1.2 Paper bulk search GET /graph/v1/paper/search/bulk

批量取回论文的基础数据：文本查询可选、支持布尔逻辑，每次最多 1,000 篇，用 token 续页。

参数	必填	说明
`query`	是	布尔查询，语法见下
`token`	否	上一页返回的续页游标
`sort`	否	`paperId` / `publicationDate` / `citationCount`，可加 `:asc` / `:desc`，可多键
`fields`	否	逗号分隔的字段投影，见 §3
`limit`	否	默认 1000、上限 1000
过滤参数	否	与 1.1 相同

curl "https://fetchpaper.com/graph/v1/paper/search/bulk?query=neural+machine+translation+AND+attention&fields=paperId,title,year&sort=citationCount:desc"

{"total": 1254,
 "token": "eyJvIjoxMDAwLCJoIjoiYWRkMGVhZDExNGQ1N2M4NiJ9",
 "data": [{"paperId": "204e3073870fae3d05bcbc2f6a8e263d9b72e776",
           "title": "Attention is All you Need", "year": 2017},
          {"paperId": "bddc714813a5331505eaf308a10a8a6cafe273d4",
           "title": "Show, Attend and Tell: Neural Image Caption Generation with Visual Attention",
           "year": 2015}, …]}

布尔语法：+ AND、| OR、- NOT、() 分组、"…" 短语、word* 前缀；相邻词按 AND。~N 模糊后缀被忽略（按精确词处理）。

切词边界决定「被丢弃」还是「匹配不到」：子句内部标点（. , - 乃至 NUL）是词元分隔符，分出来的单字符词元按分词规则直接丢掉；空格分开的是两个子句，某子句一个可查词元都没有时不算被忽略、算「这一支匹配不到」，整条 AND 就是 0 篇。实测（year=2015）：networ 6 篇、networ.k 6 篇（. 后的 k 被丢）、networ\0k 6 篇（NUL 同样只是分隔符），但 networ k 与networ+k 都是 0 篇（k 自成一子句）。空格和标点在这里不等价。

停用词不进索引（the / of / method / also / between 都在表里），规则两条：

混在布尔表达式里时这个叶子直接被丢掉：state of the art 就是 state + art（436,407 篇），graph - the 等于 graph（382,637 篇），graph | of 也等于 graph。
整条查询只剩停用词时（method、-the、the | of）等同于空查询 = 全库，一定撞Search returned too many hits (… of 10000000) 那条 400——它说的是「没有可查的词」，不是「词太常见」。同一个 query=method 在 search 端回 total: 0，两端对纯停用词查询口径相反。

短语是先 AND 取候选、再逐篇校验词序，校验与否只看这些词 AND 后有多少候选：超过 5,000 就静默等价于 AND。年份/引用/venue 过滤在校验之后才叠加，加过滤救不回来（model collapse AND = 11,919 > 5,000，year=2026 下带不带引号主体都是 AND）。实测常见短语带引号的 total 只比不带引号略小（year=2026 下 "model collapse" 4,696 篇 vsmodel collapse 5,002 篇）。要让短语真按词序收紧，只能让短语本身的词更稀有：2024-2026 下 "graph rag" 194 篇 vs graph rag 1,654 篇、"key-value cache" 206 篇 vs key value cache 1,429 篇。常见词的短语基本都退化："graph embeddings" 29,306 vs 29,418、"deep networks" 307,506 vs 307,704、"neural networks" 708,203 vs 708,430、"attention mechanism" 83,489 vs 83,704。加引号不是开关，退化才是常态；拿不准时对比带/不带引号的 total，差值很小时就说明已退化成 AND。

一条查询的规模有三道上界（本服务自己的界，官方是否等价未实测），超限一律 400 + JSON，不半帧、不 500：

上界	文案	说明
括号嵌套 64 层	`Query nested too deeply (max 64 parenthesis levels)`	64 层够任何真实写法（第 64 层照常返回精确 `total`）
折叠后分支 256 个	`Query has too many terms (300, max 256); split it into several requests`	数折叠后的真实工作量：同层一模一样的分支先塌（`graph\|graph\|…` 写 1,000 遍是一个分支），同类嵌套先摊平（`a\|(b\|c)` = `a\|b\|c`）；同词在不同分支（`a\|(b&a)`）各算一次
累计 postings 20,000,000 条	与 §1.1 逐字相同（只差条数）	两个端点共用一个数。前一道管「分支多但每个小」，这道管「分支少但每个巨大」

分页靠 token：把返回的 token 原样带回 ?token=… 就是下一页。limit 默认 1000、上限 1000，token 存「下一页起始下标」，步长等于这一页用的 limit；中途改 limit 不报错，但页与页会重叠或跳过。

token 绑查询语义，不绑书写形式：

同查询换写法照用：venue=A,B 的 token 在 venue=B,A、venue=A,B,A、venue=A&venue=B、换大小写或塞空格后仍能续页；publicationTypes、fieldsOfStudy 同理（这三个过滤都是集合语义，顺序/重复不改结果；venue= 空值与不写 venue 也是同一查询）。实测query=graph neural network&year=2019-2022&venue=<NeurIPS 全称>,<ICLR 全称>（精确 total 489，页宽 100）：第 1 页 token 在上述每种写法下都给同样那 100 行，整趟翻完逐行相同。
语义真换了才拒：改 query 的词、改 year 区间、增删过滤值、加 minCitationCount /openAccessPdf / publicationTypes、从缺省到显式给 sort、改排序方向（citationCount:desc → asc）或换多键排序的键序，一律 400 {"error": "Invalid token"}。排序不参与折叠——键序和方向本身就是语义。
fields 不在指纹里：改投影不改「哪几行属于这一页」，同一 token 继续用。

token 的形状也是契约：{"o": 下标, "h": 指纹} 的 base64url。o 必须是非负整数、h 必须是字符串——写成 "100" / 1.5 / true / -1、缺 o 或缺 h、整份 base64 解出来不是 JSON 对象，都回 400Invalid token，不会按猜出来的行号悄悄发一页。下标越过结果集末尾不报错：手工写成 5000 / 10⁹ / 2⁶³都是 200 + 空 data + token: null，total 照报——按「这一页没有 token」停机即可，不用预判总页数。

整片下载请把翻页当一个整体核，别抽查某一页。实测（同一切片各翻两遍，页宽差 10 倍）：query=attention&year=2020 的 32,724 篇，limit=1000（33 页）与 limit=100（328 页）的 paperId序列逐位相同，条数正好等于 total、无重复；其余小切片（如 graph rag&year=2026 的 833 篇）同样如此。并列键也稳：citationCount:desc 在同引用数成千上万的切片上连翻两遍序列一致，并列区内部按 corpusId升序兜底。全量翻页耗时与第几页无关：query=graph 的 382,637 篇翻 383 页，每页成本基本恒定（查询求值与排序每页重算，不随下标增长）。

排序 sort=paperId|publicationDate|citationCount[:asc|:desc]（默认 paperId:asc），四个口径：

sort=paperId 是服务出去的 paperId 字符串字典序（不是数字序）：那 2,450 篇无主 sha 的论文用corpusid 字符串排在同一字典序里。paperId 在库里不重复，所以这一列没有并列，结果与 token 翻页都确定。
可以多键：sort=citationCount:desc,publicationDate:asc——前一键相同才看后一键。字段名与方向忽略大小写，省略方向即 asc，sort= 空串或只有逗号按默认 paperId:asc；未知字段回 400Invalid sort field '…'; supported: paperid, publicationdate, citationcount，重复键回 400 Duplicate sort field '…'。
只有年份、没有具体日期的论文（publicationDate 为 null）在 sort=publicationDate 的升序和降序里都排最后，不被当成 0000-00-00 顶到最前。实测 query=neural networks&year=1970-1985：273 篇里 150 篇没日期，两个方向都正好占末尾 150 格。大切片同样：query=attention 的 350,751 篇里 40,478 篇（11.5%）只有年份，两个方向缺失段都从下标 310,273（= 350,751 − 40,478）开始。
所有键都相同时按入库顺序兜底（等于 corpusId 升序），不是按 paperId 字符串。想要调用方看得懂的次级顺序就显式加 paperId:asc 作后一键（实测同分簇内 paperId 严格升序）。
换 sort 不改 total，只改顺序及每页装哪些条目；token 与排序绑定，翻页中途改方向或键序直接 400。多键排序是本地能力，官方只见过单键例子（未实测），别当 parity。

total 是过滤后的精确值；命中超过 1,000 万回 400。过滤与排序列缺数据时按「用到与否」分：缺哪张表，只有需要它的查询回 500（文案点名哪张表和重建命令，见 §0）；不需要的照常 200。默认（按 paperId）排序依赖排序列，缺它时 sort=publicationDate:desc / citationCount:desc 仍能答；openAccessPdf 只依赖开放获取那张。年份/引用/日期三列缺了整个 bulk 端点才废——这条路径没有备用方案，宁缺勿错。