repo2patent

name	repo2patent
version	5.0.0
description	面向中国发明专利：从 GitHub 项目/技术方案生成可交付的专利技术交底书（Word .docx），并【必须】完成专利检索 + 权利要求抽取（claims）+ 特征对比矩阵 + 候选新颖点（差异特征组合）提炼。

专利助手（Patent Assistant）

本 Skill 解决两件事（两者都是必须）：

1. 交底书（发明专利）：从 GitHub 项目抽取证据 → 形成结构化交底书 → 输出 Word（.docx）
2. 检索与新颖点：基于关键技术特征生成检索式 → 专利检索 → 抽取对比文件的权利要求（claims） → 形成“特征×对比文件”矩阵 → 提炼候选新颖点/风险点

---

重要声明（必须展示给用户）

• 本 Skill 产出不构成法律意见；检索与新颖点为“初步摸底”，不等同正式查新报告或授权结论。
• 新颖性判断通常需要阅读最接近对比文件全文（尤其独立权利要求），本 Skill 通过抓取 claims 提升可靠性，但仍可能因术语差异/解析失败造成误判。
• 任何性能指标/有益效果若无证据或实验数据，必须标注“待补充”，不得编造。

---

法规/权威依据（请在 references 查阅链接）

• 专利法第22条：新颖性/创造性/实用性及“新颖性”的法定定义（现有技术/抵触申请）。见 references/00_authoritative_sources.md
• 专利法第26条：说明书清楚完整、权利要求以说明书为依据等。
• 实施细则第20条：说明书章节结构与写作规范（技术领域/背景技术/发明内容/附图说明/具体实施方式）。

---

输入（至少提供一项）

• GitHub repo URL（优先）或本地 repo 路径
• 可选：ref（branch/tag/commit SHA）
• 可选：范围提示（scope）：只关注某个模块/目录（例如 src/scheduler/）

---

输出（必须）

• disclosure.docx：交付给代理人/内部评审的交底书（主交付）
• disclosure.json：结构化交底内容（必须，schema 化）
• run_report.md：流程执行报告（日志分流文件，不进入交底正文）
• prior_art.json：检索结果（结构化，召回）
• prior_art_full.json：对比文件“精读包”（至少包含 claims）
• claims_manual.json：人工回填 claims（当自动抓取失败时必须产出）
• novelty_matrix.json：特征×对比文件矩阵（claim 优先）+ 候选差异特征/差异组合统计
• missing_info.md：待补信息清单
• .patent_assistant/evidence.json：证据包（路径+行号+片段，可审计）

---

必做工作流（包含 B/C）

说明

• A：检索召回（prior_art.json）
• B：抓取权利要求（prior_art_full.json） ← 本版本新增（必须）
• C：基于 claims 的特征级对比与新颖点提炼 ← 本版本加强（必须）

---

Step 1：下载并固化版本（脚本）

python scripts/repo_fetcher.py --repo <repo_url_or_path> --ref <optional> --workdir .patent_assistant --force

产物：.patent_assistant/repo/、.patent_assistant/repo_meta.json

Step 2：生成导航索引（脚本）

python scripts/repo_indexer.py --repo .patent_assistant/repo --out .patent_assistant/repo_index.json

Step 3：LLM 生成阅读计划 reading_plan.json（guided-only）

LLM 只读取 .patent_assistant/repo_index.json，输出 reading_plan.json（必须符合 schema）：

• schema：references/schemas/reading_plan.schema.json

Planner 硬性要求：

• 必须包含 README（或同等 overview 文档）
• 若 repo_index.json 给出了 entrypoints，必须包含至少 1 个 entrypoint
• 必须包含至少 1 个“机制强信号”模块（scheduler/pipeline/index/cache/dedup/optimizer/retry/score 等）
• 不得超过预算：max_files、max_total_chars

Step 4：按 reading_plan 抽取证据包（脚本）

python scripts/evidence_builder.py   --repo .patent_assistant/repo   --index .patent_assistant/repo_index.json   --plan reading_plan.json   --out .patent_assistant/evidence.json

Step 5：LLM 产出 invention_profile.json（关键技术特征/关键词/变体）

LLM 只读取：

• .patent_assistant/repo_meta.json
• .patent_assistant/evidence.json 并输出结构化 invention_profile.json（必须符合 schema）：
• schema：references/schemas/invention_profile.schema.json

要求至少包含：

• 发明名称（建议：一种…的方法/系统/装置）
• 背景缺陷要点（>=1）
• 关键技术特征 F1..Fn（3–10 条，每条尽量“可检查、可对比”，并附 evidence_id）
• 关键词（cn/en）
• 变体要点（>=3）

若关键信息缺失，必须输出 missing_info.md（参考 references/04_inventor_question_bank.md）。

---

A. 检索召回（必须）

Step 6：生成检索式（默认由 Codex agent 接管 + 脚本校验）

先由 Codex agent 产出 queries.agent.json（list 或 {queries:[...]}），再由脚本做质量门禁与回退合并：

python scripts/query_builder.py \
  --profile invention_profile.json \
  --agent-queries queries.agent.json \
  --query-source auto \
  --min-agent-queries 4 \
  --strict \
  --min-query-tokens 2 \
  --out queries.json

说明：

• --query-source auto：agent 优先；若 agent 查询缺失/不足，自动回退并合并 profile 查询。
• 若 queries.agent.json 不存在，流程可继续（回退 profile），但会给出 warning。

Step 7：执行专利检索（脚本，必须）

至少使用 Google Patents（可追加 lens/espacenet/cnipa 等）。

python scripts/patent_search.py \
  --queries queries.json \
  -s google -c CN -n 30 -a \
  --timeout 45 --retries 4 --backoff 1.8 --jitter 0.25 \
  --query-sleep 2 --query-jitter 0.3 \
  --min-unique-patents 10 --fail-on-low-recall \
  --fail-on-empty \
  --out-json prior_art.json \
  --failures-json prior_art.failures.json

Step 7 召回门禁

• 若 unique patents < 10，必须由 Codex agent 重写 queries.agent.json 并重新执行 Step 6-7。
• 不得在召回不足时直接进入 Step 8。

---

B. 抓取权利要求 claims（必须）

Step 8A：自动抓取 TopK 对比文件的权利要求（脚本，必须）

python scripts/patent_fetch_claims.py \
  --in prior_art.json \
  --topk 10 \
  --claim-sources auto \
  --timeout 40 --retries 4 --backoff 1.8 --jitter 0.25 \
  --sleep 2 --resume \
  --out prior_art_full.json \
  --cache-dir .patent_assistant/patent_cache

说明

• 自动路由支持 google/espacenet/cnipa/lens（--claim-sources auto）。
• 每条文献会记录 claims_fetch_attempts（来源、URL、失败原因）。
• 如果 claims_status 大量失败（403/412/503 等），必须进入 Step 8B，由 Codex agent 接管完成 claims 回填。

Step 8B：Codex agent 接管完成 claims（自动失败时必须执行）

8B-1 生成人工任务模板

python scripts/manual_claims_template.py \
  --in prior_art.json \
  --topk 10 \
  --out claims_manual.json \
  --out-md claims_manual_checklist.md

8B-2 由 Codex agent 执行人工提取（用户无需手工录入）

• Codex agent 按 claims_manual_checklist.md 逐条打开专利链接，提取至少独立权利要求（建议 1-3 条）。
• Codex agent 将提取结果写入 claims_manual.json（字段：patent_number + claims_text 或 claims[]）。
• 若站点被封（403/412/503）导致 agent 无法访问，agent 必须向用户明确说明并请求可访问链接/PDF；拿到后继续由 agent 完成录入。

8B-3 合并人工 claims 并生成最终 prior_art_full

python scripts/patent_fetch_claims.py \
  --in prior_art.json \
  --topk 10 \
  --resume \
  --manual-claims claims_manual.json \
  --require-min-ok-ratio 0.3 \
  --out prior_art_full.json \
  --cache-dir .patent_assistant/patent_cache

Step 8 完成判定

• prior_art_full.json 中 claims_status in {ok, ok_fallback, manual_ok} 的比例应 >= 0.3；
• 未达到阈值时，Codex agent 必须继续补录 claims（或向用户请求可访问资料后补录），不得直接进入 Step 9。

---

C. 基于 claims 的对比矩阵与新颖点提炼（必须）

Step 9：生成新颖性对比矩阵（脚本，必须）

python scripts/novelty_matrix.py \
  --profile invention_profile.json \
  --prior-art-full prior_art_full.json \
  --min-claims-ok-ratio 0.3 \
  --fail-on-low-claims \
  --out novelty_matrix.json

矩阵输出包含：

• 每篇对比文件、每条特征的 label：YES/PARTIAL/NO（以 claims 命中为主，abstract 为辅）
• evidence_snippets：从 claims 中截取的命中片段（便于人工复核）
• novelty_candidates：单特征差异候选（NO 占比高）
• pair_candidates：差异组合候选（“分别出现但很少同时出现”的特征对）

Step 10：LLM 输出结构化结论 + 结构化交底内容（必须）

LLM 输入：

• invention_profile.json
• prior_art.json
• prior_art_full.json（含 claims）
• novelty_matrix.json
• templates/disclosure_template_cn_invention.md
• templates/disclosure_structured_template.json
• references/06_novelty_playbook.md
• references/07_novelty_findings_output.md
• references/08_disclosure_output.md

LLM 必须同时输出三份文件：

1. novelty_findings.json（结构化新颖点结论，必须符合 schema）
   • schema：references/schemas/novelty_findings.schema.json
2. disclosure.json（结构化交底内容，必须符合 schema）
   • schema：references/schemas/disclosure.schema.json
3. missing_info.md（若仍缺）

硬性要求：

• 必须选出 1–3 篇“最接近对比文件”（优先 claims_status=ok）
• 每个候选新颖点必须写成“差异特征组合”（例如：F2+F5+F7），并给出：
  • 对比文件专利号/链接
  • 矩阵标签（YES/PARTIAL/NO）与 claims 片段证据（snippets）
  • 风险提示（术语差异/claims 抓取失败/需读全文确认）
• 必须输出 risks 与 actions（补强建议与优先级）

Step 11：构建交底 Markdown + 分流运行报告（脚本，必须）

python scripts/disclosure_builder.py --in disclosure.json --out-md disclosure.md --strict
python scripts/run_report_builder.py \
  --repo-meta .patent_assistant/repo_meta.json \
  --queries queries.json \
  --prior-art prior_art.json \
  --prior-art-full prior_art_full.json \
  --novelty-matrix novelty_matrix.json \
  --failures prior_art.failures.json \
  --out run_report.md

要求：

• run_report.md 只能包含流程日志/统计信息，不得作为交底正文输入。
• disclosure_builder.py 严格拦截 workflow/log 词进入 disclosure.md。

Step 12：渲染 Word（脚本，必须）

python scripts/docx_renderer.py --input disclosure.md --output disclosure.docx

---

证据与可追溯（必须）

• 关键机制/关键步骤/关键参数：必须引用 evidence_id
• 新颖点结论必须可追溯到：F条目 + 对比文件（专利号/链接）+ claims 命中片段 + 矩阵判断

Strict Mode Addendum (Mandatory)

• Do not fabricate or synthesize prior_art.json records.
• Step 7 must come from real search execution (scripts/patent_search.py) and pass strict source integrity checks.
• prior_art.json source names containing manual/fallback/synthetic/mock/test are invalid.
• If claims auto-fetch fails, agent may perform manual claims completion, but each manual item must include:
  • claims_source_url (direct accessible evidence link)
  • claims_source_type in {google_patents, office_portal, pdf_copy, freepatentsonline}
• Without the fields above, manual claims merge must fail in strict mode.
• If network/search endpoint is blocked, explicitly report blocker and request user-provided accessible links/PDF; do not create fake prior-art entries.
• Auto claim-source routing includes fpo (FreePatentsOnline) as a strict fallback, especially for US publications/grants when Google/Espacenet pages are blocked.

Step 7.5 Semantic Reranking (Mandatory in strict workflow)

• After Step 7 search, run scripts/prior_art_rerank.py on prior_art.json before claims fetching.
• Use invention_profile.json as semantic anchor; optional --agent-rerank can blend agent-scored relevance.
• Recommended output: prior_art.reranked.json and feed it into Step 8 (patent_fetch_claims).
• In Step 8, keep --prefer-relevance enabled so TopK claims fetching follows reranked relevance.
• Optional gate: --fail-on-low-relevance --min-topk-avg-score <X> to prevent low-quality candidates entering claims stage.