做企业法务和专利业务，交底书这件事的卡点，从来不在法律，在“翻译”。

研发给你讲方案，眉飞色舞讲的是技术实现，不是专利逻辑。你问“新颖点在哪”，他说“我们这个架构跟别人都不一样”；你问“要保护什么”，他说“保护我们辛辛苦苦做的系统”。等你好不容易整理完交给代理人，代理人又甩回一串问题：检索了吗？权益范围怎么划？实施例够不够？附图有没有？每个问题背后都是一轮沟通、一轮返工。

纯手工做一份像样的交底书，从访谈研发到成稿，快则一两天，慢则一周。要是实用新型和外观一起报，三条线并行，光格式、编号、附图规范就是一场体力活。

这篇讲一套把这条流程跑起来的做法，围绕开源工具 patent-disclosure-skill 展开。它不是“你问它答”的聊天机器人，而是一条有环节、有产出、有禁区的流水线。先讲清楚它为什么适合交底书，再讲怎么上手、怎么跑、坑在哪。

一、交底书为什么适合交给 AI 跑流程

专利工作有两个法律标尺，决定了交底书应该做成什么样。

一个是专利法第二十二条 - 授予专利权的发明和实用新型应当具备新颖性、创造性和实用性，其中创造性要求“与现有技术相比，该发明具有突出的实质性特点和显著的进步”。这决定了交底书的第一要务：把“跟别人不一样的地方”挖出来、说清楚，而不是复述技术方案本身。

另一个是专利法第二十六条 - 说明书应当对发明或者实用新型作出清楚、完整的说明，以所属技术领域的技术人员能够实现为准，必要的时候应当有附图。这决定了交底书的成稿底线：清楚、完整、能实现、有图。

交底书要同时满足这两个标尺，而它又是高度格式化的文档 - 名称、领域、背景、技术问题、技术方案、有益效果、实施例、附图，一环套一环，上一环的产出正好是下一环的输入。这种“环节产出物互为输入”的特点，恰恰是流程化 AI 最擅长的场景，比每次开个新对话从零写强得多。

patent-disclosure-skill 是 handsomestWei 在 GitHub 上开源的中国专利类 Agent Skill，MIT 协议，个人和商业使用都免费。它不是独立软件，而是装在 Claude Code 这类支持 Skill 机制的终端里的一套指令加脚本。它的定位是：专利点挖掘、发明/实用/外观交底书编写、专利通俗解读、政策动向嗅探、审查答复辅助。

二、上手：装什么、怎么装、第一次跑

安装是一条命令的事：

  
  
  
  

      
  
  
  
  

   
   
   
   

    
    
    
    

     
     
     
     

      1
     
     
     
     
    
    
    
    
    
    
    
    

     
     
     
     

      npx skills add handsomestwei/patent-disclosure-skill --skill patent-disclosure-skill --agent claude-code
     
     
     
     
    
    
    
    
   
   
   
   

装完还要确认环境：Python 3.9 以上，依赖 python-docx、playwright 等几个包，本机有 Chrome 或 Edge。首次运行会做一次环境探测，输出 PROBE: ok=true 就说明浏览器链路通了，mermaid 框图能正常渲染成 PNG。

触发方式靠斜杠命令，/patent-disclosure-skill、/交底书、/patent-read、/读专利 都能进。这里我要多说一句：这个工具不是“帮我写个交底书”一句话出全稿。它要你走流程，每一步有明确的输入和产出。想偷懒跳过环节的人，用它会很难受；但对交底书这种要过代理人和审查员的文档，流程纪律本身就是在换质量下限。

三、四个模式，对应专利工作的四张面孔

工具入口文件做的是“薄路由” - 判断你想干什么，把你领到对应的详细指令文件。四个模式：

模式 B 值得单独说一句。很多法务拿到竞品授权文本，让 AI“解读一下”，结果 AI 给一段字面复述。这个工具的解读模式不一样：喂进专利号或 PDF，输出的是通俗笔记加图谱，用大白话讲清楚这件专利保护了什么、权项边界在哪、跟你自己的产品有没有交集。做竞品专利监测时，这比逐字啃权利要求书快得多。

模式 C 和 D 被设计成“旁路” - 必须你明确点名才进，写交底书、读专利的时候工具不会自作主张去嗅探政策、拟答复草稿。这个克制很关键。很多 AI 工具的问题就是什么都能干，最后什么都干不深。

四、发明主路径：八步，每步一个产出

发明是默认主路径。八步流程，每一步对应 prompts 目录里的独立指令文件。我把每一步在实务里意味着什么拆开讲。

第一步，信息采集。 把技术方案材料喂进去 - Word、PPT、图纸、扫描件，工具做项目扫描。这一步有两个判断：一是专利类型，没指定默认按发明走，材料明显偏实用结构或外观时，会在汇总或预览阶段反问你；二是材料里的 .step 或 .stp CAD 文件，工具记下路径但不中断流程，等交底落盘之后再问你要不要解析。这条“不中断”很实用 - CAD 文件动辄几百兆，为解析它卡住整个交底流程，不值当。

第二步，专利点挖掘。 这是交底书质量的分水岭。工具带着你把方案拆成候选专利点清单，每个点标注新颖性、创造性的初步判断。它的问法不是笼统的“这方案有什么创新”，而是按类型走不同挖掘模板 - 发明的分析器、实用新型的挖掘页、外观的挖掘页，各自独立。

第三步，查新。 默认优先走国知局电子公报检索，工具自带爬取脚本。这一步最容易踩的坑是“检索降级”：脚本在 Windows 上跑，stderr 里飘几行报错或者 PowerShell 把警告标红，很多 AI 就慌了，自动退化成普通网页搜索。工具的说明里专门立了铁律 - stderr 有字不等于失败，以退出码 0 和机读前缀为准（EPUB_HITS_JSON:、MERMAID:、DOCX:）。这条规则值得所有用 AI 做专业工作的人记下：你要判断的是结果对不对，不是终端输出干不干净。

第四步，结构填表 + 线稿。 这一步是必做项。发明走 mermaid 框图，实用新型和外观走各自的填表流程。工具要求为实用新型和外观生成结构线稿或设计线稿，不问你意见，除非你明确说不要。原因是实务上代理人最常退回来补的，就是附图问题。

第五步，成文。 有个细节很见功力：要求“标题领域对象贯穿全文” - 你在发明名称里写的领域对象，必须贯穿框图、流程图、实施例。这解决的是交底书最常见的毛病：名称写一个领域，实施例讲另一个领域，代理人还得来回捋。

第六步，汇总预览。 全稿汇总给你看，专利类型如果之前没定，这一步确认。未确认不落盘定稿 - 这条跟诉讼文书里“证据清单不确认不落盘”是一个道理：AI 生成的终稿，必须有人拍板。

第七步，迭代。 补充材料或指出错误，走 merger 或 correction_handler，另存时间戳稿，不覆盖旧版本。版本迭代、旧稿不丢，这是做法律文书的规矩。

第八步，自检与输出。 按自检清单逐项过，定稿输出 .md 和 .docx，mermaid 框图转 PNG 嵌进 Word。公式走 OMML（LaTeX 转 MathML 转 Word 原生公式），不用截图糊进去。

五、实用新型和外观：别拿发明模板硬套

这是这个工具和“一个模板打天下”的生成器最大的区别。市面上多数生成器只有一套发明模板，实用新型和外观往里套，套出来四不像。这个工具把三种类型拆成三个独立流程，各有各的 builder、模板和附图规范。

发明走上面八步，重点是 mermaid 框图。流程图里的步骤号必须写进可见标签（S1["S1 接收请求"] 这种形式），因为图里只渲染标签文本，ID 不显示。这是个很小但很贵的细节 - 框图重画最费时间。

实用新型先填 structure_schema，产出 figure_plan.yaml 排序入文图，注意“只入合格线稿”，CAD 投影图一律不入文。线稿按部件拼装：每个零件落一张子 SVG，总图用引用而不是整图 base64 内嵌，再叠部件序号。叠完号之后还有一道人工核对：按部件名称检查引出线对不对，最多两轮。这条“禁止含件号二次生图、禁止自创件号”的约束，直接堵死了 AI 在图上乱编编号的毛病。

外观设计先判断立体还是平面、要点落在哪个面，再写 figure_plan.yaml 选正投影 - 注意不是默认六视图，选什么投影取决于保护要点落在哪个面。干净实拍图和线稿都入文（md 和 Word 都要），CAD 不入文。这个“实拍 + 线稿双轨”的做法，对应的是外观申请里照片和线条图互为补充的实务要求。

六、四条能直接抄的实务规矩

抛开工具本身，这几条设计思路做文档自动化的人都该抄。

人机分工。 这个工具对线稿的处理是最像真实工作流的：AI 负责生成轮廓和定位部件，归一化锚点持久化到 YAML 文件，再由脚本把件号组“注入”进图里，而不是让 AI 在图上画字。为什么绕这一下？因为让大模型直接在图上写字，十个有九个写歪、写错、漏写。让模型只做定位、脚本做标注，就是把“AI 擅长的事”和“脚本擅长的事”分开。

公式进 Word 走 OMML 不截图。 发明交底里公式多，工具默认用 latex2mathml 转 Word 原生公式，只有 OMML 失败且你明确同意，才装 matplotlib 转 PNG 兜底。默认不装 matplotlib 这个决策很实在 - 100MB 的依赖，就为兜一个不常见的情况，不划算。

用退出码判断成败，别被终端吓到。 前面检索那步说的，stderr 有字不等于失败，看退出码 0 和机读前缀。这条对任何用 AI 跑专业脚本的人都是基本功。

“禁止”清单比“允许”清单更有价值。 这个工具的说明里写满禁止项：CAD 投影不得当线稿、不得入文；实用线稿不得与外观线稿混用；mermaid 图里不得用未写入可见标签的 ID；查新不得降级 WebSearch。每一条禁止都对应一个真实踩过的坑。用 AI 做专业工作，最重要的不是它能干什么，而是你知道它会在哪一步自作聪明 - 然后提前把路堵上。

七、和通用 AI 怎么配合，适合谁

这个工具目前还不能脱离模型独立工作，它是一套指令和脚本。正确的用法是配合，不是替代。

通用 AI 做研究：用 chinese-law-verifier 核法条，用类案检索查判例，用普通对话做背景调研 - 这是“你问它答”的主场。这个工具做流程：把研究结果喂进对应环节的指令文件，让上下文在八个步骤之间流转 - 前面的挖掘结果自动成为查新的输入，查新结果自动进入成文环节。

适合的人群也清楚：

• 企业法务（专利方向）：研发提方案、法务出交底、对接代理人，这条线就是主场景，尤其实用新型和外观批量申报时，填表、线稿、格式检查的体力活能省一大截。
• 专利代理人：用它做初稿和查新底稿，再按执业经验精修，比空白页好写得多。
• 刚开始用 AI 的律师：每个环节有明确的输入输出格式，不需要会写提示词，跟着指令文件走就行。

不太适合的：非专利方向的法务，合同、合规、诉讼那几个板块它不碰；希望一句话出全稿的懒人，它要求你走完流程。

结尾

交底书这件事，AI 的价值不在替你写，在替你把“翻译”过程结构化：把研发的技术语言翻译成专利语言之前，先让每一步落在有据可查的流程里。

patent-disclosure-skill 在方向上是对的 - 不是更聪明的问答机器人，而是一条有规矩、有禁区的流水线。流水线永远不如天才，但它不会漏掉任何一个环节。交底书这种要同时过代理人和审查员的文档，不漏环节，比写得漂亮重要。

再说一句实的：工具产出的是辅助文稿，不构成法律意见，是否申请、权利要求怎么布局，还得靠有执业经验的人来定。AI 能把体力活压缩，但专利的价值判断，始终是人的活。

📚 参考文献

• 《中华人民共和国专利法》（2020年修正）
• handsomestWei/patent-disclosure-skill — GitHub 仓库
• 从设计文档到可交付技术交底书：专利。Skill（腾讯云开发者社区）
• handsomestwei 的 patent-disclosure-skill — Claude Skill（claudeskills.info）

本文内容仅为提供信息之目的，不构成法律或技术建议。文中提及的开源项目为第三方独立维护，使用前请核实功能完整性与许可条款。AI 辅助生成的交底书应经专利代理师或具备专利实务经验的专业人员复核。

📝 法律AI工具