patent-search

name	patent-search
description	多源专利检索与直取。Google Patents（主力）+ 国家知识产权局公布公告站（中文原生补充）。模式A：英文XHR语义检索（CN专利可用）；模式B：按公开号下载PDF+Word；模式C：从已有专利搜相似；模式D：国知局公布站中文原生检索（免翻译、官方源）。触发词：专利检索、查专利、搜专利、下载专利、google patent、patent search。
metadata	{"triggers":["谷歌专利","google patent","专利搜索","专利检索","查专利","搜专利","下载专利","patent search","patent download","国知局检索","中文专利检索","cnipa"]}

多源专利检索与直取

数据源：Google Patents（Mode A/B/C，主力）+ 国家知识产权局专利公布公告系统（Mode D，中文原生/官方源补充）。

四种用法

用法	场景	输入	实际流程	交付物
A 语义搜索	"帮我找关于XXX的专利"	技术描述 / 关键词	拆概念 → 英文检索式 → XHR → 结果	xlsx 表格（默认）
B 直接抓取	"把CN123456A下下来"	公开号	抓取 → PDF + Word	PDF + Word
C 从专利搜相似	"这篇专利有什么相近的？"	PDF/Word文件 / 公开号	提取文本 → 送入模式A	xlsx 表格
D 国知局中文检索	需中文原生检索/官方源/Google索引不足	中文检索词	国知局公布站 → JSON	JSON 命中表

交付原则：A/C 搜索结果一律输出 xlsx 表格文件。表格包含公开号、标题、摘要、申请日、发明人、Google Patents 链接等标准字段。

---

模式 A — 语义搜索

把你说的技术描述自动拆成 Google Patents 能消化的检索式，不用你自己写布尔运算。

标准交付流程（从搜索到 xlsx）

搜索（XHR端点） → JSON结果 → convert_to_xlsx.py → 交付 xlsx

xlsx 默认列：公开号、标题、摘要、申请日、发明人、申请人、Google Patents链接。

XHR 搜索是首选路径：xhr_search.py 直接请求 Google Patents 的 /xhr/query 端点，返回结构化 JSON，无需浏览器。country:CN 在此端点不被阻断，CN 专利正常出现。convert_to_xlsx.py 接受 JSON 输入（字段名：publication_number / title / abstract / filing_date / inventor / applicant / url），输出 .xlsx。

工作原理

1. 提取核心概念 → 中英文术语扩展（术语表 + LLM 翻译）
2. 匹配检索字段（TI/AB/CL/CPC/IPC）
3. 生成三套检索方案：精准 → 均衡 → 召回
4. 用 XHR 端点执行搜索（xhr_search.py），获取结构化 JSON 结果
5. 如需 CN 专利，加 country:CN 过滤（XHR 端点支持）
6. 整理为 JSON → convert_to_xlsx.py → 交付 xlsx

用法

技术描述搜（推荐）：

python scripts/search.py --answers-file answers.json --json

answers.json 里填：

{
  "search_input_mode": "technical_description",
  "technical_description_text": "一种基于多模态特征融合的异常检测方法，用于工业设备状态监测",
  "max_results": 20
}

关键词直接搜：

python scripts/search.py --terms "machine learning AND image processing" --classification G06N --max-results 20 --json

结果解析导出（xlsx 是默认交付物）：

方法一（推荐）：XHR 端点搜索，直接获取结构化 JSON

# XHR 搜索
python scripts/xhr_search.py '"path planning" AND robot' --proxy http://127.0.0.1:<port> -o results.json
# 搜索中国专利
python scripts/xhr_search.py '"path planning" AND robot country:CN' --proxy http://127.0.0.1:<port> --cn-only -o results_cn.json
# 转 xlsx
python scripts/convert_to_xlsx.py results.json results.xlsx
python scripts/save_cn_results.py results.json results_cn.json --xlsx results_cn.xlsx

方法二：有 browser 快照文本时

python scripts/parse_results.py snapshot.txt -o results.json
python scripts/convert_to_xlsx.py results.json results.xlsx
python scripts/save_cn_results.py results.json results_cn.json --xlsx results_cn.xlsx

方法三：手动整理结果（Google Patents 下载链接超时时） 直接构造 JSON 数组（字段：title / publication_number / abstract / filing_date / inventor / applicant / url），喂入 convert_to_xlsx.py。

高级筛选

• --inventor / --assignee：发明人 / 申请人
• --classification：CPC/IPC 分类号
• --date-from / --date-to：时间范围
• --patent-office：专利局（CN/US/WO/KR/EP/JP）
• --language：语言
• --status：法律状态
• --type：专利类型
• --confirmed-assignee-alias / --confirmed-inventor-alias：别名确认

---

模式 B — 直接抓取

给公开号，还你 PDF + Word。不分析不解读，拿完就走。

用法

单个专利：

# Step 1: intake（⚠️ proxy_url 必传，否则 SSL 错误）
python scripts/intake.py --non-interactive --answers '{
  "mode": "detail",
  "project_id": 1,
  "detail_input_mode": "single",
  "publication_number": "CN113487713A",
  "file_formats": "both",
  "proxy_url": "http://127.0.0.1:<port>"
}' > intake_out.json

# Step 2: file_ingest
python scripts/file_ingest.py --non-interactive --answers-file intake_out.json > ingest_out.json

# Step 3: export（output-dir 填父目录，脚本自动创建 {公开号}/ 子目录）
python scripts/export_artifacts.py --context-file ingest_out.json --output-dir ./output/

批量专利：detail_input_mode 改为 batch，publication_number 改为 patent_list_file。

⚠️ 批量模式可靠性低于单专利下载。batch 模式可能报 publication_numbers_required 错误（intake.py 未正确解析 patent_list_file）。实践建议：用循环逐个调 single 模式，比 batch 更稳。

从搜索结果直取：detail_input_mode 改为 results_json，传入 results_json_file。

输出内容

• {公开号}.pdf — 专利原文（如有）
• {公开号}.docx — 整理后的 Word（摘要 + 权利要求 + 说明书）
• 不输出中间文件（raw_html、parsed.json 等仅供内部使用）

---

从已有专利搜相似（用法 C）

用户已有一篇专利，想找相似的。先调 invention-point-extraction skill 提取发明点，剥离套话，再送入模式 A 检索。

调用方式：从 invention-point-extraction 公开仓库获取 SKILL.md，按其流程处理目标专利文本，将提取的发明点作为 Mode A 的检索输入。

流程

专利文本 → [invention-point-extraction skill] → 技术问题+技术方案 → Mode A 检索

三条输入路径

路径 1：用户传了 PDF / Word 文件

1. 调 invention-point-extraction skill 解析专利（skill 内部自动处理 PDF/Word 提取 + 发明点提取）
2. 取输出的 xlsx 中 技术问题 + 技术方案 列，拼接为 technical_description_text
3. 走模式 A 搜索

路径 2：用户只给了公开号

1. 先走模式 B，从 parsed.json 取 sections.description（说明书全文）
2. 将说明书文本送入 invention-point-extraction skill 提取发明点
3. 取 xlsx 中发明点文本灌入 technical_description_text
4. 走模式 A 搜索相似专利

路径 3：用户要求"下下来再搜" 同路径 2，拿到 PDF+Word 后，顺手提取发明点搜相似，一并交付。

---

模式 D — 国知局公布站中文检索

直接用中文术语检索国家知识产权局专利公布公告系统，免翻译、官方源。

何时用 Mode D 而非 Mode A

• 需中文原生检索（不想把术语翻译成英文）
• 需国知局官方数据源（最权威）
• Google 索引滞后或缺失最新中国公开时

用法

# 一段一查，每轮只传一个语义检索单位
python scripts/cnipa_epub_search.py 单克隆抗体
python scripts/cnipa_epub_search.py 抗体药物偶联物

• 取 stdout 唯一一行 EPUB_HITS_JSON: 后的 JSON 数组，按 pub_number 去重合并。
• 不要拆成过碎单字或泛义双字，不要把无关词硬凑整句。
• 依赖 Playwright（首次安装）：

pip install -r scripts/requirements-cnipa.txt && python -m playwright install chromium

降级

WAF 超时 / 0 命中 / 无 Playwright → 退回 Mode A（英文 XHR）或 WebSearch。

对用户表述

说明数据库渠道名（"国家知识产权局专利公布公告系统"）+ 主要检索词；不暴露脚本名/Playwright/WAF 等实现细节。

---

环境

• Python ≥ 3.11
• 依赖：pyyaml、beautifulsoup4（export_artifacts.py 解析 Google Patents HTML 需要）
• 安装：uv pip install pyyaml beautifulsoup4（或 pip install pyyaml beautifulsoup4）
• 需要网络访问 Google Patents（或国内镜像 https://patents.glgoo.top）

代理配置（🔴 关键）

Mode B 下载链路（intake → file_ingest → export_artifacts）必须通过 proxy_url 参数传代理，HTTP_PROXY 环境变量对 export_artifacts.py 无效。

// intake answers 中必须包含 proxy_url
{
  "mode": "detail",
  "detail_input_mode": "single",
  "publication_number": "US11804056B2",
  "file_formats": "both",
  "proxy_url": "http://127.0.0.1:<port>"
}

请将 <port> 替换为你的代理端口（如 Clash 默认为 7890，v2rayN 默认为 10808，不同代理工具端口不同）。

不传 proxy_url 的后果：file_ingest.py 会尝试直连 Google Patents，在国内网络环境下直接超时或 SSL 错误，下载失败但不会报代理相关错误（报 SSLEOFError 或 Max retries exceeded）。

搜索行为注意事项

XHR 搜索（推荐，模式 A 首选路径）

Google Patents 前端搜索时调用的内部 xhr/query 端点可以直接用 HTTP 请求访问，不需要浏览器：

# 单查询搜索
python scripts/xhr_search.py '"path planning" AND robot' --proxy http://127.0.0.1:<port>

# 搜索中国专利（country:CN 在 XHR 端点不被阻断！）
python scripts/xhr_search.py '"path planning" AND robot country:CN' --proxy http://127.0.0.1:<port> --cn-only

# 多策略搜索
python scripts/xhr_search.py --query-file payload.json --proxy http://127.0.0.1:<port>

XHR 端点的核心优势：

• ✅ country:CN 可用 — 不像搜索页那样被阻断（已实测验证）
• ✅ CN 专利直接出现 — Google 已将中国专利机器翻译成英文并建立索引
• ✅ 纯 HTTP 请求 — 无需 Playwright/浏览器，速度快（~2.8秒/次）
• ✅ 结构化 JSON — 不需要解析 HTML
• ✅ 中文关键词无需使用 — 用英文搜索即可匹配到已翻译索引的 CN 专利

XHR 端点的限制：

• ⚠️ 频率限制 — 连续 ~5 次请求后返回 HTTP 503，需间隔 ≥30 秒
• ⚠️ 非官方接口 — Google 可能随时改动，但已被多个开源项目验证可用
• ⚠️ 单页约 10 条结果 — 需翻页获取更多

Playwright 浏览器搜索（回退路径）

当 XHR 端点 503 时，可用 Playwright headless 模式作为回退：

browser = await playwright.chromium.launch(headless=True)

中文关键词处理

• 不要用中文关键词搜索 — Google Patents 会将中文切成单字（"版面分析"→"版"+"面"+"分"+"析"）
• 用英文关键词搜索 — Google 已将非英文专利机器翻译成英文并建立索引，英文搜索即可命中 CN 专利
• 中文术语自动翻译 — 执行搜索前，将中文术语翻译为英文：
  1. 术语表覆盖的词（83条）→ 自动翻译（extract_glossary_expansions()）
  2. 术语表未覆盖的词 → LLM 翻译为英文后再搜索
  3. 翻译提示词模板：将以下中文技术术语翻译为英文，用于专利检索：{中文术语}。只输出英文翻译，多个同义词用逗号分隔。

搜索前中文术语翻译示例

用户输入：一种基于多模态特征融合的异常检测方法

1. 术语表命中："多模态" → multimodal、"异常检测" → anomaly detection
2. 术语表未命中："特征融合" → LLM翻译 → feature fusion, feature concatenation
3. 最终英文检索式：multimodal AND "feature fusion" AND "anomaly detection"

代理配置（国内环境 🔴 必读）

用户环境通过代理访问 Google。

Mode B 下载（最关键）

proxy_url 参数必须显式传入 intake 命令。脚本使用 requests 库，不会自动读取 HTTP_PROXY 环境变量。如果不传，下载全部失败（SSL EOF 错误）。

# ✅ 正确：intake 时必须传 proxy_url
python scripts/intake.py --non-interactive --answers '{
  ...,
  "proxy_url": "http://127.0.0.1:<port>"
}'

Playwright 浏览器搜索

context = await browser.new_context(
    proxy={'server': 'http://127.0.0.1:<port>'}
)

XHR 搜索（推荐优先）

python scripts/xhr_search.py "query" --proxy http://127.0.0.1:<port>

curl 命令行

HTTP_PROXY="http://127.0.0.1:<port>" HTTPS_PROXY="http://127.0.0.1:<port>" curl ...

搜索稳定性

XHR 端点（优先）：

1. ✅ country:CN 可用 — 不触发阻断（与搜索页行为不同）
2. ✅ CN 专利直接出现 — publication_number 以 CN 开头的专利正常返回
3. ⚠️ 频率限制 — 连续 ~5 次请求后 HTTP 503，需间隔 ≥30 秒
4. ✅ 响应格式 — 结构化 JSON，无需解析 HTML

Playwright 搜索页（回退）：

1. 频率限制：连续多次请求后会被限流（ERR_CONNECTION_CLOSED）。建议每次搜索间隔 ≥15 秒。
2. CN 专利不出现：英文关键词搜索返回 US/WO/EP/JP 专利，CN 专利号不在搜索结果链接中。
3. 中文分词问题：中文关键词会被切成单字。
4. country:CN 过滤触发阻断：在搜索页 query 中使用 country:CN 语法会导致连接立即被关闭。

推荐的实际工作流：用 XHR 端点 + 英文关键词搜索 → 结果中包含 CN 专利 → 用 Mode B（带 proxy_url）批量下载 PDF。

---

模式可用性总结

模式	可用性	说明
A 语义搜索	✅ 可用（XHR）	XHR 端点直接搜索，country:CN 可用、CN 专利正常出现。Playwright headless 作为 503 回退。
B 直接抓取	✅ 可靠	详情页是服务端渲染的。必须传 proxy_url 参数，否则 SSL 错误。
C 从专利搜相似	✅ 可用	提取发明点后走 XHR 搜索，country:CN 可用，CN 专利正常出现。
D 国知局中文检索	✅ 可用（需 Playwright）	国知局公布站中文原生检索，免翻译、官方源。依赖 Chromium 过 WAF（等待最长 180s），慢于 XHR；WAF 超时/0命中降级到 Mode A。

实践建议

• 获取 CN 专利：XHR 端点 + 英文关键词 + country:CN → Mode B 批量下载
• 获取 US/WO 专利：XHR 端点 + 英文关键词（注意频率限制 ≥30秒间隔）
• 永远不要：① 不传 proxy_url 就调 intake（SSL 错误）；② 用中文关键词搜索（会被切成单字）；③ 连续快速搜索（触发 503）

---

工作目录

• 产出物统一落到当前工作目录下的 output/ 子目录，不污染 skill 目录