1. 痛点突围：它究竟击穿了什么工程死穴？
长期以来，核心研发人员往往处于尴尬的境地。架构设计和代码实现由开发者一手包办，但到了专利申报环节，交底书的撰写却常常被专利代理人和法务团队垄断。技术人员不熟悉权利要求书的法律术语，而代理人又难以完整理解底层的代码逻辑与工程权衡，导致最终产出的交底书常常流于形式，无法精准覆盖真正的技术壁垒。patent-disclosure-skill 的出现改变了这种割裂状态。它不是一个简单的对话套壳工具，而是一套将专利工程学逻辑代码化、代理化的完整解决方案。该项目直接介入代码与交底书之间的鸿沟，利用结构化解析器自动从项目材料中提取技术特征，完成查新、脱敏与多版本迭代，让真正写代码的人也能主导专利资产的落地。
💡 架构核心洞见：通过将专利代理人的专业知识编译为多代理协同工作流，项目实现了从技术实现到法律文本的无缝转换，消除了工程研发与知识产权保护之间的信息折损。
2. 核心架构与底层数据流向解析
该开源项目的核心在于多子技能的协同分工。系统以 Modular Skills 架构组织，每个 skill 对应专利生命周期的特定阶段。当开发者输入原始代码、架构图或产品设计时，patent-disclosure 技能首先介入，执行技术特征挖掘与在先技术比对。随后，数据流经上下文路由，分发至 patent-application 生成结构化的权利要求书与说明书，或者流向 patent-reader 将复杂的公开专利解析为通俗笔记并同步写入 Obsidian 知识库。
[ Raw Code / Design Docs ] ---> [ patent-disclosure / Parser ] ---> [ Feature Extraction ]
│
▼
[ Obsidian Knowledge Graph ] <--- [ patent-map / Semantic Index ] <--- [ patent-application ]
在底层状态机流转中，系统引入了时间戳版本控制与多轮对话追溯机制。每一次生成的交底书或申请文件都会在 outputs 目录下落盘存档，并伴随 mermaid 结构图或 CAD 投影图。这种设计保证了文档修改的可追溯性，避免了长文本大模型在多次迭代中出现上下文遗忘或关键参数漂移的问题。
3. 技术选型与性能横传统计对比
| 选型维度 | 本方案 (patent-disclosure-skill) | 传统人工撰写 | 传统大模型对话框 | 传统商用专利检索系统 |
|---|---|---|---|---|
| 编写效率 | 自动化提炼，数小时产出首版底稿 | 耗时数周，频繁跨部门沟通 | 零散输出，缺乏专利专业结构 | 仅提供检索，无交底书生成能力 |
| 图纸支撑 | 自动输出外观线稿、实用新型与CAD投影 | 依赖外部绘图工程师手动绘制 | 无法处理结构图与三维投影 | 仅展示现有PDF专利附图 |
| 知识沉淀 | 原生对接 Obsidian 形成私有双链知识图谱 | 散落于本地硬盘与企业网盘 | 每次对话独立，无法沉淀知识资产 | 托管于第三方云端，数据存在安全风险 |
| 合规闭环 | 内置审查政策简报与 OA 答复辅助 | 依赖代理人经验，成本高昂 | 缺乏中国国知局审查口径校准 | 仅提供静态法条查询 |
| 部署形态 | 模块化本地 Skill 部署，数据自主可控 | 人工服务，无代码化能力 | 云端 SaaS，受限于服务商配额 | 企业级高昂年费系统 |
上述对比表明，传统方案受制于高昂的人力成本和信息壁垒，而直接使用通用大模型则缺乏专利领域的结构化约束。该项目通过将知识库、图形处理与代理工作流深度绑定，在保持本地控制权的同时，达成了专业专利文档的工业级产出。
4. 手把手极客实操：从零构建最小闭环
要在本地环境中快速跑通该技能体系，需首先克隆官方仓库并配置对应的 Agent 运行环境。以下以执行交底书编写与 Obsidian 知识库挂载为例。
# 1. 克隆专利技能官方仓库到本地工作目录
git clone https://github.com/handsomestWei/patent-disclosure-skill.git
# 2. 进入项目根目录检查子技能结构
cd patent-disclosure-skill
# 3. 初始化 Obsidian 知识库关联路径（以 Linux / macOS 为例）
export PATENT_VAULT_PATH="$HOME/Documents/PatentVault"
mkdir -p "$PATENT_VAULT_PATH/outputs"
# 4. 调用核心技能执行首版专利交底书生成
# 传入目标代码与设计文档路径，触发 patent-disclosure 智能体
python3 -m patent_skill.runner \
--skill="patent-disclosure" \
--input="./examples/design_spec.md" \
--output="$PATENT_VAULT_PATH/outputs/disclosure_v1.docx"
执行成功后，outputs 目录下会生成带有时间戳的交底书文档，同时自动解析出对应的 Mermaid 结构图文件，供后续导入 Obsidian 或进一步转换为权利要求书。
5. 生产落地踩坑指南与避坑建议 (Gotchas)
在实际工程落地与高频专利挖掘过程中，开发者需要注意特定环节的潜在风险。大语言模型在处理长篇幅专利说明书时容易触及上下文窗口上限，从而导致权利要求之间的逻辑断层。
⚠️ 避坑预警 [上下文窗口溢出]：处理超大规模开源项目或上百页的对比文件时，切勿一次性将整个仓库源码输入。建议先通过
patent-search或架构解析器提取核心类图与接口定义，分模块导入技能引擎。
另一个常被忽视的隐患在于法律术语与技术特征的映射准确度。虽然该技能能够产出结构完整的交底书和权利要求对照表（Claim Chart），但其产出物本质上属于工程辅助与技术梳理工具，不能直接替代中国国家知识产权局（CNIPA）注册专利代理师的最终法律审核。在提交正式官方申请前，必须由专业法务人员对权利要求的保护范围进行边界审查。