bohrium-sciencepedia

name

bohrium-sciencepedia

description

Search and read Bohrium SciencePedia (科学百科) via open.bohrium.com. Use when the user wants to: look up / explain a scientific term and get a reading link (搜词条/关键词), browse what disciplines·fields·courses exist (有哪些领域和课程), get a course's chapter outline and knowledge list (课程章节与知识点), or explore the knowledge graph around a topic (主题相关的知识图谱). NOT for: paper search (use bohrium-paper-search), managing your own knowledge base (use bohrium-knowledge-base), or the LKM reasoning graph (use bohrium-lkm).

SKILL: Bohrium 科学百科（SciencePedia）

一个面向科学概念的百科。这个 skill 把它包装成 4 件你能直接做的事：

1. 搜一个词 → 拿到简介 + 可点击的阅读链接（自动覆盖「词条」和「关键词」，你不用向用户区分二者）。
2. 看百科里有哪些领域和课程（按学科浏览）。
3. 给定一个课程 → 拿到它的章节结构和知识点列表。
4. 从一个主题出发 → 拿到它和相关概念组成的知识图谱。

两个 Host，别混用：调 API 用 open.bohrium.com；给人看的阅读链接用 https://www.bohrium.com（见拼阅读链接）。不要把 API 地址发给用户。

不适用：搜论文 → bohrium-paper-search；管理自己的知识库 → bohrium-knowledge-base；大知识模型推理图谱 → bohrium-lkm。

无 CLI — 全部通过 HTTP API。

---

认证配置

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

通用模板（复制即用）

import os, requests
from urllib.parse import quote

AK = os.environ["BOHR_ACCESS_KEY"]
BASE = "https://open.bohrium.com/openapi/v2/literature-sage/wiki_v2"
H = {"Authorization": f"Bearer {AK}", "Content-Type": "application/json"}

# 几乎所有接口都要带这两个参数：
DEFAULTS = {"language": "en-US", "style": "Feynman"}
# language: "en-US" 或 "zh-CN"
# style:    "Feynman"（通俗易懂）或 "Hardcore"（硬核学术）

def data(resp):
    """统一解包：响应是 {"code":0,"data":{...}}，错误时 code!=0。"""
    resp.raise_for_status()
    body = resp.json()
    if body.get("code") not in (0, None):
        raise RuntimeError(f"API error code={body.get('code')}: {body.get('message') or body}")
    return body.get("data", body)

三个最少必要的概念（其余 jargon 都可忽略）

概念	是什么	怎么给用户
词条 / 主题（topic）	一篇完整的百科文章	用 entry_id 拼文章链接
关键词（keyword）	一个更小的概念卡片	用 keyword_id 拼关键词链接
课程 / 领域（field）	一组词条组成的「课」	用 field_id 拼课程链接

搜索时这三者会混在一起返回。对用户而言它们都是「百科条目」——直接给标题 + 简介 + 链接即可，不必解释类型差异。

---

任务 1：搜一个词，拿简介和阅读链接

首选一个接口搞定：POST /search/universal。它一次返回相关的「词条 + 关键词」（在 articles 里）和相关「课程」（在 fields 里），每条都带高亮简介。

d = data(requests.post(f"{BASE}/search/universal", headers=H,
                       json={"text": "graphene", **DEFAULTS}))

for a in d["articles"]:                       # 词条与关键词混合，按相关度排好序
    link = build_read_url(a["type"], a["id"], **DEFAULTS)   # 见“拼阅读链接”
    snippet = a["matched_elements"][0]["content"] if a.get("matched_elements") else ""
    print(a["article_name"], "→", link)
    print("  ", snippet.replace("<em>", "").replace("</em>", ""))   # 去掉高亮标签

for f in d["fields"]:                         # 相关课程（可选展示）
    print("课程：", f["node_name"], "→", course_url(f["field_id"], **DEFAULTS))

articles[] 每项关键字段：

• type："article"（词条/主题）或 "keyword"（关键词）——决定用哪种链接。
• id：词条是 entry_id，关键词是 keyword_id。
• article_name：标题。
• matched_elements[].content：命中的高亮片段，可直接当简介（含 <em> 高亮标签，展示前去掉）。

想要更完整的简介 / 全文

/search/universal 给的是检索片段。要正文，再按类型取详情：

# 词条（主题文章）全文
doc = data(requests.post(f"{BASE}/article", headers=H,
                         json={"entry_id": "<entry_id>", **DEFAULTS}))["document"]

# 关键词全文
doc = data(requests.post(f"{BASE}/keyword", headers=H,
                         json={"keyword_id": "<keyword_id>", **DEFAULTS}))["document"]

# doc 常用字段：
#   article_name    标题
#   seo_description 一句话简介（最适合做摘要）
#   definition      定义
#   key_points      要点
#   main_content    正文（Markdown）
#   applications    应用

⚠️ article / keyword 偶尔返回 code=250002（内容按需生成、当前语言/风格下还没有）。这时回退用搜索结果里的 matched_elements 片段，或换一个 style / language 再试。

---

任务 2：看百科里有哪些领域和课程

按学科浏览：先拿大类与分级，再列某个分级下的课程。

# 1) 顶层结构：大类(major) → 分级(level)
ml = data(requests.post(f"{BASE}/major_levels", headers=H, json={**DEFAULTS}))
for m in ml["majors"]:
    levels = "、".join(l["name"] for l in m["levels"])
    print(m["name"], "｜分级：", levels)

# 2) 列出某些分级下的课程(field)
level_ids = [lv["node_id"] for m in ml["majors"] for lv in m["levels"]]
lf = data(requests.post(f"{BASE}/level_fields", headers=H,
                        json={"node_ids": level_ids[:5], "page_num": 1, "page_size": 20, **DEFAULTS}))
for it in lf["items"]:
    f = it["field"]
    print(f'{it["major"]["name"]} / {it["level"]["name"]} / {f["name"]}'
          f'（{it.get("topic_count", 0)} 个知识点）→', course_url(f["field_id"], **DEFAULTS))

• major_levels 返回 majors[]，每个含 name 和 levels[]（name + node_id）。
• level_fields 返回分页 items[]（total 为总数），每项含 major / level / field、topic_count、以及若干示例 topics；其中 field 带 node_id、name、seo_title 和 field_id。

课程阅读链接直接用 field.field_id 拼（course_url(...)，见拼阅读链接）；想要章节结构就把 field_id（或 field.node_id）传给任务 3 的 get_wiki_index。

---

任务 3：给定课程，拿章节结构和知识点列表

两步：用课程名找到课程 → 用课程取整棵章节树。

# 1) 用课名定位课程（拿到 field_id）
s = data(requests.post(f"{BASE}/search/universal", headers=H,
                       json={"text": "Solid State Physics", **DEFAULTS}))
field = s["fields"][0]                 # 含 node_id、field_id、node_name

# 2) 取章节结构 + 知识点（传 field_id，或传该 field 的 node_id 也行）
tree = data(requests.post(f"{BASE}/get_wiki_index", headers=H,
                          json={"field_id": field["field_id"], **DEFAULTS}))

def walk(nodes, depth=0):
    for n in nodes:
        print("  " * depth, f'[{n["node_type"]}]', n["node_name"])
        if n["node_type"] == "entry":          # 叶子 = 一个知识点（词条）
            print("  " * (depth + 1), "→", topic_url(n["entry_id"], **DEFAULTS))
        walk(n.get("children") or [], depth + 1)

walk(tree["wiki_indices"])
print("总知识点：", tree.get("entry_count"))

• 树是 4 层：field（课程）→ category（大章）→ chapter（小节）→ entry（知识点/词条）。
• 每个节点：node_id、node_type、node_name；叶子 entry 节点额外带 entry_id（拼阅读链接用）、snapshot（AI 速览，适合当一句话摘要）、seo_title。
• 顶层还返回 entry_count 及 foundational_entry_count / core_entry_count / advanced_entry_count（基础 / 核心 / 进阶知识点数）。

---

任务 4：从一个主题出发，拿知识图谱

从某个中心节点（词条或关键词）向外扩展，得到它和相关概念组成的图。

# 1) 先找到中心节点的 id（词条用 entry_id，关键词用 keyword_id）
s = data(requests.post(f"{BASE}/search/universal", headers=H,
                       json={"text": "superconductivity", **DEFAULTS}))
center_id = s["articles"][0]["id"]
# 也可以用图谱内检索直接找节点：
# gs = data(requests.post(f"{BASE}/knowledge_graph/search", headers=H, json={"text": "entropy"}))
# center_id = gs["items"][0]["id"]

# 2) 取图谱（注意：是 GET + query 参数）
g = data(requests.get(f"{BASE}/knowledge_graph", headers=H,
                      params={"id": center_id, **DEFAULTS}))

for n in g["nodes"]:                  # 节点
    link = build_read_url(n["node_type"], n["node_id"], **DEFAULTS)
    print(n["display_name"], f'({n["node_type"]}, 深度{n["depth"]})', "→", link)

for e in g["relationships"]:          # 边
    print(e["src_node_id"], "──", e["relationship"], "──>", e["desc_node_id"],
          f'(权重 {e["weight"]})')

• 入参：id（必填，中心节点的 entry_id 或 keyword_id）、language、style、可选 skip_cross_domain（true=只看同领域）。
• nodes[]：node_id（就是 entry_id/keyword_id，可直接拼链接）、node_type（entry/keyword）、display_name、description、field_name、major_name、depth（中心节点为 0）。
• relationships[]：src_node_id / desc_node_id、relationship（关系描述）、relation_type、description、weight、evidence_count、is_bidirectional、is_cross_domain。
• domains[]：图里涉及的学科（major_node_id + major_name）。

看某个节点 / 某条边的细节

# 单个节点详情
node = data(requests.get(f"{BASE}/knowledge_graph/node", headers=H,
            params={"id": center_id, "node_type": "entry", **DEFAULTS}))

# 单条关系详情（含支撑证据 evidences）
rel = data(requests.get(f"{BASE}/knowledge_graph/relationship", headers=H,
           params={"src_node_id": "A", "desc_node_id": "B", "relation_id": "R", **DEFAULTS}))

---

动作速查表

任务	方法 + 路径	用途
搜索（首选）	POST /search/universal	一个词拿到词条 + 关键词 + 相关课程
词条全文	POST /article	按 entry_id（或 node_id）取主题文章正文
关键词全文	POST /keyword	按 keyword_id 取关键词内容
学科结构	POST /major_levels	所有大类及其分级
课程列表	POST /level_fields	某些分级下的课程（分页）
课程结构	POST /get_wiki_index	课程的章节树 + 知识点（叶子带 entry_id）
知识图谱	GET /knowledge_graph	从一个主题/关键词扩展出图谱
图谱·节点	GET /knowledge_graph/node	单个节点详情
图谱·边	GET /knowledge_graph/relationship	单条关系详情（含证据）
图谱·检索	POST /knowledge_graph/search	在图谱里按词找节点
（可选）基础信息	GET /info	词条 / 关键词总量
（可选）名称搜索	POST /search_index_name	按名字搜节点（如只要 field）

所有响应都包了一层 {"code":0,"data":{...}}，用上面的 data() 解包。GET 类用 params=，POST 类用 json=。

---

拼阅读链接

凡是展示给人的词条 / 关键词 / 课程，都附上 https://www.bohrium.com 上的阅读链接（不是 API host）。

规则：

• 语言前缀：zh-CN → 无前缀；en-US → 加 /en。
• 风格段：小写，Feynman → feynman、Hardcore → hardcore。
• 动态 id 要 URL 编码。

类型	模板	id 来源
词条 / 主题	{前缀}/sciencepedia/{style}/{entry_id}	搜索结果 type=article 的 id；课程树叶子的 entry_id；图谱里 node_type=entry 的 node_id
关键词	{前缀}/sciencepedia/{style}/keyword/{keyword_id}	搜索结果 type=keyword 的 id；图谱里 node_type=keyword 的 node_id
课程 / 领域	{前缀}/sciencepedia/field/{style}/{field_id}	/search/universal 的 fields[].field_id，或 /level_fields 的 items[].field.field_id

def _site(language):
    return "https://www.bohrium.com/en" if language == "en-US" else "https://www.bohrium.com"

def topic_url(entry_id, language="en-US", style="Feynman"):
    return f"{_site(language)}/sciencepedia/{style.lower()}/{quote(str(entry_id))}"

def keyword_url(keyword_id, language="en-US", style="Feynman"):
    return f"{_site(language)}/sciencepedia/{style.lower()}/keyword/{quote(str(keyword_id))}"

def course_url(field_id, language="en-US", style="Feynman"):
    return f"{_site(language)}/sciencepedia/field/{style.lower()}/{quote(str(field_id))}"

def build_read_url(node_type, node_id, language="en-US", style="Feynman"):
    # node_type: "keyword" -> 关键词页；其余（article/entry）-> 词条页
    if node_type == "keyword":
        return keyword_url(node_id, language, style)
    return topic_url(node_id, language, style)

示例：

词条（en, Feynman）：    https://www.bohrium.com/en/sciencepedia/feynman/<entry_id>
关键词（zh, Feynman）：  https://www.bohrium.com/sciencepedia/feynman/keyword/<keyword_id>
课程（en, Hardcore）：   https://www.bohrium.com/en/sciencepedia/field/hardcore/<field_id>

---

curl 示例

AK="$BOHR_ACCESS_KEY"
BASE="https://open.bohrium.com/openapi/v2/literature-sage/wiki_v2"

# 统一搜索
curl -s -X POST "$BASE/search/universal" \
  -H "Authorization: Bearer $AK" -H "Content-Type: application/json" \
  -d '{"text":"graphene","language":"en-US","style":"Feynman"}' \
  | jq '.data.articles[] | {type, id, article_name}'

# 知识图谱（GET + query）
curl -s -G "$BASE/knowledge_graph" \
  -H "Authorization: Bearer $AK" \
  --data-urlencode "id=<entry_id_or_keyword_id>" \
  --data-urlencode "language=en-US" --data-urlencode "style=Feynman" \
  | jq '.data | {nodes: (.nodes|length), edges: (.relationships|length)}'

---

回答规范

• 搜索类：直接给「标题 + 一句话简介 + 阅读链接」的列表，不用向用户解释「词条 / 关键词」的区别。
• 解释概念：定义 → 直觉 → 要点，并附该条目的阅读链接。
• 课程结构：按 章 → 节 → 知识点 的层级呈现，每个知识点带链接；可按基础 / 核心 / 进阶分组（用 *_entry_count）。
• 知识图谱：先讲中心节点，再列最相关的几条关系（按 weight 排），需要展开时再调 node / relationship 详情。
• 凡是提到的条目都附阅读链接。指定的 language/style 无结果时，按序回退：同语言换另一风格 → zh-CN+Feynman → en-US+Feynman，并告知已切换。
• API 失败要如实说明；无结果时给近义词建议和一个备选语言 / 风格。

常见问题

现象	原因	解决
搜不到	词不在索引里	换近义词；或用 /search_index_name 放开 node_types
article/keyword 返回 250002	该语言/风格下内容尚未生成	回退到搜索片段，或换 style/language 重试
结果全英文（或全中文）	language 不对	指定 "language":"en-US" 或 "zh-CN"
知识图谱为空	id 不是有效的 entry_id/keyword_id，或该节点无邻居	先用 /search/universal 或 /knowledge_graph/search 拿到正确 id
阅读链接拼到了 open.bohrium.com	混淆了 API host 与页面 host	页面链接用 https://www.bohrium.com（见拼阅读链接）

搭配使用

• bohrium-sciencepedia 拿概念的基础解释 → bohrium-paper-search 深入某个方向
• bohrium-sciencepedia 浏览学科目录（major_levels）→ 选定课程 → bohrium-scholar-search 找代表学者