trademark-report

name

trademark-report

description

Use for generating a professional trademark big-data report (商标大数据报告) from the HandaaS trademark MCP — covering 商标检索明细、商标概况、商标申请/注册趋势、状态分布、类别分布. Trigger when users ask for “商标大数据报告”, “商标分析报告”, “查一家公司的商标”, “商标检索”, “商标概况”, “商标趋势”, “商标类别分布”, or “企业商标画像”. Infer the canonical enterprise name (auto-fuzzy-completing a keyword), pick the right MCP tools, and produce HTML + Markdown + JSON reports automatically.

商标大数据报告

用户契约

把“商标大数据报告”作为面向用户的调用短语。trademark-report 仅为内部包名。

当本 skill 处于激活状态：

1. 不要向用户索要 product_id、MCP 工具名、API 字段、内部参数或凭证信息；只接受企业名称、统一社会信用代码、注册号或企业 ID。
2. 接受自然目标，例如“查一下某某公司的商标”“分析这家企业的商标布局”“给我一份某某公司的商标概况报告”“看看这家公司商标注册趋势”。
3. 当用户只给关键词时，自动调用关键词模糊查询补全企业全称，再查商标详情。
4. 优先使用 MCP 连接（TRADEMARK_MCP_URL Remote MCP 或本地 handaas-mcp-server/trademark-mcp-server）；不要让用户处理签名或凭证。
5. 同时产出 HTML（可分享交付）、Markdown（知识库 / wiki）、JSON（系统集成）三类产物。
6. 报告正文必须是专业研究报告风格：只见商标事实与结构化数据，绝不出现工具名、入参、product_id、内部字段或空表。
7. 绝不打印 secret_id、secret_key、签名、token 或原始签名请求。
8. 默认 dry-run；真实付费 / 凭证调用需用户明确要求且 MCP 连接配置完整。
9. 数据为空时明确说明数据范围 / 口径，不渲染空表、不臆造事实。

• MCP 返回的嵌套 JSON 字符串（如金额 {"coinType":"人民币","value":430000000.0}、地址 {"city":"杭州市",...}）必须解析为可读文本（如"4.30 亿 人民币"、"浙江省杭州市"），绝不在报告正文、表格或指标中输出原始 JSON 字符串。
• 报告所有章节标题、指标卡标签必须用中文；core_analysis.sections 的 title 字段必须中文，不可显示英文 key（如 holders、investments）。
• 指标值必须可读化：金额格式为"X 亿/万 + 币种"，地址拼接省市区，比率显示百分号。详见 references/report-output.md 的「数据格式约束」。

MCP 服务入口

• 上游 MCP 项目：handaas-mcp-server/trademark-mcp-server（位于 HANDAAS_MCP_SERVER_ROOT 或本仓库同级目录）。
• Remote MCP：设置环境变量 TRADEMARK_MCP_URL（streamable-http），可选 TRADEMARK_MCP_TOKEN。
• 本地 MCP：设置 HANDAAS_MCP_SERVER_ROOT 指向 handaas-mcp-server 仓库根目录；该 server 自己的 .env 提供 INTEGRATOR_ID / SECRET_ID / SECRET_KEY。
• 首次真实查询前，运行 scripts/mcp_client.py ping 与 scripts/mcp_client.py list-tools 验证连通。

按需加载 references

• 不清楚该 MCP 有哪些工具、参数、返回字段、何时调用：references/mcp-tools-reference.md。
• 报告结构、章节、质量底线、渲染工作流：references/report-output.md。

意图路由

用户意图	内部工作流
查一家公司的全维度商标报告	调商标概况 + 趋势 + 检索组装全量报告；compose_report.py --enterprise ...
只要商标概况 / 趋势 / 类别分布	仅调对应工具，按统一骨架组装
按商标状态过滤（如已注册 / 申请中）	compose_report.py --tm-status ...
按商标名称 / 申请号 / 代理机构检索（非企业主体）	用 trademark_bigdata_trademark_search，keywordType 设为对应枚举
只给关键词（不是全称）	先 trademark_bigdata_fuzzy_search 补全全称，再查详情
只要 JSON / 只要 HTML / 只要 Markdown	用 --output（JSON）或 --report-output（HTML+MD），或 render_report.py 重渲染
连接 / 工具不存在 / 传参错误	mcp_client.py ping / list-tools 排查；报脱敏后的缺失项

Golden path for 商标大数据报告

1. 解析企业全称：若输入含“公司/集团/有限/院/厂/中心/事务所/合作社/合伙”等后缀视为全称；否则调 trademark_bigdata_fuzzy_search 取首个命中。
2. 调用商标工具：trademark_bigdata_trademark_profile（概况：总数/有效/无效/近一年/类别/状态）、trademark_bigdata_trademark_stats（申请趋势/注册趋势/状态统计/类别统计）、trademark_bigdata_trademark_search（明细）。入参为 matchKeyword（企业全称）+ keywordType。
3. 组装统一报告：核心分析含商标概况（KV）、申请趋势、注册趋势、状态分布、类别分布、商标检索明细（表）。
4. 渲染三件套：compose_report.py --enterprise ... --output ... --report-output ... 直接产出 JSON + HTML + Markdown；或 render_report.py --input ... --output ... 重渲染。
5. 返回路径：返回 JSON、HTML、Markdown 文件路径，以及企业全称映射与数据口径。

脚本速查

# 校验连接配置（脱敏）
python scripts/validate_config.py --allow-placeholders

# 连通性自测
python scripts/mcp_client.py ping
python scripts/mcp_client.py list-tools

# 干跑（不调真实 API，用样例数据组装报告骨架）
python scripts/compose_report.py \
  --enterprise "示例科技有限公司" \
  --dry-run \
  --output output/trademark.json \
  --report-output output/trademark.html

# 真实查询 + 渲染（需 MCP 连接就绪）
python scripts/compose_report.py \
  --enterprise "示例科技有限公司" \
  --output output/trademark.json \
  --report-output output/trademark.html

# 按商标状态过滤
python scripts/compose_report.py --enterprise "示例科技有限公司" --tm-status 商标已注册 --report-output output/tm_registered.html

# 手动调单个工具
python scripts/mcp_client.py call-tool \
  --tool trademark_bigdata_trademark_profile \
  --arguments-json '{"matchKeyword": "示例科技有限公司", "keywordType": "name"}'

# 重渲染已有 JSON
python scripts/render_report.py --input output/trademark.json --output output/trademark.html
python scripts/render_report.py --input output/trademark.json --output output/trademark.md

输出字段

• subject：企业全称、匹配关键词、主体类型、是否自动补全。
• abstract / summary：封面摘要与详细摘要。
• metrics：商标总数、有效商标、无效商标、近一年申请、类别覆盖、检索结果数。
• caliber：匹配对象、匹配方式、数据范围、产品、局限。
• core_analysis：商标概况（KV）、申请趋势（表）、注册趋势（表）、状态分布（表）、类别分布（表）、商标检索明细（表）。
• representative_records：代表性商标记录（名称 / 类别 / 申请日期 / 状态）。
• insights：结构化解读（资产规模 / 有效性 / 近期活跃度 / 类别集中度）。
• data_source：MCP server、数据产品、生成时间、是否 dry-run。

若 API 调用失败，明确报出缺失的配置 / 缺失的工具 / MCP 错误 / 参数校验错误 / 上游网络错误，给出 dry-run 命令或配置步骤，绝不暴露密钥。