用途：从科学文本中抽取结构化信息，包括命名实体、实体关系、数据表格、方法、结果与实验参数，适用于解析论文关键数据、提取实验方法与条件、科学文档命名实体识别、构建知识图谱或结构化数据库、抽取实体关系（如药物-靶点、基因-疾病、因果）、从非结构化文本生成结构化表格、跨论文比较方法与结果、抽取论文元数据（作者、机构、资助、利益冲突）。
主要能力：按学科定义实体类型，如生物医学的基因/蛋白、疾病、药物/化学物、生物体、细胞系、解剖结构、生物过程、剂量、生物标志物；化学材料的化合物、材料、性质、合成方法、表征技术、晶体结构、催化剂；物理天文物理量、粒子、天体、物理常数、方程、实验装置、测量技术；社会科学的 study design、统计量、样本、量表、效应、理论、政策、地理范围、时间范围；计算机科学的算法、数据集、指标、架构、超参数、框架、硬件。关系类型包括 TREATS、CAUSES、INHIBITS、ACTIVATES、PART_OF、MEASURED_BY、SYNTHESIZED_VIA、ASSOCIATED_WITH、OUTPERFORMS、DERIVED_FROM、USED_IN、CONTRADICTS、SUPPORTS，每条关系可带来源、置信度、方向、限定条件与证据类型。
使用方式：提供 JSON、Markdown 表格或知识图谱三元组输出；内置实验方法、结果、论文元数据抽取模板；多文档抽取时对齐 schema、生成对比表、标记矛盾、聚合与追踪来源。
限制：不用于叙事性摘要、文献检索、科学问答、多步推理或代码数据分析，这些应使用对应技能；仅抽取文本明确陈述的信息，不推断或编造，保留数值、单位与不确定度，标注歧义与置信度，缺失信息标记 NR，并遵循零幻觉规则。