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 ）： 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 ） 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 ： novelty_findings.json （结构化新颖点结论，必须符合 schema） schema： references/schemas/novelty_findings.schema.json disclosure.json （结构化交底内容，必须符合 schema） schema： references/schemas/disclosure.schema.json 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.