中国专利.Skill：一站式 AI 专利交底书生成器，让发明人拿回话语权

痛点：一个写代码的人，怎么就成了专利局外人？

做过核心技术研发的人，大概都经历过这种憋屈：代码是自己一行行敲的，架构是自己设计的，项目文档堆满了设计细节——但轮到写专利交底书时，发明人那一栏，从来没有自己的名字。不是不想申报，而是交底书这道坎，实在太难迈过去。

技术出身的人普遍不擅长写专利文体：发明点怎么提炼？权利要求书和说明书有什么区别？"查新"怎么写才能既不暴露技术方案又让审查员看懂？结构框图用什么工具画、画成什么风格？好不容易憋出一版，代理人说"需要改"，改完又改，来回折腾七八轮，文件版本满天飞，到最后都不知道哪版是定稿。

更别提那些已经公开的专利文献——权要绕、术语密、附图和说明书之间的逻辑关系散落在各处。普通人想读懂一篇专利，没有专利代理人的背景知识，几乎是看天书。

中国专利.Skill（patent-disclosure-skill）正是为解决这个痛点而生。它将 AI Agent 工作流引入专利交底书编写的全流程，把"挖专利点→查新→成文→自检→迭代"串成一条可自动执行的流水线，让真正做技术的人，也能把贡献写进可交付的交底书里。

核心能力：一条流水线，覆盖专利生命周期

中国专利.Skill 的本质是一个模块化的 AI Agent 技能包，通过预置的 Prompt 模板和工作流指令，引导大语言模型按固定步骤完成专利交底书编写，而不是让模型"一口气生成一整篇"——后者往往结构飘、与仓库事实对不齐、图片难以嵌入 Word。

交底书编写：从材料到可交付稿件

这是技能包的主线流程。以发明交底书为例，工作流分为 8 个步骤：

Step 1-2：录入与项目扫描。 用户只需提供项目目录（包含代码、设计文档、PPT 等材料），AI Agent 自动识别其中的技术创新点，生成专利点候选清单。

Step 3-4：专利点挖掘。 分为发明、实用新型、外观设计三条支线。系统内置了 invention/（发明）、utility_model/（实用新型）、design/（外观设计）三个子目录的 Prompt 模板，分别对应不同类型专利的挖掘逻辑。同时支持结构图线稿（CAD 提取）、外观专利视图（产品图→线稿）自动生成，以及 Word/PPT 中的公式解析（LaTeX → MathML → OMML）。

Step 5：轻量查新。 调用国知局（CNIPA）公布站 API，生成 3-4 个手段短语的检索式，按摘要相似度排序，AI 自动摘要并筛选最接近的对比文件，锁定 D1（最接近现有技术）并标注区别特征。这一步替代了过去工程师手动去国知局网页检索的低效流程。

Step 6-8：预览、成文与自检。 交底书 Markdown + Word 双格式输出，系统内置自检清单（禁止假 D1、未披露部件写入 uncertain），确保稿件质量底线。每次交付带时间戳，不默认覆盖旧稿，保留完整的修改历史。

专利通俗解读：把 PDF 读成可生长的知识库

公开专利晦涩难懂是另一个普遍痛点。patent-disclosure-skill 的专利解读包（patent-reader）提供了从公开号或 PDF → 通俗笔记 + 图谱 → 入库 Obsidian 的完整链路。

解读后的笔记以 Obsidian 双链格式存储，权要、术语、附图彼此勾连。随着解读专利数量增加，Obsidian 知识库逐渐形成专利语义网络，支持后续的专利地图生成（基于已解读的案例做向量语义地形分析）和专利比对（同族对照、技术路线梳理）。

配套能力：从交底书到申请文件，从审查答复到政策雷达

围绕主线流程，技能包还提供了多个配套模块：

子技能	能力
patent-application	已有交底 → 权利要求书 / 说明书 / 摘要 / 附图四件套
patent-docket	从零出发，一趟完成交底书 + 申请文件全套
patent-search	国知局公布站高级检索（发明人/申请人/分类号/名称等多条件）
patent-chart	独权特征 vs 对比文件 / 产品 / 标准，逐格证据与强弱对照（底稿，非法律意见）
patent-map	基于已解读库生成五种专利地图（语义地形图）
patent-oa	审查意见答复草稿，引导案例入库
patent-exam-policy	对照国知局最新口径，说明对交底写法的影响

技术架构：Prompt 模板 + Python 工具链

Agent Skill 分层设计

整体架构分为三层：

入口层：SKILL.md 是整个技能包的路由中枢，通过「路由判定表」将用户意图（"交底书"、"解读专利"、"做围栏"）分发到对应的子技能包。不同触发词对应不同入口，禁止能力间相互污染。

Prompt 层：skills/ 目录下每个子技能有独立的 SKILL.md 和 prompts/ 子目录，按步骤切分指令（Step 1 ~ Step 8），每步独立 Prompt，互不干扰。这种"分步约束"比"单次生成"更能保证输出质量和格式一致性。

工具层：skills/*/tools/ 目录包含 Python 脚本，处理文档格式转换（Word/PPT → Markdown、Mermaid → PNG、LaTeX 公式渲染）、CAD 视图提取（支持 STEP 格式）、国知局检索（Playwright 驱动爬虫）等需要精确控制的操作。

依赖生态

核心依赖：

• playwright（≥1.40）：驱动国知局网页爬虫 + Mermaid 图表渲染
• python-docx（≥1.1.0）：Markdown → Word 转换
• latex2mathml（≥3.77）：LaTeX 公式 → MathML，嵌入 Word 可编辑
• PyYAML（≥6.0）：模板范式配置
• mammoth（≥1.6.0）：Word → Markdown 反向解析
• python-pptx（≥0.6.21）：PPT 内容提取

可选依赖：matplotlib（公式图片渲染）、智谱 embedding-3（专利地图向量模型）、CadQuery（STEP 格式 CAD 解析，Python 3.10-3.12）。

局限与争议：不神化，也别低估

局限一：查新结果不可直接作为法律依据

Skill 在文档和 prompt 中多处强调：查新仅为"轻量级现有技术扫描"，patent-chart 生成的对照表是"底稿，不构成法律意见"。对于需要正式新颖性和创造性评价的专利申请，仍需要专利代理机构的正式检索报告。这是负责任的边界声明，用户不应将 AI 辅助查新等同于专业专利检索。

局限二：依赖用户输入质量

交底书的质量上限取决于发明人提供的材料质量。prompt 中有明确的"输入门禁"：缺 schema、线稿或交底书时，流程会停下来引导用户补充，而不是硬编——这是正确的工程选择，但客观上要求用户有一定的材料整理意愿。

局限三：外观设计专利的线稿质量依赖原始图片质量

系统支持从产品照片自动提取线稿，但输出质量直接受输入图片分辨率和拍摄角度影响。对于复杂外观设计，人工线稿修正仍是必要的。

局限四：非服务器部署，适合个人 / 小团队

这是一个纯本地化的 Agent Skill，不提供 SaaS 服务，也没有 Docker 一键部署。这意味着它更适合个人开发者或中小研发团队使用，大型企业若需要多人协作、权限管理和流程审批，仍需在上层构建管理系统。

行业意义：从"找人写"到"自己写"

中国专利.Skill 的出现，折射出一个更大的趋势：AI 正在把专利编写从"专业壁垒"变成"工程师技能"。

过去，专利交底书是研发人员和专利代理人之间的"中间层"——工程师描述技术方案，代理人翻译成专利文体。这个中间层是信息损耗的来源：工程师懂技术但不懂专利语言，代理人懂专利语言但不懂技术细节，沟通成本高、迭代周期长。

现在，AI Agent 扮演了更称职的"中间层"角色：它既能用工程师能理解的自然语言引导材料梳理，又能按专利审查规范生成结构化稿件。工程师的输入更精准，代理人的工作量前移简化，整体效率提升。

GitHub 10.5k+ stars、知乎/腾讯云/博客园多平台传播、Tessl AI Skill 注册表收录——这些数字说明的不只是一个工具的成功，而是中国工程师群体对"把技术贡献写进专利"这件事的强烈需求。

快速上手

# 安装到 Claude Code
mkdir -p .claude/skills
git clone https://github.com/handsomestWei/patent-disclosure-skill.git .claude/skills/patent-disclosure-skill

# 安装依赖
pip install -r requirements.txt

# 在 Claude Code 中输入 /patent-disclosure 开始交底书流程

主要依赖 Playwright（国知局爬虫 + Mermaid 渲染），首次使用可能需要 python -m playwright install chromium。Windows 终端已做 UTF-8 兼容，无需手动 chcp 65001。