中国专利.skill（patent-disclosure-skill）

一句话

中国专利.skill 是一套给 Claude Code / Cursor 用的 Agent Skill，把"研发做了多年、专利发明人一栏从没写过我名字"这件事打通：从项目材料里挖专利点 → 查新 → 出交底书（发明 / 实用新型 / 外观）→ 转成申请文件四件套；外加专利通俗解读、私有知识库、专利地图、审查答复辅助。

• 仓库：https://github.com/handsomestWei/patent-disclosure-skill
• 规模：11.9k star / 1.2k fork，MIT，SKILL 版本 v5.1.0，最近一次提交就在 2026-10-19（非常活跃）
• 形态：遵循 AgentSkills 标准布局，仓库根目录即技能根目录，9 个子技能用 Python 脚本 + Markdown prompt 拼起来

为什么这个项目值得单独说

绝大多数"AI 写专利"的工具，做的是"给个题目，吐一篇像模像样的文书"。真写过交底书的人都知道难点根本不在成文：

1. 专利点怎么挖——你自己觉得平平无奇的重试机制，可能刚好是可保护的点；反过来你觉得很牛的架构，可能二十年前就有人写了；
2. 查新（在先技术检索）要有出处——不能"我觉得挺新"；
3. 框图 / 线稿 / Word 一次交得出去——交底书要 .docx，图要 PNG，专利工程师要能改；
4. 写完还要改——补材料、纠错、版本对比，最后得说清"这一版和上一版差在哪"。

这个技能是照着这四件事一件件砌的，不是套个模板生成文本。

9 个子技能

"须点名"是它最关键的设计：写交底时不会顺手帮你写申请文件，读专利时不会自动跳到对照表。这几件事都有法律责任边界，作者用硬门禁把"模型自作主张"挡在外面。

交底书主路径（默认发明）

技能内部把流程拆成 8 步，每步一个独立 prompt 文件：

Step 1  intake.md           收材料、定类型与联系人（缺的写"假设"）
Step 2  project_scan.md     扫项目目录（有 .tex 再走 tex_scan）
Step 3-4 invention/ …      挖专利点（发明/实用/外观三个目录，不是三个技能）
Step 5  prior_art_search.md 轻量查新：3~4 个手段短语，公布模式每页 10 条，LLM 精排
Step 5.5 D1 锁定           钉住最接近的一篇 + 逐特征表 + 三态门禁
Step 6  disclosure_preview  先给预览，别直接甩终稿
Step 7  disclosure_builder  按模板成文（Markdown + Word）
Step 8  self_check          自检
迭代     iteration_context / merger / correction_handler

几个细节能看出作者的实战经验：

• Step 5.5 的三态门禁：查新结果分"有 / 无 / 疑似"三态，三态都允许继续成文，但若过不了就自动把创造性表述降级——而不是硬编一个"创新性强"；
• 禁止假 D1：D1 是最接近的对比文件，找不到就说找不到，不许编一个公开号；
• Step 6 强制预览：先看结构再花 token 成文，避免整篇返工；
• 时间戳版本 + 修订对话记录：outputs/ 下每次定稿另存新文件，同时记一份"这轮改了什么"，交底书要反复改，留痕比什么都重要。

图上的功夫（这块最不像"提示词工程"）

注意它分得很清：CAD 投影不是线稿，不得入文。这种"什么能当附图"的边界，一般生成式工具根本不管。

专利通俗解读 → 私有专利情报库

单篇专利的痛点不是看不懂字，是权要绕、术语密、落地语境散在说明书和附图里。它的做法是：给公开号或 PDF，输出通俗笔记 + Canvas 图谱 + 术语网，入库到 Obsidian。

库攒厚之后，patent-map 就能在这层之上画图：

• 语义地形沙盘：把一批专利按主题铺成地形，看哪里拥挤、哪里空白
• 申请人四象限：谁在猛攻、谁在收缩
• 同族 / 引证网络：技术血缘
• 技术功效矩阵：技术手段 × 功效，找差异化空档
• 仪表盘汇总

向量模型用 fastembed（不含 PyTorch，几 MB 级别），本地私有化跑，浏览器打开即可——这点对"专利数据不能外传"的场景很关键。

安装（Claude Code / Cursor 两条路）

# Claude Code：装在项目级
mkdir -p .claude/skills
git clone https://github.com/handsomestWei/patent-disclosure-skill .claude/skills/patent-disclosure-skill

# Cursor：全局
git clone https://github.com/handsomestWei/patent-disclosure-skill ~/.cursor/skills/patent-disclosure-skill

依赖（Python 3.9+）：

pip install -r requirements.txt
# python-docx / latex2mathml / PyYAML / playwright / mammoth / python-pptx

# 关键一步：探测浏览器（mermaid 出图和国知局抓取共用）
python skills/patent-disclosure/tools/browser.py --probe
# ok=true 就不用装 Chromium；本机连 Chrome/Edge 都没有才：
# python -m playwright install chromium

可选模块按需装，互不干扰：

Obsidian 库路径有专门的探测脚本，能 --set --setx 写进环境变量，Windows 也照顾到了。

值得抄的工程细节

1. 路由判定表 + "须点名"：根 SKILL.md 只做路由，一张表写清"用户这样说 → 满足什么门禁 → 进哪个包 → 明确不要做什么"。这解决了 skill 生态最大的毛病——模型看到触发词就串包。
2. 机读前缀契约：脚本输出统一带 EPUB_SEARCH_JSON: / PROBE: / MERMAID: / DOCX: / MATH: 前缀，Agent 按退出码 + 前缀判断成败，而不是猜自然语言。complete: true 才代表翻到末页，退出码 3 = 部分结果，禁止据此声称"全部"。
3. Windows 中文终端专门处理：脚本自己把 stdout/stderr 设 UTF-8、子进程带 PYTHONUTF8=1，并明确告诉模型「stderr 出现中文或 NativeCommandError ≠ 失败，不用 chcp 65001，不要 2>&1 把 JSON 混进错误流」。这种细节只有真在 Windows 上被坑过才写得出来。
4. 产物路径收口：所有东西只写工作区 outputs/，按子技能分目录（outputs/patent_reader/、outputs/patent-chart/…），不往仓库里乱塞。
5. **"缺事实就问，不编"写在通则里：申请问题清单最多来回三轮，材料不够就停下问你，绝不用模型幻觉补技术细节。

边界：别把它当专利代理师

说几句冷水，也是这个项目自己反复强调的：

1. 不构成法律意见。对照表明确标注"底稿，非法律意见"；权要的保护范围、新颖性/创造性答辩，仍要执业代理师把关。
2. 只针对中国专利体系（CNIPA）。PCT、美国、欧洲的实务差异很大，别直接套。
3. 查新依赖国知局公布公告站（epub.cnipa.gov.cn）。站点改版或 WAF 升级会断，技能有 WebSearch 降级路径，但降级后的"查新"质量要打折——它的定位是"轻量查新"，不是代理所的正式检索报告。
4. AI 写的权要容易过宽或过窄。这是 LLM 的老毛病：过宽被驳回，过窄白送保护范围。audit_claims.py 能做形式审查，实质判断还得人。
5. 星标增长快 ≠ 每篇交底都能用。11.9k star 里不少是"收藏了再说"，真正跑通全流程（Python 依赖 + 浏览器 + Word 出图）的人没那么多。

适合谁

• ✅ 有设计文档和代码、但从没写过专利的研发工程师：这是最对口的用户画像
• ✅ 企业 IPR / 专利工程师：批量案件会稿、对照表底稿、政策雷达省时间
• ✅ 想把自己的技术读厚的人：把读过的专利沉淀成 Obsidian 私有库，越读越厚
• ✅ 写 skill 的人：想学"如何把一条复杂专业流程拆成 prompt + 脚本 + 门禁"，这份仓库是很好的范本
• ❌ 想一句话搞定专利申请、不打算请代理师的：法律风险自负
• ❌ 只做海外专利的：这套是国知局口径

一句话总结

它没打算替你做专利，而是把"挖点—查新—成文—出图—留痕"这条又脏又长的流水线做成了可交付的 Skill：9 个子技能、硬门禁、机读契约、时间戳版本，连 Windows 终端乱码都处理了。 11.9k star 买的不是"AI 写专利"这个概念，而是作者明显在真实交底书上一遍遍踩坑踩出来的工程细节。