| name | pps-tag |
| description | 用于专利全景项目的环节3。本 Skill 推荐标引体系，包括 4 列技术拆解表（≤40 个三级节点，彼此互斥）、≥10 个关键技术问题、≥10 个推荐专利包（每包≥3 个同族，六项推荐规则），并提供 20–30 条记录的标引示范和待标引导出文件。全量逐条标引在客户 SaaS 标引工具中完成，不在本 Skill 中完成。 |
pps-tag — 专利全景标引体系推荐器
我是环节 3/4 · 标引体系设计（pps-tag）
我吃 环节1 候选池 + 环节2 统计/价值信号，产出标引体系 + 小样本示范 + 待标引导出。
全量逐条标引不在我这里——导出后交客户 SaaS 工具（环节 3.5 真人工断点）。
目标
环节3 将已确认的环节1/环节2候选集转化为推荐标引体系和一个已完成标引的示范样本。它不会对全量池逐条标引。
它回答：
- 技术拆解表是什么？严格的 4 列层级（一级 / 二级 / 三级 / 说明），≤40 个三级原子节点，且同一父节点下互斥。
- 每个分支的关键技术问题是什么，即用于启动环节4演进叙事的开放问题？
- 哪些专利族最能代表每个优先子域，为什么推荐它们（六项推荐规则）？
- 标引人员应如何应用该体系？通过 20–30 条记录示范，而不是标完整池。
- 客户 SaaS 工具需要接收什么，才能运行全量逐条标引？
环节3 不执行全量逐条标引。 该工作交给客户 SaaS 标引工具。环节3 产出方案（拆解表 + 关键问题 + 推荐包）、示范样本（20–30 条记录）和待标引导出文件；SaaS 工具产出的全量标引索引再回流到环节4。
这不是完整法律审查，也不是代表性专利深度阅读；它是结构化标引体系推荐层。
使用时机
只有在以下条件全部就绪后，才使用 /pps-tag：
search-planning step（环节1）已产出 candidate_pool.csv、core_recall.csv 和 tech_taxonomy.txt。- 人工断点（环节 1.5）已完成：客户已按
tech_taxonomy.txt 在 SaaS 工具完成全量标引，并将结果回流为 tagged_pool.csv。
statistics step（环节2）已产出 panorama_stats.json + value_signals.json（可与人工标引并行推进，不互相卡）。
tagged_pool.csv 未就位时不得启动本 skill。 本层核心工作是在 SaaS 标引结果基础上做 taxonomy 校验、推荐包精选和 demo 示范；没有标引数据就没有实质输入。
输入
契约输入（ARCHITECTURE.md 第2节 环节1 → 人工断点 → 环节2 → 环节3）。前三个硬依赖是主线，缺其一无法运行：
| File | Role |
|---|
tagged_pool.csv (环节 1.5 人工标引回流) | 【硬依赖】客户 SaaS 全量标引结果，含每件 pn + 三级技术分类标签。这是本层校验 taxonomy 覆盖率、精选推荐包的核心数据来源 |
tech_taxonomy.txt (环节1) | 【硬依赖】环节1 产出的层级链文件，SaaS 标引时使用的分类树。环节3 以此为基础校验覆盖率、合并/拆分节点 |
panorama_stats.json (环节2) | 【硬依赖】trend / applicant_rank / technology_constitute / tech_applicant_dist 聚合 → 判断分支粒度 split/merge |
value_signals.json (环节2) | 【硬依赖】价值交叉打分（高被引 × 大同族 × 有效法律 × 竞品集中度）→ 决定哪些环节4子域做推荐包、包里选哪几族 |
可选增强输入（提供则更准，缺失则降级）：
| File | Role |
|---|
search_config.json (环节1) | 每个分支的骨架检索式 → 锚定 level-1 / level-2 的 top-down 骨架 |
patent_index.core.json (环节2) | 核心族种子（按 branch_id 分组），补强 patent_packages.csv 的召回 |
输出【强制产出清单】
| File | Content | 强制性 |
|---|
tech_breakdown.json | 4-column table (level_1 / level_2 / level_3 / description), ≤40 level-3 nodes, mutually exclusive | 强制 |
key_questions.json | ≥10 key technical questions, branch-balanced | 强制 |
patent_packages.csv | ≥10 sub-domains × ≥3 families each; every family carries a recommendation_reason from the six-item rubric | 强制 |
tagging_demo_sample.csv | 20–30 records tagged against the table — demo of how the SaaS tool should apply the taxonomy | 强制 |
to_be_tagged.csv | Full candidate export (record_id + text columns + EMPTY tag columns) handed to client SaaS tool | 强制 |
taxonomy_proposal.md | 人读版理由书：decomposition logic, key-question logic, package selection rule, tag dictionary, review plan | 强制 |
panorama_stats_report.html | 格局统计 HTML 报告。写出路径：@session/pps-output/panorama_stats_report.html。在所有其他产出就绪后，主动询问用户是否生成 HTML（见 Workflow 末尾步骤）。 | 可选，主动询问 |
所有文件统一写入 @session/pps-output/。
输出架构
tech_breakdown.json
nodes[]:
node_id 稳定 id，例如 "1.2.3"
level_1 一级技术领域（共 4–6 个）
level_2 子系统 / 能力
level_3 具体技术——可标引的原子单元
description 1–2 句：该技术做什么、为什么重要（成员归属规则）
example_pn 可选，用于锚定该节点的种子公开号
meta:
level_3_count 必须 ≤ 40
mutually_exclusive true（在工作流步骤 9 验证）
key_questions.json
questions[]:
question_id
level_1 该问题所属分支
question 一个开放技术问题（关键技术问题）
rationale 为什么它仍开放 / 为什么重要
seed_node_ids[] 该问题横跨的三级节点
meta:
total ≥ 10
per_branch_balance 各一级分支大致均衡
patent_packages.csv
package_id, sub_domain (= a priority level-3 node), family_id, representative_publication,
title, normalized_assignee, recommendation_reason, value_signal, review_status
recommendation_reason 必须来自六项推荐规则（见方法 B5）：
disruptive_technology | novel_application_scenario | pulls_latent_user_demand |
major_performance_gain | novel_function | novel_interaction_mode
此处 review_status 是粗粒度置信度/阅读深度标记：abstract_based、claim_assisted、needs_review。
tagging_demo_sample.csv 和 to_be_tagged.csv
二者列布局相同。在 tagging_demo_sample.csv 中，标签列是已填写的示范；在 to_be_tagged.csv 中，标签列为空，由客户 SaaS 工具填写。
record_id, publication_number, title, abstract, normalized_assignee,
tech_level_1, tech_level_2, tech_level_3,
technical_problem, solution_type, technical_effect,
recommendation_level, evidence_text, review_status
单值规则（SaaS 工具应遵循的规范）
- 除非用户明确要求多标签分析，否则
tech_level_2 和 tech_level_3 均为单值。
tech_level_3 必须从所选 tech_level_2 下的选项列表中选择。- 每个三级节点必须与同级节点互斥。
- 如果一条记录存在多个可能标签，选择主标签，并在 evidence/notes 中记录次要标签。
- 不要将环节1的规则命中标签视为最终标签。
- 证据不足时，不要编造技术问题、解决方案、效果或 IPC。
工作流
-
加载 candidate_pool.csv + patent_index.core.json + search_config.json + 环节2 panorama_stats.json / value_signals.json。保留稳定记录顺序。
-
自上而下（架构优先）： 基于系统构成方式起草 level-1 / level-2 骨架，并用 search_config 分支锚定。
-
自下而上（证据驱动）： 对每个分支的校准样本（每分支 ≤15–20 条；总 /7cc6ae 调用 ≤ branch_count × 20 —— 硬上限），调用 /7cc6ae/mcp（technology_topic、application_domain、tech_problem_benefit_summary）并抽样摘要，以确认、拆分或合并三级节点。达到上限即停止校准。
-
执行粒度规则（方法 B3）：三级总数 ≤40；每个三级节点必须能写成一条清晰分支检索式、能用一句话描述，并与同级节点互斥。写出 tech_breakdown.json。
-
推导 ≥10 个关键技术问题，在一级分支间大致均衡分布（方法 B4）。写出 key_questions.json。
-
构建 ≥10 个推荐包（每个优先三级子域一个），每包 ≥3 个同族。写出 patent_packages.csv。
-
生成示范样本：选择覆盖主要分支的 20–30 条代表性记录并标引。写出 tagging_demo_sample.csv。
-
导出 to_be_tagged.csv：完整候选池，填充文本列，标签列留空。纯文件操作——只用脚本，绝不把行读入上下文。
-
验证： 三级 ≤40 且互斥；推荐包覆盖 ≥10 × ≥3 个同族；关键问题 ≥10 且分支均衡；不编造 IPC / 问题 / 效果。
-
写出 taxonomy_proposal.md。
-
【主动询问 HTML】 所有以上产出就绪后，主动向用户询问：
「以上产出文件已全部就绪。是否同时生成格局统计 HTML 报告（panorama_stats_report.html）？该报告将整合环节2 的统计图表、竞品画像和核心专利列表，写入 @session/pps-output/，可直接分享给客户。」
- 用户确认 → 生成 HTML，写出
@session/pps-output/panorama_stats_report.html，告知路径。
- 用户跳过 → 记录，提示可随时输入「生成HTML」触发。
下一步（环节 3.5 · 真人工断点）
我的产出到 to_be_tagged.csv 为止。接下来不在本 skill 内自动完成：
- 导出
to_be_tagged.csv 交客户 SaaS 工具做全量逐条标引——真人工断点（环节 3.5）。
- SaaS 标引完成后，把回流结果保存为
tagged_pool.csv。
- 拿到
tagged_pool.csv 后，进入 环节 4 · report-generation step。
校准深度
| Depth | Evidence | Used for |
|---|
light | title + abstract | demo-sample tagging and branch calibration 的默认深度 |
standard | title + abstract + selected claims | 歧义节点、高价值推荐包候选 |
deep | claims + description | 仅用于环节4代表性深度阅读记录 |
硬上限：每分支校准 ≤15–20 条记录；总 /7cc6ae 调用 ≤ branch_count × 20。
质量检查
tech_breakdown.json：三级 ≤40，节点互斥，每个节点有一句话成员归属说明。key_questions.json：≥10 个问题，分支均衡，每个问题映射到种子节点。patent_packages.csv：≥10 个子域，每个子域 ≥3 个同族，每个同族都有基于推荐规则的理由 + 价值信号。tagging_demo_sample.csv：20–30 条记录，所有标签值来自固定列表，并覆盖主要分支。to_be_tagged.csv：完整候选池，文本列完整，标签列为空。- 不编造 IPC / 问题 / 方案 / 效果。
方法参考
- B1 — 4 列拆解表（三级 ≤40）。
- B2 — 自上而下架构 + 自下而上证据，双轮拆解。
- B3 — 粒度控制。
- B4 — 关键技术问题（≥10，分支均衡）→ 环节4演进种子。
- B5 — 推荐专利包关联和六项推荐规则。
参见 references/query-and-taxonomy-methodology.md 和 references/scenario-patent-package-and-index.md。
使用前配置
本 Skill 依赖智慧芽开放平台 MCP 服务：
