| name | archive-ip-pdfs |
| description | 知识产权官文自动归档技能。当用户需要批量处理知识产权官文 PDF 文件（专利、商标、软著），将其解析、归档、生成报表时触发。关键词：归档、知识产权、PDF、专利、商标、软著、官文。 |
知识产权官文自动归档技能
功能概述
本技能用于批量处理知识产权官文 PDF 文件，自动完成以下工作：
- PDF 解析与归档：扫描指定目录中的 PDF 文件，识别文件类型（专利/商标/软著），提取关键字段（申请号、通知书名称、权利人等），按命名规则重命名并归档到组织化目录结构中
- 文件路径同步：根据标识号、法律状态、当前权利人等信息，将归档文件重新组织到更清晰的目录结构中
- 汇总报表生成：基于归档数据生成汇总报表，每个知识产权仅保留一条最新状态记录
调用指令
使用 subagent 执行以下命令（工作目录设为 SKILL.md 所在目录）：
python -m scripts.run_archive --input <目标文件夹> [--output <输出文件夹>]
参数说明
| 参数 | 必选 | 说明 |
|---|
--input | 是 | 待处理的 PDF 文件所在目录，脚本会递归扫描该目录下所有 .pdf 文件 |
--output | 否 | 输出根目录。若不指定，自动在输入目录的父目录下创建 ip_archives 文件夹 |
Agent 操作步骤
- 确认用户提供了目标文件夹路径（
--input 参数）
- 若用户未指定输出路径，使用默认值（无需传
--output）
- Python 环境检测（关键步骤，必须在执行归档命令前完成）：
a. 先执行
where.exe python 查找系统中的 Python 可执行文件
b. 注意：Windows 系统中 C:\Users\...\AppData\Local\Microsoft\WindowsApps\python.exe 是 Windows Store 重定向程序，不能用于执行脚本，必须跳过
c. 选取非 WindowsApps 路径下的 Python（如 C:\Users\...\AppData\Local\Python\bin\python.exe），使用完整路径调用
d. 执行 <Python路径> -c "import pdfplumber; print('OK')" 验证 pdfplumber 可用；若不可用则执行 <Python路径> -m pip install pdfplumber pymupdf PyPDF2
- 将工作目录设为 SKILL.md 所在目录，使用步骤 3 中确认的 Python 完整路径调用 subagent 执行归档命令
- 将脚本输出的汇总报告展示给用户
系统架构
系统由以下核心模块组成，按执行顺序协同工作：
scripts/
├── __init__.py # 包初始化，声明模块列表
├── __main__.py # 包入口，支持 python -m scripts 运行
├── config.py # 全局配置（目录路径、CSV列定义）
├── csv_manager.py # CSV 文件增删改查操作
├── pdf_parser.py # PDF 文本提取与字段解析（核心模块）
├── legal_status.py # 法律状态判定与更新
├── main.py # 系统入口（调度三个核心脚本）
├── run_archive.py # CLI 入口（支持命令行参数）
├── script1_process.py # 脚本1：扫描处理（PDF解析→归档→写入CSV）
├── script2_sync.py # 脚本2：文件路径同步（按标识号重组目录结构）
└── script3_report.py # 脚本3：报表生成（汇总最新状态）
执行流程
输入PDF文件 → 脚本1(解析归档) → 脚本2(路径同步) → 脚本3(报表生成) → 输出结果
│ │ │ │
│ ├─ PDF文本提取 ├─ 计算目标路径 ├─ 专利报表
│ ├─ 类型识别 ├─ 文件移动 ├─ 商标报表
│ ├─ 字段解析 ├─ 路径更新 └─ 软著报表
│ ├─ 幂等性检查 └─ 空目录清理
│ ├─ 文件复制重命名
│ ├─ CSV记录写入
│ └─ 法律状态更新
└─ 失败文件 → failed/ 目录
核心模块说明
pdf_parser.py — PDF 解析模块
- 支持三种 PDF 引擎：pdfplumber（优先）→ PyMuPDF(fitz) → PyPDF2（降级）
- 识别三大主类型：专利文件、商标文件、软著文件
- 识别八种子类型：专利通知书、专利证书、专利登记簿副本、商标通知书、商标注册证、商标注册申请书、软著受理通知书、软著证书
- 按命名模板生成规范化文件名
legal_status.py — 法律状态判定模块
- 专利法律状态四级优先级：专利证书 → 通知书映射 → 登记簿副本 → 手续合格通知书
- 商标法律状态三级优先级：注册证 → 初审公告 → 最新有效映射
- 软著法律状态两级优先级：软著证书 → 最新有效映射
- 自动计算状态变更历史（以"→"连接）
- 自动计算专利权人变更记录
csv_manager.py — CSV 管理模块
- 自动检测编码（UTF-8-BOM / UTF-8 / GBK / GB18030 / Latin-1）
- 写入统一使用 UTF-8-BOM 编码，确保 Excel 兼容
- 支持初始化、读取、覆写、追加、更新、查找、路径批量更新等操作
输出目录结构
<输出目录的父目录>/
├── <输入文件夹>/ ← --input 指定的目录
├── <输出目录>/ ← --output 指定的目录（默认 ip_archives）
│ ├── archives/ # 归档的 PDF 文件，按类型组织
│ │ ├── 专利/ # 专利类文件，三级分类：专利权人/法律状态/专利号子文件夹
│ │ │ ├── 公司A/ # 第一级：按当前权利人分组
│ │ │ │ ├── 授权/ # 第二级：按法律状态分组
│ │ │ │ │ └── CN202010123456.1-发明-授权-公司A/ # 第三级：专利号-专利类型-法律状态-当前专利权人
│ │ │ │ └── 审/
│ │ │ │ └── CN202020123456.2-实用新型-实审-公司A/
│ │ │ └── 公司B/
│ │ │ └── 授权/
│ │ │ └── CN202030123456.3-外观设计-授权-公司B/
│ │ ├── 商标/ # 商标类文件，子文件夹命名：标识号-商标申请类别-法律状态-当前权利人
│ │ └── 软著/ # 软著类文件，二级分类：当前权利人/标识号-法律状态-当前权利人
│ │ ├── 公司A/ # 第一级：按当前权利人分组
│ │ │ └── 2023R11S1234567-受理申请-公司A/ # 第二级：标识号-法律状态-当前权利人
│ │ └── 公司B/
│ │ └── 2024SR1234567-登记下证-公司B/
│ ├── csv/ # CSV 数据文件
│ │ ├── patent_files_archive.csv # 专利归档明细
│ │ ├── patent_report.csv # 专利汇总报表
│ │ ├── trademark_files_archive.csv # 商标归档明细
│ │ ├── trademark_report.csv # 商标汇总报表
│ │ ├── software_files_archive.csv # 软著归档明细
│ │ └── software_report.csv # 软著汇总报表
│ └── logs/ # 日志文件
│ ├── <timestamp>system.log # 系统运行日志（每轮一个）
│ └── <timestamp>.json # 每次处理的 JSON 日志
└── failed/ # 处理失败的 PDF 文件（与输入/输出目录同级）
法律状态判定规则
专利法律状态
| 法律状态 | 判定条件 |
|---|
| 授权 | 存在专利证书且无终止通知书 |
| 失效 | 存在专利证书且有终止通知书 |
| 受理 | 专利申请受理通知书，或仅有手续合格通知书 |
| 实审 | 进入实质审查、审查意见通知书、补正通知书 |
| 驳回 | 驳回决定 |
| 复审 | 复审决定书、复审通知书、复审请求受理通知书 |
| 办登 | 授予专利权通知书、办理登记手续通知书 |
| 撤回 | 视为撤回通知书、视为放弃取得专利权通知书、撤回专利申请手续合格通知书 |
| 未知 | 无法通过以上规则判定 |
商标法律状态
| 法律状态 | 判定条件 |
|---|
| 已注册 | 存在商标注册证 |
| 初审公告 | 存在初步审定公告通知书 |
| 受理 | 商标注册申请受理/缴费通知书 |
| 驳回 | 商标驳回通知书 |
| 部分驳回 | 商标部分驳回通知书 |
| 复审决定 | 商标驳回复审决定书 |
| 申请中 | 商标注册申请书 |
| 续展 | 续展注册相关通知书/证明 |
软著法律状态
| 法律状态 | 判定条件 |
|---|
| 登记下证 | 存在软著证书 |
| 受理申请 | 软著受理通知书 |
幂等性判断规则
系统在处理 PDF 文件时会进行幂等性检查，避免重复归档。不同文件类型的去重键如下：
| 文件类型 | 去重键 |
|---|
| 专利通知书 | 申请号 + 通知书名称 + 发文序号 |
| 专利证书 | 申请号 + 子类型 |
| 专利登记簿副本 | 申请号 + 子类型 + 发文日期 |
| 商标通知书 | 申请号 + 通知书名称 + 发文编号 |
| 商标注册证 | 注册号 + 子类型 |
| 商标注册申请书 | 代理文号 + 子类型 |
| 软著受理通知书 | 受理号 + 子类型 |
| 软著证书 | 登记号 + 子类型 |
依赖
- Python 3.10+
- pdfplumber（推荐，PDF 文本提取）
- PyMuPDF / fitz（备选 PDF 引擎）
- PyPDF2（备选 PDF 引擎）
至少需要安装 pdfplumber、PyMuPDF、PyPDF2 中的一个。
