只说一句话，剩下的扫描、查新、成稿、画图，它自己全做完。

做过专利交底书的人，应该都懂那种“又碎又磨人”的痛苦。

创新点明明已经散落在项目文档、代码仓库、方案 PPT 里，但真要整理成一份能申报、能沟通、能反复迭代的交底书，往往还是得自己一点点往外抠。

你得先找创新点，再梳技术方案，再补实施例，还要考虑保护范围是不是太窄、表述是不是不够严谨。系统框图、流程图要一张张画，改了又改。接着还得去国家知识产权局网站做查新，一个关键词一个关键词搜，半天时间没了。

更麻烦的是，第一版通常只是开始。后面还要根据查新结果补参数、补实施细节、改技术描述。文档越改越多，版本越堆越乱，到最后连自己都分不清哪个才是最终稿。

最近，我看到一个很实用的项目：patent-disclosure-skill。

它在 GitHub 上已经拿下了 4000+ Star。更关键的是，它解决的不是“怎么让大模型一次性写一份交底书”，而是更现实的问题：

怎样把“专利交底书生成”这件麻烦事，拆成一个可执行、可追溯、可迭代的自动化流程。

它能做的事情包括：

自动生成技术交底书、挖掘专利点、联网完成国家知识产权局查新、脱敏成文、生成系统框图和流程图，并形成自检闭环。

换句话说，你自己的代码、文档、PPT、设计资料，不再只是“参考材料”，而是可以被系统自动扫描、提炼、组织，最后转成一份更符合专利代理人工作习惯的交底书。

这件事，确实有点意思。

1. 它最聪明的地方，不是“会写”，而是“不会乱写”

很多人第一反应会觉得，这不就是“让大模型写交底书”吗？

但真正用过这类工具的人都知道，最怕的从来不是写不出来，而是写得太像那么回事，结果却经不起推敲。

如果纯靠大模型“一次生成整份交底书”，通常会遇到几个典型问题：

1）结构松散。
看起来段落齐全，但逻辑链条并不严密，创新点、技术问题、解决方案、实施方式之间很容易对不上。

2）脱离真实材料。
明明仓库里没有这个模块，文档里也没这个设计，但模型可能会“合理脑补”。

3）图表不可控。
框图和流程图如果直接让 AI 随便画，往往形式上像样，实际上不够严谨，后续很难修改。

而 patent-disclosure-skill 用的是另一条路线：

不是一次性生成全部内容，而是把整个专利交底书工作流拆成多个固定环节，并在每个环节里用独立 Prompt 模板约束 Agent 的行为。

这个思路其实非常重要。

因为专利交底书不是一篇“文笔流畅”的文章，它更像是一份对技术方案进行结构化表达和证据化组织的工程文档。
比起“一步到位”，更关键的是：

每一步的数据来源是什么，判断依据是什么，结果能不能回溯。

从这个角度看，它更像是一个“专利工作流自动化工具”，而不是一个“写作机器人”。

2. 我演示了一遍，流程几乎是全自动的

我拿自己的一个大屏项目做了测试。

打开 Codex，我只说了一句话：

“帮我梳理一下专利点。”

接下来，它就开始自动扫描项目资料。

先看设计文档，再看代码结构、模块说明，把仓库里和技术方案相关的信息都过一遍。人工做这一步的时候，通常要开很多目录、翻几十页材料，脑子里还得不断整理哪些是创新点、哪些只是普通实现细节。

而它扫完之后，并不会立刻草率地下结论，而是先给出一组候选专利点，告诉你哪些地方可能具备创新性，哪些表述需要进一步收敛，哪些点如果直接写进去，保护范围可能会太小。

然后是最耗时间的环节之一：

自动去国知局做查新。

它会联网抓取国家知识产权局公布公告站的数据，对每个公开号做真实摘录，再进一步判断相关性。
最关键的是，这不是“搜到标题差不多就算相关”，而是会先获取真实摘要，再交给 LLM 做关联判断。

根据项目文档描述，这一套流程把相关性判断准确率提升到了 95% 以上。
原本需要人一个一个点开网页核对的工作，现在大部分都可以自动完成。

查新之后，哪些点有创新，哪些点已经有类似专利，系统会给出更清晰的判断。

如果发现有两个点具有新颖性，而第三个点已经存在类似现有技术，那么后续生成交底书时，重点就会自然聚焦在更有价值的部分。

接着就是：

自动生成交底书。

不仅是正文，还包括系统框图、流程图。
而且最终结果可以直接导出为 .docx 文件，文件名还会自动附带时间戳，避免版本混乱。

也就是说，在整个过程中，用户真正需要做的事情可能只有一句自然语言指令。
剩下的扫描、查新、成稿、图表渲染，基本都交给它自己完成。

3. 它把专利交底书这件事，拆成了 4 个关键环节

如果把这个项目的能力拆开看，你会发现它其实做了一个很完整的闭环。

01 项目扫描与专利点挖掘

第一步，是对项目中的代码和文档做系统扫描。

包括 Markdown、Word、PPT 等资料，都会被提取并统一处理。
这样做的好处是，创新点不再局限于某一份“正式说明文档”，而是能从更广泛的项目材料里被识别出来。

更重要的是，它不会在扫描后立刻给出“最终答案”，而是先列出候选专利点。
这相当于先帮你完成一次“技术创新点筛查”：

哪些内容更像创新；
哪些只是常规实现；
哪些地方如果写法不当，会让保护范围过窄；
哪些技术点虽然新，但表述方式还需要打磨。

这个过程，本质上是在帮用户做一次专利视角下的技术重构。

02 新颖性与现有技术检索

第二步，是很多人最头疼的查新。

它直接对接国家知识产权局官网，并使用 Playwright 获取最新专利数据。
如果遇到访问限制，它还设计了一个很实用的兜底机制：

Playwright、requests、curl、Google Patents 四层降级切换。

每一步都有日志记录，所以即便某一层失败，也能追踪问题发生在哪个环节，而不是让整个流程直接黑箱中断。

更有意思的是，它不是简单做关键词匹配，而是会：

先抓取真实专利摘要，再交给 LLM 判断相关性。

这一步非常关键。
传统关键词搜索经常会出现“看着像，实际不相关”的情况，而真实摘要 + LLM 判断，明显更接近人工审阅逻辑。

按照项目给出的信息，这让相关性识别准确率从原先大约 60% 提升到 95% 以上。

对真正做过查新的人来说，这个提升是非常有感知的。

03 交底书成稿与图表生成

第三步，是正式成文。

它会按照脱敏模板来生成专利交底书内容，同时生成 Mermaid 格式的系统框图与流程图。
然后再把 Mermaid 渲染成 PNG 图片，最后一并打包进入 .docx 文件。

这里有一个非常值得夸的设计：

图不是让 AI 随意“画”出来的，而是先生成结构化 Mermaid 代码，再进行渲染。

这意味着图表是可控的、可修改的、可复现的。
相比直接生成一张不可编辑图片，这种方式显然更适合严肃文档场景。

另外，输出文件采用：

{案件名}_{时间戳}

这样的命名方式。
版本管理会清楚很多，不容易再出现“最终版”“最终版2”“最终版_修改后_真的最终版”这种经典灾难。

04 自检与迭代管理

第四步，是很多工具容易忽略，但这个项目专门做了的一环：

自检。

它会自动检测逻辑闭环性，并生成一份单独报告，供 Agent 继续修改。
这意味着，输出结果不是“写完就完”，而是还能进一步进入修订流程。

它支持两种常见的迭代模式：

1）合并新材料
项目后续新增了新的方案说明、实验结果、参数设计，可以继续并入现有交底书。

2）纠正纠错
根据查新意见或人工审核反馈，对已有内容做修订和纠偏。

每次迭代都会产生新的文件版本，方便回溯。
第三版和第二版差了什么？为什么改？改的是查新冲突，还是实施例不足？这些信息都可以更清晰地保留下来。

对于实际工作来说，这一点特别有价值。

4. 怎么上手？也很直接

如果你也想试一下，流程并不复杂。

先下载源码并安装依赖：

git clone https://github.com/handsomestWei/patent-disclosure-skill.git

cd patent-disclosure-skill

安装 Python 依赖：

pip install -r requirements.txt

然后打开 Codex，输入：

帮我安装 https://github.com/handsomestWei/patent-disclosure-skill

安装完成后，就可以直接用自然语言触发，比如：

帮我做专利挖掘

梳理专利点

写技术交底书

从交互方式上说，它尽量把复杂流程都包在后端，用户前端看到的更像是一个自然语言助手。

5. 这类工具好用，但边界也要讲清楚

当然，这类工具再方便，也有边界。

首先，它生成的内容本质上仍然是辅助性技术材料，不能直接替代法律意见。
真正用于专利申请时，仍然需要由具备专业知识的人士进行审核和把关。

其次，当前默认查询的是中国国家知识产权局相关专利信息，不包含美国专利商标局、欧洲专利局等国际数据库。
如果项目本身有国际布局需求，这部分还需要额外补充检索。

所以，更准确地说，它不是在替代专利代理工作，而是在大幅降低前期资料整理、检索、初稿组织和版本管理的成本。

6. 最后说一句，我觉得它最有意思的是“防幻觉”

回头看这个项目，我觉得最值得聊的，不只是“自动写交底书”这件事本身。

而是它在设计上，有一种非常明确的思路：

尽量不让大模型直接拍脑袋给答案，而是先把数据来源、检索结果、图表生成方式和修改链条固定下来。

这其实是一种很实用的“防幻觉”路线。

不是追求模型一句话把所有事情都做完，
而是让每一步都有来源、可追溯、可验证、可修订。

对于需要频繁写技术交底书的人来说，这种思路可能比“更会写”还重要。

如果你平时正好有专利挖掘、交底书编写、查新检索这类需求，这个项目值得试试。
而且它还是 MIT 协议开源，感兴趣的同学可以直接去 GitHub 看源码和文档。

开源地址：
https://github.com/handsomestWei/patent-disclosure-skill

如果你觉得这类“把复杂专业流程做成 Agent 工作流”的项目很有意思，也欢迎点个赞、点个在看、顺手转发。
想继续看这类实用 AI 工具拆解，也可以给我一个星标，我们下期见。