：按论证过程相似性召回整条推理链
POST /v2/lkm/papers/graph	论文级知识图谱：返回某篇论文抽取出的完整 graph
GET /v2/lkm/claims/{id}/reasoning	单条命题推理链：查某条 claim 为什么成立
POST /v2/lkm/variables/batch	批量水合：按节点 ID 列表批量取详情
POST /v2/lkm/feedback	提交反馈：对 LKM 服务/数据提交缺陷 / 需求 / 问题

怎么选入口：

• 按关键词/语义找命题、问题或论文摘要 → /search
• 想找"论证/实验过程"相似的整条推理链（而非单个命题）→ /reasoning/search
• 打开一篇论文看完整结构化图谱 → /papers/graph
• 已有 claim ID，想看推理链 → /claims/{id}/reasoning
• 已有一组节点 ID，想批量补全详情 → /variables/batch
• 想对某个节点/论文或服务本身提交缺陷/需求/问题 → /feedback

不适用：

• 通用论文关键词搜索 → bohrium-paper-search
• 知识库文件管理 → bohrium-knowledge-base
• PDF 单篇解析 → bohrium-pdf-parser

无 CLI 支持 — 通过 HTTP API 操作。

接口调用关系

把 5 个检索类接口分成两类：

• 自然语言检索入口（只需 query，无需预先知道任何 ID）：/search、/reasoning/search
• 基于标识/ID 的查询（需先有论文标识或节点 ID）：/papers/graph（论文 package_id/paper_id/doi/title）、/claims/{id}/reasoning（claim gcn_ ID）、/variables/batch（节点 gcn_ ID）

（/feedback 是独立的写入接口，不在下面的检索数据流中，详见第 6 节。）

/papers/graph 若已知 DOI 或标题，也可不依赖其它接口、直接作为起点；否则其 package_id/paper_id 通常来自 /search、/reasoning/search 返回的论文元数据。

检索入口的输出（节点 ID、论文 ID）正是下游接口的输入。/search 默认按 paper 聚合：主结果 variables[] 每条约等于一篇论文的代表命中，同论文的其它命中折叠进 related。abstract 是论文级背景上下文，不要当 claim 使用，也不要拿去追 reasoning。

flowchart TD
    search["/search 节点检索"]
    rsearch["/reasoning/search 推理链检索"]
    pgraph["/papers/graph 论文图谱"]
    creason["/claims/{id}/reasoning 单条推理链"]
    batch["/variables/batch 批量水合"]

    search -->|"variables[].id (gcn_)"| creason
    search -->|"variables[].id (gcn_)"| batch
    search -->|"papers 的 package_id / paper_id"| pgraph
    rsearch -->|"conclusion 节点 global_id"| creason
    rsearch -->|"任意节点 global_id (gcn_)"| batch
    rsearch -->|"paper_id (纯数字)"| pgraph
    pgraph -->|"conclusion 节点 global_id"| creason
    pgraph -->|"任意节点 global_id (gcn_)"| batch
    creason -->|"任意节点 global_id (gcn_)"| batch

ID 流转：

上游输出	ID 类型	下游可用接口
search 的 variables[].id；graph 节点的 global_id	全局节点 ID gcn_...	variables/batch（任意节点）；claims/{id}/reasoning（仅 has_reasoning=true 的 conclusion）
各接口 papers/paper 元数据；reasoning_chains[].paper_id	论文 ID（paper:<数字> 或纯数字串）	papers/graph（package_id/paper_id）；reasoning/search 的 filters.paper_ids（纯数字、无 paper: 前缀）

陷阱： 不要把 graph 本地节点 ID（如 paper:...::conclusion_3）当成全局 gcn_ ID 或论文 ID 往下游传——claims/{id}/reasoning 会返回 290004，variables/batch 会把它放进 not_found。

/feedback 可选地复用上游产出的全局节点 ID（gcn_id）或论文元数据 ID（paper_metadata_id）来定位反馈对象，二者互斥。

认证配置

代码统一从环境变量 BOHR_ACCESS_KEY 读取 access key。根据运行环境，二选一方式提供该变量：

方式 A：直接使用环境变量（不依赖 OpenClaw 的场景）

export BOHR_ACCESS_KEY=<YOUR_BOHR_ACCESS_KEY>

方式 B：通过 OpenClaw 注入（在 OpenClaw 中运行时）

在 ~/.openclaw/openclaw.json 配置，OpenClaw 会自动将 env.BOHR_ACCESS_KEY 注入到运行环境：

"bohrium-lkm": {
  "enabled": true,
  "apiKey": "YOUR_BOHR_ACCESS_KEY",
  "env": {
    "BOHR_ACCESS_KEY": "YOUR_BOHR_ACCESS_KEY"
  }
}

通用代码模板

import os, requests

AK = os.environ["BOHR_ACCESS_KEY"]
BASE = "https://open.bohrium.com/openapi/v2/lkm"
H = {"Authorization": f"Bearer {AK}", "Content-Type": "application/json"}

def lkm_data(r):
    """解包 LKM 响应：code == 0 时返回 data，否则带 code/message 抛错。"""
    body = r.json()
    if body.get("code") != 0:
        raise RuntimeError(f"LKM error {body.get('code')}: {body.get('message')}")
    return body["data"]

下面的示例统一走 lkm_data(r)，确保始终遵守上面说的 code 判定约定。

业务状态判定： HTTP 通常返回 200，是否成功看响应体里的 code，code == 0 才算成功。常见错误码见末尾错误码表。

---

1. 公开检索 — POST /search

用自然语言召回 LKM 中的 claim / question / abstract 命中。服务端默认按论文聚合，返回每篇论文最相关的一条主命中，同论文其它命中放到 related。返回的是检索命中和论文元信息，不是完整推理链。

r = requests.post(f"{BASE}/search", headers=H, json={
    "query": "The 2017 chemistry curriculum standard increases emphasis on real‑world problem situations and contexts (explicitly including industrial production, environmental issues, and socio‑technical “hot topics”).",
    "keywords": ["real-world contexts", "industrial production", "inquiry learning"],
    "retrieval_mode": "hybrid",
    "sort_by": "comprehensive",  # 可选，默认 comprehensive；可选 relevance/recent/journal
    "scopes": ["claim", "question", "abstract", "conclusion", "premise"],
    # "filters": {
    #     "paper_ids": ["811977903947382784"],  # 纯数字 ID，不带 paper: 前缀
    #     "dois": ["10.1038/s41586-021-03381-x"],
    #     "title": "perovskite stability",      # 论文标题模糊过滤
    #     "publication_date_start": "2020-01-01",
    #     "publication_date_end": "2026-12-31",
    #     "limit_publication_date": True,        # 默认 true；false 会召回无发表日期文献
    # },
    "reasoning_only": False,
    "offset": 0,
    "limit": 20
})
data = lkm_data(r)
for v in data["variables"]:
    print(v["id"], v["type"], v.get("role"), v["has_reasoning"], (v.get("content") or "")[:80])
# data["related"]: 同一篇 paper 内折叠的其它相关命中
# data["papers"]: 权威论文元数据（key 形如 paper:<id>）
# data["has_more"]: 是否还有下一页

参数：

字段	类型	必填	说明
query	string	是	自然语言检索语句，建议 ≤200 字
keywords	string[]	否	关键词，最多 10 个、每个 ≤100 字；放术语/材料名/方法名/缩写，不要塞整句
retrieval_mode	string	否	hybrid(默认,语义+关键词) / semantic(仅语义,更快) / lexical(仅关键词)
sort_by	string	否	排序策略，不传默认 comprehensive：relevance(纯相关性,首位最准) / recent(相关达标前提下偏新) / journal(相关达标前提下偏高质量期刊) / comprehensive(相关+时效+质量+多样性综合)
scopes	string[]	否	限定命中范围：节点类型 claim / question / abstract，或 claim 角色 conclusion / premise；省略=不限定
filters.visibility	string	否	内容可见性，通常 public
filters.role	string	否	限定 claim 角色：conclusion/premise/highlight
filters.paper_ids	string[]	否	按论文维度限定召回范围，纯数字论文 ID，不带 paper: 前缀，最多 50 个
filters.dois	string[]	否	按论文维度限定召回范围，论文 DOI，最多 50 个；可与 paper_ids 同时使用
filters.title	string	否	按论文标题模糊过滤。与 paper_ids / dois 同时传时取交集（AND）。标题过滤只返回最相关的前若干篇，默认约 5 篇，不保证精确或穷尽。
filters.publication_date_start / filters.publication_date_end	string	否	发表日期范围，格式 YYYY-MM-DD；可只传一侧
filters.limit_publication_date	bool	否	默认 true：按日期范围过滤；若两侧日期都空，默认回落近 20 年。设为 false 时完全不限制发表日期，并可召回无发表日期文献。
reasoning_only	bool	否	true 只返回有推理链支撑的 conclusion claim（旧名 evidence_only）
include_paper_enrich	bool	否	true 返回更丰富的论文元数据（响应变大，按需开）
offset	int	否	分页起点，最大 10000
limit	int	否	每页条数，默认 20，最大 100

关键返回字段：

字段	说明
data.variables[]	聚合后的主结果列表；每条约等于一篇 paper 的代表命中。id 是命中对象 ID。
data.variables[].type	claim / question / abstract
data.variables[].role	claim 角色：conclusion / premise 等
data.variables[].score / rerank_score	检索排序分数，不等于可信度/证据强度，不要当置信度展示
data.variables[].has_reasoning	该 claim 是否有推理链可追溯（展示推理时优先选 true）
data.variables[].provenance.source_packages	来源论文包 ID 列表
data.related	同一篇 paper 内被折叠的其它相关片段。它是 same-paper context，不是跨论文推荐，也不是完整 paper graph。
data.papers	权威论文元数据 map，key 形如 paper:<id>；论文卡片、DOI、期刊、影响因子等优先从这里取。
data.has_more	是否还有下一页（下一页用相同请求体，offset += 本页条数）

约束与使用策略：

• paper_ids、dois、title 同时给定时取交集（AND）；任一维度命中为空则整体返回空结果。
• abstract 是论文级背景上下文，适合快速判断论文相关性或做 RAG 背景；不要当 claim 用，也不要追 reasoning。
• reasoning_only=true 时，scopes 必须省略或 ["claim"] / ["conclusion"]，filters.role 必须省略或 conclusion；冲突会返回 290002。

排序说明： recent/journal/comprehensive 的时效、质量加成都有相关性门控，不会塞进不相关内容；老调用方不传 sort_by 即自动享受更优的 comprehensive 默认排序。

---

2. 推理链检索 — POST /reasoning/search

召回整条推理链——即论文"得出某个结论的研究过程"（理论推导、数值计算、实验流程等），按该过程与 query 的相似度排序，而不是按单个节点的文本相似度。新调用方统一传 format: "graph"。

r = requests.post(f"{BASE}/reasoning/search", headers=H, json={
    "query": "infer phase stability from XRD evidence",
    "keywords": ["powder XRD", "Rietveld refinement", "phase transition"],
    "retrieval_mode": "hybrid",
    "sort_by": "comprehensive",  # 可选，默认 comprehensive；可选 relevance/recent/journal
    "format": "graph",
    # "filters": {
    #     "paper_ids": ["811977903947382784"],
    #     "dois": ["10.1038/s41586-021-03381-x"],
    #     "title": "phase stability",
    #     "publication_date_start": "2020-01-01",
    #     "limit_publication_date": True,
    # },
    "offset": 0,
    "limit": 20
})
data = lkm_data(r)
for c in data["reasoning_chains"]:
    print(c["chain_id"], c["paper_id"], c["score"])
    print("  nodes:", len(c["graph"]["nodes"]), "edges:", len(c["graph"]["edges"]))
# data["total"]: 未受 limit 截断的命中总数

参数：

字段	类型	必填	说明
query	string	是	描述想找的推理过程，建议 ≤200 字
keywords	string[]	否	最多 10 个，放方法名/材料名/实验条件/指标/缩写
retrieval_mode	string	否	hybrid(默认) / semantic / lexical
sort_by	string	否	排序策略，取值与语义同 /search（relevance/recent/journal/comprehensive），不传默认 comprehensive
filters.paper_ids / filters.dois	string[]	否	按论文维度限定召回范围，语义同 /search：纯数字 ID（无 paper: 前缀）/ DOI，各 ≤50，可同时使用
filters.title	string	否	论文标题模糊过滤；与 paper_ids、dois 取交集（AND）
filters.publication_date_start / filters.publication_date_end	string	否	发表日期范围，格式 YYYY-MM-DD；可只传一侧
filters.limit_publication_date	bool	否	默认 true；两侧日期都空时回落近 20 年。false 完全不限制发表日期，可召回无发表日期文献。
format	string	否	推荐 graph，返回 graph.nodes/graph.edges；省略返回旧结构
offset	int	否	分页起点，最大 10000
limit	int	否	每页条数，默认 20，最大 100

关键返回字段（format: "graph"）：

字段	说明
data.reasoning_chains[].chain_id	推理链 ID
data.reasoning_chains[].paper_id	来源论文 ID（纯数字串）
data.reasoning_chains[].score	检索排序分数，不要当可信度展示
data.reasoning_chains[].graph	推理链图谱（nodes / edges，见下方 graph 说明）
data.reasoning_chains[].paper	来源论文元数据
data.reasoning_chains[].addressed_problems / open_questions	该链处理的问题 / 留下的开放问题
data.total	命中总数；分页：offset + 本页条数 < total 即有下一页

paper_ids、dois、title 过滤语义同 /search，三者取交集（AND）；任一维度命中为空则整体为空结果。

---

3. 论文级知识图谱 — POST /papers/graph

给定一篇论文，返回 LKM 从中抽取出的完整 graph（结论、推理步骤、亮点、弱点、子问题及关系边）。paper-level graph 主入口。

r = requests.post(f"{BASE}/papers/graph", headers=H, json={
    "package_id": "paper:1020661015349559308"   # 四选一，见下表
})
data = lkm_data(r)
for p in data["papers"]:
    print(p["paper"]["en_title"])
    print("  nodes:", len(p["graph"]["nodes"]), "edges:", len(p["graph"]["edges"]))
    print("  addressed_problems:", len(p["addressed_problems"]))

参数（4 个标识至少传 1 个，不能都空）：

字段	类型	说明
package_id	string	LKM 论文包 ID，形如 paper:<数字>；优先级最高
paper_id	string	LKM 论文 ID，纯数字串，如 812481689673531392
doi	string	论文 DOI，如 10.1038/s41586-021-03381-x
title	string	标题或标题关键词，可能返回多篇候选
title_resolve.limit	int	用 title 时限制候选数，默认 5，最大 20

优先级：package_id > paper_id > doi > title。package_id/paper_id 是 LKM 内部 ID（非 DOI/PMID），通常从其它 LKM 接口返回的 paper 元数据获取。

关键返回字段：

字段	说明
data.papers[].paper	论文元数据（含 package_id、标题、作者、DOI、期刊等）
data.papers[].graph	论文级知识图谱（nodes / edges，见下方 graph 说明）
data.papers[].addressed_problems	论文试图解决的核心问题
data.papers[].open_questions	论文留下的开放问题 / 未来工作

非 title 路径通常返回 1 篇；title 路径可能返回多篇候选（每篇可能带 title_match_type，如 exact/keyword）。include/hydrate_factor_refs 为历史兼容字段，新版默认 graph 响应无需使用。

---

4. 单条命题推理链 — GET /claims/{id}/reasoning

给定一个全局 claim ID（gcn_...），返回这条 claim 由哪些推理步骤和前提支撑。新调用方统一传 format=graph。

claim_id = "gcn_73e13bb548f847bd"
r = requests.get(f"{BASE}/claims/{claim_id}/reasoning", headers=H,
                 params={"format": "graph", "max_chains": 10, "sort_by": "comprehensive"})
data = lkm_data(r)
print(data["claim"]["id"], "total_chains:", data["total_chains"])
for c in data["reasoning_chains"]:
    print("  paper:", c["paper"]["en_title"])
    print("  nodes:", len(c["graph"]["nodes"]), "edges:", len(c["graph"]["edges"]))

参数：

字段	位置	必填	说明
id	path	是	全局 claim ID，形如 gcn_...（不要传 graph 本地节点 ID，如 paper:...::conclusion_3）
max_chains	query	否	推理链数量上限，默认 10，最大 100
sort_by	query	否	comprehensive(默认,按信息量) / recent(按时间倒序)
format	query	否	推荐 graph；省略或非 graph 返回旧 factors 结构

关键返回字段（format=graph）：

字段	说明
data.claim	被查询的 claim 本身（id/type/content_hash）
data.reasoning_chains[].graph	推理链图谱（nodes / edges，见下方 graph 说明）
data.reasoning_chains[].paper	该链所属论文元数据
data.reasoning_chains[].addressed_problems / open_questions	问题背景 / 开放问题
data.total_chains	可返回的推理链总数

建议只对 role = conclusion 且 has_reasoning = true 的 claim 调用。对 premise / weak point / 无推理链的 claim 调用可能返回 290008；传错 ID 类型常返回 290004。

---

5. 批量水合 — POST /variables/batch

按节点 ID 列表批量取详情。先用检索接口拿到 ID，再用本接口补全。这不是检索接口。

r = requests.post(f"{BASE}/variables/batch", headers=H, json={
    "ids": ["gcn_654cd35dcb814a0c", "gcn_9523aa7f1fd04d8a"]
})
data = lkm_data(r)
for v in data["variables"]:
    print(v["id"], v["type"], (v.get("content") or "")[:80])
print("not_found:", data["not_found"])
# data["papers"]: 按 package_id 组织的论文元数据

参数：

字段	类型	必填	说明
ids	string[]	是	全局节点 ID（gcn_...），1–100 个，不要含空字符串；重复会去重

关键返回字段：

字段	说明
data.variables[]	命中的节点（id/type/title/content/representative_lcn/local_members/provenance）
data.variables[].metadata / parameters	需防御式解析：可能是空串、JSON 字符串或数组字符串
data.not_found	未命中的 ID 列表（传 graph 本地 ID / paper ID / package ID 会落这里）
data.papers	按 package_id 组织的论文元数据

请求前先清洗：去空串、去 null、去重、单批 ≤100。部分 ID 未命中不影响整体成功（仍 code = 0）。

---

6. 提交反馈 — POST /feedback

对 LKM 服务 / 数据提交使用反馈。可选地关联到一个 GCN 节点或一篇论文元数据，用于定位反馈针对的具体对象。这是写入接口，不返回知识内容。

r = requests.post(f"{BASE}/feedback", headers=H, json={
    "type": "bug",          # 必填：bug(缺陷) / feature(需求) / question(问题)，不区分大小写
    "content": "推理链查询返回结果中缺少前提节点，疑似数据缺失",  # 必填，trim 后不能为空
    "gcn_id": "gcn_0002bee76d0c4255"  # 可选；关联 GCN 节点。与 paper_metadata_id 互斥
    # 或改为关联论文：去掉 gcn_id，改传 "paper_metadata_id": "867766664756724177"
})
fb = lkm_data(r)
print("feedback id:", fb["id"])

参数（Body）：

字段	类型	必填	说明
type	string	是	反馈类型：bug(缺陷) / feature(需求) / question(问题)，不区分大小写
content	string	是	反馈正文，trim 后不能为空
gcn_id	string	否	关联的 GCN 节点 ID（来自 /search、graph 等），如 gcn_0002bee76d0c4255；与 paper_metadata_id 互斥
paper_metadata_id	string	否	关联的论文元数据 ID，如 867766664756724177；与 gcn_id 互斥

关键返回字段：

字段	说明
data.id	新建反馈记录的主键 ID

gcn_id 与 paper_metadata_id 可同时为空（不关联具体对象），但不能同时非空——同时传会因语义混淆被拒。

---

graph 公共说明（端点 2 / 3 / 4 共享）

graph 由 nodes 和 edges 组成，可直接用于前端图谱渲染。

节点 kind：

kind	含义
conclusion	结论节点（端点 4 中通常对应传入的 claim）
reasoning_steps	支撑结论的推理步骤，通常含 steps[] 数组
highlight	正向亮点 / 关键证据 / 支持性观察
weak_point	弱点 / 限制 / 风险 / 需审慎看待的前提
subproblem	驱动该结论的子问题或研究动机

边 type：

type	含义
concludes	reasoning_steps 指向 conclusion
highlight_of	highlight 指向它支持的 reasoning_steps（正向）
weakpoint_of	weak_point 指向它削弱的 reasoning_steps（限制/风险）
subproblem_of	subproblem 指向它驱动的 conclusion
previous_conclusion_of	前序结论与当前结论/推理单元的上下文关系

注意：

• highlight_of 与 weakpoint_of 语义相反——前者正向、后者表示限制或风险；不要把所有边都当成"支持"。
• 不要把 highlight 当最终结论，不要把 weak_point 当正向证据，不要把 subproblem 当支撑证据。
• 边上的 p1/p2 是模型/图谱内部参数，不要直接当作用户侧可信度展示。
• reasoning_steps.steps 建议作为节点详情展开，不必默认拆成多个主图节点。

---

典型工作流：验证并追溯一个科学结论

思路：先用 /search（reasoning_only=true）找到"有推理链支撑的结论"，再用 /claims/{id}/reasoning 看它为什么成立。

# 1) 检索：只要有推理链支撑的 conclusion claim
res = lkm_data(requests.post(f"{BASE}/search", headers=H, json={
    "query": "perovskite thermal stability at 85 C",
    "keywords": ["FAPbI3", "thermal stability"],
    "retrieval_mode": "hybrid",
    "reasoning_only": True,
    "scopes": ["conclusion"],
    "limit": 10,
}))

# 2) 取第一个可追溯的结论
claim = next((v for v in res["variables"] if v.get("has_reasoning")), None)
if not claim:
    print("未找到可追溯推理链的结论")
else:
    print("结论:", (claim.get("content") or "")[:120])
    # 3) 追溯：查这条 claim 的推理链
    chains = lkm_data(requests.get(f"{BASE}/claims/{claim['id']}/reasoning",
                                   headers=H, params={"format": "graph"}))
    for c in chains["reasoning_chains"]:
        print("来源论文:", c["paper"]["en_title"])
        for n in c["graph"]["nodes"]:
            print(f"  [{n['kind']}] {(n.get('title') or n['content'])[:80]}")

---

curl 示例

所有接口鉴权、code 判定一致，下面给一个 POST、一个 GET 代表；其余接口仅 path 与 body 不同，body 见上文各节。

AK="$BOHR_ACCESS_KEY"
BASE="https://open.bohrium.com/openapi/v2/lkm"

# POST 示例（其它 POST 接口同理：仅换 path 与 body）
curl -s -X POST "$BASE/search" \
  -H "Authorization: Bearer $AK" -H "Content-Type: application/json" \
  -d '{"query":"perovskite thermal stability","retrieval_mode":"hybrid","scopes":["abstract","conclusion"],"filters":{"title":"perovskite","publication_date_start":"2020-01-01"},"limit":20}' | jq .

# GET 示例（单条命题推理链）
curl -s -X GET "$BASE/claims/gcn_73e13bb548f847bd/reasoning?format=graph&max_chains=10" \
  -H "Authorization: Bearer $AK" | jq .

---

常见错误码

code	含义	处理
2000	未授权	检查 BOHR_ACCESS_KEY 是否有效、请求头是否带 Authorization: Bearer
290002	入参错误	检查 retrieval_mode/scopes 取值、keywords 超限、分页越界、reasoning_only 与 scopes/role 冲突、title/date 过滤格式、ids 为空或超 100、package_id 格式
290001	检索/查询失败	重试一次；仍失败则缩短 query 或降低 limit
290004	claim 不存在	确认传的是全局 gcn_...，而非 graph 本地节点 ID
290008	claim 无推理链	仅对 has_reasoning=true 的 conclusion 调用 reasoning
290009	查询超时	稍后重试，或改用更精确的 paper_id/package_id
290011	论文不存在	检查 paper_id/package_id/doi/title
290013	论文存在但未抽出 graph	展示论文元数据并提示暂无结构化图谱

---

搭配使用

LKM 各接口之间的串联见上文「接口调用关系」与「典型工作流」。这里只列跨 skill 的搭配。

• lkm 验证/追溯结论后 → bohrium-paper-search 找原始论文全文
• lkm 定位到具体论文后 → bohrium-pdf-parser 解析单篇 PDF
• lkm 批量水合/图谱结果 → bohrium-knowledge-base 归档存储