专利查新检索（patent-novelty-search）

> 本 Skill 的核心机制：
> 1. 执行任务前先 check_environment.py，告知"已配/未配/可自动尝试"的全量通道详情（4 维度）
> 2. 询问用户是否需要增/删/改/重配某一个或几个通道；用户确认后才执行
> 3. 默认"查全模式"——除了用户配置的通道，自动尝试其他免 Key 免费通道（每个通道独立，失败不互相影响）
> 4. 仅在用户明确说"只基于已配通道"时切"严格模式"
> 5. 通道独立配置：每个通道一个独立 JSON 文件，无相互依赖

一、术语与约定

二、Skill 资源结构

patent-novelty-search/
├── SKILL.md                      # 本文件：规则
├── _meta.json                    # display_name
├── skill-dependencies.json       # 依赖声明（Python wheel + 各通道）
├── config/
│   ├── user.json                 # ★ 用户手动维护：已配置的通道（可编辑）
│   ├── auto.json                 # ★ Skill 自动维护：检测状态、缓存、调用统计
│   ├── channels/                 # ★ 每个通道一个独立 JSON（无相互依赖）
│   │   ├── patsnap.json          # 智慧芽
│   │   ├── baiten.json           # 佰腾
│   │   ├── openalex.json         # OpenAlex
│   │   ├── patseek.json          # PatSeek
│   │   ├── google_patents.json   # Google Patents（浏览器）
│   │   └── cnki.json             # 知网（浏览器）
│   └── .env                      # ★ 用户级环境变量（key 真实值，不进包、不进 git）
├── scripts/
│   ├── check_environment.py      # 环境检查 → 输出 4 维度清单
│   ├── channel_dispatch.py       # 通道调度（按通道独立调用，单通道失败不互相影响）
│   ├── read_docx.py              # 读 docx（含 OMML 公式 + 表格 + 图片）
│   ├── read_pdf.py               # 读 pdf
│   └── clients/                  # ★ 每个通道一个独立客户端（无相互依赖）
│       ├── patsnap_client.py
│       ├── baiten_client.py
│       ├── openalex_client.py
│       ├── patseek_client.py
│       ├── google_patents_client.py
│       └── cnki_client.py
├── references/
│   ├── setup-guide.md            # 安装 + 通道配置 + .env 持久化
│   ├── search-methodology.md     # 检索方法论（Bool 三块 + 关键词扩展 + 结论纪律）
│   ├── query-syntax.md           # 各通道检索式语法差异
│   ├── output-modes.md           # 5 种输出形态 + 触发词映射
│   ├── two-keyword-mapping.md    # 中英文关键词同义词映射（LLM 自行扩充）
│   └── channels-catalog.md       # 通道全量目录（能力 + 接入 + 限速策略）
└── install_offline.py            # 网速不佳版打包/安装脚本

> 配置分层原则（重要）：
> - config/user.json：用户手动维护，记录"哪些通道启用、用了哪些字段"。用户自由编辑。
> - config/auto.json：Skill 自动维护，记录"上次检测时间、缓存命中数、调用统计、限速状态"。Skill 独占写，用户不要碰。
> - config/channels/*.json：每个通道独立配置（API Key 引用环境变量、字段映射、限速策略、错误退避）。用户初次配置后基本不动。
> - .env：真实 API Key 放在操作系统用户级环境变量（不放在 Skill 目录下，不进 git、不进包）。Skill 通过 os.environ.get(...) 读取。

三、执行流程（必读，权威）

阶段 0：前置读取

读取输入：
- 交底书（docx/doc/pdf）：路径或上传附件
- 用户提供的相似文件（docx/doc/pdf）：路径列表或上传附件
- 用户对输出形态的要求（默认 = 完整查新报告）

阶段 1：环境检查 + 通道告知清单（强制）

先读后做。 调用 scripts/check_environment.py：

python <skill-dir>/scripts/check_environment.py

脚本输出格式（按用户要求 4 维度 + 通道名 + 关键状态）：

执行前检测结果（YYYY-MM-DD HH:MM:SS）：

通道名                 类型         Key     状态         备注
─────────────────────────────────────────────────────────
✅ 智慧芽 PatSnap     专利+论文   需API   已配置       免费1万credits
✅ 佰腾 baiten         专利        需API   已配置       商业付费
✅ OpenAlex            论文+专利   免Key   可用         免配置，CC0
⬜ PatSeek             专利        需API   未配置       需 PATSEEK_API_KEY
⬜ 知网 CNKI           论文        免Key   未登录       需浏览器+登录
✅ Google Patents      专利        免Key   可用         浏览器

是否需要：新增/删除/更改/重新配置某一个或几个通道？
可配置命令示例：
  - "新增 PatSeek" → 引导配置 PATSEEK_API_KEY
  - "删除知网" → 该通道从本任务移除
  - "重配佰腾" → 引导更新 Appkey/密钥
  - "不动"或"按现状" → 继续当前任务

（按通道独立决策：每个通道可单独增删改重配，无相互依赖）

> 沙盒注意：若运行 check_environment.py 受沙盒限制不能启动子进程，本 Skill 退化执行内联检查（直接 import/os.environ 检测），不阻塞流程。

阶段 2：用户确认通道配置

根据用户回复：
- "不动"/"按现状"/"OK" → 用已配通道进入阶段 3
- "新增 X" / "重配 Y" / "删除 Z" → 引导配置或修改 config/channels/*.json，再重跑 check_environment.py 确认
- "全部去掉 API" → 切离线模式

阶段 3：读取输入文件

调用对应读取脚本：
- docx/doc → scripts/read_docx.py（自包含 Python 脚本，处理段落+表格+OMML公式+图片标注）
- pdf → scripts/read_pdf.py（pymupdf）

多工具交叉验证（沿用本系列 Skill 规范）：
- docx 主读 python-docx + 辅助验证：解析 document.xml 检查 m:oMath 公式、补 word/media 图片
- pdf 主读 pymupdf + 辅助验证：检查扫描版（无文本层时提示需 OCR）

阶段 3.5：发明人信息提取与确认（强制，不可跳过）

无论是否读取到发明人信息，都必须执行本阶段。

1. 正确读取发明人信息：读取交底书首页表格时，必须同时关注「申请人」「发明人」「设计人」字段，不能只看正文的发明名称/技术领域。严格区分：
   - 「申请人」= 专利权人（通常是单位，如"东北林业大学"）
   - 「发明人」/「设计人」= 实际发明人姓名（可能是多人，如学生+导师"史恩泽、李洋"）
   - 「技术联系人」「抄送联系人」≠ 发明人，仅作参考线索，绝不能直接当成发明人

2. 提取到发明人 → 必须展示给用户确认：把提取到的发明人姓名列表展示给用户（AskUserQuestion 或直接列出），请用户确认：
   - "我从交底书首页提取到的发明人为：XXX、YYY。请确认是否正确、有无遗漏？"
   - 用户确认正确 → 用于发明人在先公开检索
   - 用户更正/补充 → 按用户最终确定的名单重新执行发明人在先公开检索

3. 未提取到发明人信息 → 必须主动询问：
   - "未从交底书中读取到发明人信息，请提供发明人姓名（用于发明人在先公开检索）。"
   - 用户提供 → 展示确认后执行检索
   - 用户明确表示"不提供发明人信息" → 报告不写发明人在先公开检索内容（跳过 2.2/3.2 节，检索关键词里也不列发明人/申请人）

4. 发明人在先公开检索的精确性：用 inventors=姓名 AND assignees=单位（专利）或 authors=姓名 AND org_names=单位（论文）复合精确过滤，避免同名干扰。多名发明人逐一分别查询，不可合并、不可漏查任何一人。

阶段 4：输出形态路由（5 种可选）

根据用户输入识别输出形态（默认完整查新报告）：

详细模板见 references/output-modes.md。

阶段 5：检索方法论（核心：不要瞎编）

无论哪种输出形态，检索方法论必须遵守：

5.1 三要素提取

从交底书/输入提取：
- 技术问题（要解决什么问题）
- 技术手段（怎么做；用什么结构/方法/算法）
- 技术效果（带来什么好处）

模糊/缺失处基于公知常识做必要补充，但必须标注"补充"。

5.2 技术特征拆分

按出现顺序拆分为独立、完整、可比对的特征项。F1 必须是技术主体（"一种 XX 装置/方法/系统"），后续为部件/步骤/参数/连接关系等。

5.3 关键词扩展（4 层，沿用 global-biblio 方法论 + 中英文映射）

按 references/two-keyword-mapping.md 内的双语同义词组扩展：
1. 缩写/别名（如 LLM ↔ 大语言模型 ↔ large language model）
2. 中英互译（中文关键词 ↔ 英文对应词）
3. 上下位词（按需，结果过少时上位，结果过多时下位）
4. 同义词/近义词（联网查学术语境下的等价表述）

LLM 在阶段 5.3 自行推理补充映射表外术语的标准缩写与英文对应。

5.4 检索式构造（三块结构，沿用 patseek 方法论）

Bool 检索式必须包含三个相互独立的 AND 块：
1. 技术对象：产品/部件/材料/方法场景
2. 核心机制/技术问题：方案如何工作或解决什么问题
3. 关键区别特征：结构关系/步骤关系/控制逻辑/特定部件/参数范围/特殊效果（至少一项）

信息不足以构造三块时，用两个高置信概念块 + 已验证的准确 IPC，不要用"系统、装置、方法、设备"等通用词凑数。

5.5 通道调度（独立调用，失败隔离）

scripts/channel_dispatch.py 按通道独立调用：
- 每个通道单独 try/except，单通道失败不影响其他通道
- 失败记录到 config/auto.json 的 channel_errors 字段，下次告知清单显示 ⚠️
- 默认按优先级：已配付费通道 > 免 Key 免费通道 > 浏览器兜底
- 用户可在阶段 2 临时调整顺序或禁用某些通道

5.6 缓存策略

config/auto.json 维护缓存：
- 缓存键：hash(查询关键词完全相同) + 通道名 + IP（仅当关键词完全相同且 IP 相同时才缓存）
- 有效期：
- 专利检索：24h（专利数据变化慢）
- 论文检索：12h
- 缓存命中不重新扣费
- 用户可在阶段 2 说"忽略缓存"临时禁用

5.7 结论纪律（强制）

禁止输出"具备新颖性""不存在侵权风险""全球无人申请"等保证性结论。使用：

> 截至[日期]，在[数据库、国家、语言和文献类型]及所列检索式范围内，未发现一篇在关键日期前公开并披露全部必要技术特征的文献。本结果不排除未公开申请、数据库缺口、非专利公开或术语差异造成的漏检。

阶段 6：报告撰写与诚实标注（强制）

最终报告必须含：
- 数据来源声明：列出本次实际使用的所有通道（哪些已配、哪些自动尝试的免费通道、哪些未用）
- 检索局限声明：未覆盖的库/未连接的通道
- 审慎措辞：发明人自身在先公开检索用"未发现"而非"不存在"；风险评估用"可能"而非"必然"

建议边界（强制，最高优先级）：
报告（尤其"五、为使交底书描述清楚的补充或修改建议""六、有利于提高授权率的补充建议"）给发明人的建议，只允许与技术方案或实验数据相关，例如：
- 某公式/等式的推导过程不清楚、需补充（技术方案）
- 某阈值的确定依据未说明（技术方案）
- 某组件分类的逐一对应关系未展开（技术方案）
- 与最接近现有技术（D 类文献）的区别点未写清（技术方案）
- 缺乏对照实验数据、定量效果数据（实验数据）

绝对禁止任何与技术方案/实验数据无关的建议，例如：
- 发明人排序、贡献分工（发明人/代理人决定，查新员无权干预）
- 申请日/优先权日补充（交底书初稿阶段本就没有，查新员不越界催）
- 文档格式、单位名称写法、交底书模板、术语规范化等非技术内容
- 任何"教发明人如何写交底书/如何申请"的流程性、形式性建议

判断标准：这条建议是否帮助"让技术方案更清楚完整、让实验数据更充分"？是 → 可写；否 → 一律删除。

报告交付格式（强制）：
- 查新检索分析报告、相似专利对比分析等给发明人的正式交付物，必须输出为 .docx（WPS 文档格式），禁止用 Markdown/纯文本交付
- 生成方式：优先使用 tencent-docx（本地 DOCX 创建走 full_pipeline）生成专业排版（封面 + 标题层级 + 表格）；如需精确控制章节/表格结构，可用 python-docx（依赖已打包到 dependencies/python）
- 报告标题居中加粗，一级/二级/三级标题层级清晰，文献列表用表格
- 检索信息反馈文件（给代理师的内部参考）可用 .md，但给发明人的查新报告必须 .docx

四、5 种输出形态的细节差异

4.1 检索关键词

输出格式（按 references/two-keyword-mapping.md 双语分组）：

一、检索关键词
1. 技术对象
   - 中文：XXX、XXX
   - 英文：XXX、XXX、XXX
2. 核心机制/技术问题
   - 中文：XXX
   - 英文：XXX
3. 关键区别特征
   - 中文：XXX
   - 英文：XXX
4. 申请人/发明人（可选，用于发明人检索）

4.2 检索式

输出各通道适用的检索式 + 字段策略：

二、检索式

【智慧芽 PatSnap】
  (技术对象 A OR A_alias1 OR A_alias2) AND (核心机制 B OR B_alias) AND (关键特征 C) AND PD<关键日

【佰腾 baiten】
  （佰腾格式...）

【OpenAlex】
  （OpenAlex 格式...）

每个检索式后标注：
- 期望命中范围（基于概念宽度估算）
- 限定条件说明（关键日、IPC、申请人）

4.3 发明人自身在先公开检索

• 用发明人姓名 + 所属单位作为检索条件（发明人名单必须已经过用户确认，见阶段 3.5）
• 检索式 + 检索结果
• 审慎措辞："本次检索未发现发明人自身在先公开的论文/专利文献"，禁止"不存在发明人自我公开的可能"
• 用户明确不提供发明人信息时，本形态不输出，改为提示用户"未提供发明人信息，无法执行发明人在先公开检索"

4.4 相似专利对比分析

按 references/search-methodology.md：
- 三要素表
- 技术特征列表
- 特征对比表（Disclosed / Common General Knowledge / Not Disclosed 三档）
- X/Y 文献评述
- 风险等级（高/中/低，附理由）

4.5 完整查新报告

7 章节：
1. 检索关键词
2. 论文期刊文献检索（含发明人在先公开 + 数据库声明 + 检索式 + 命中文献）
3. 专利文献检索（含发明人在先公开 + 数据库声明 + 检索式 + 命中文献）
4. 检索结果分析（最接近现有技术 + 驳回风险组合 + 审查员质疑角度）
5. 整体驳回风险评估
6. 为使交底书描述清楚完整的补充或修改建议
7. 有利于提高授权率的补充建议
8. 挖掘新发明点的建议

五、关键边界与停止条件（强制遵守）

5.1 必须停止的情况

• 任一通道 API 返回 401/402/403（Key 失效/额度不足/禁用）→ 停止 → 告知用户该通道失败、其他通道是否继续
• 用户输入不完整（缺交底书/相似文件/关键日）→ 停止 → 询问缺失项
• 离线模式下用户要求"真实检索"但未提供相似文件 → 停止 → 告知"离线模式无法真实检索，请提供相似文件或联网"

5.2 必须诚实标注的情况

• AI 凭训练记忆生成的检索式/关键词 → 标注"AI 建议，非真实检索结果"
• 通道调用失败 → 在告知清单 + 报告数据来源声明中标注
• 缓存命中 → 标注"来自缓存（YYYY-MM-DD HH:MM）"
• 浏览器通道遇验证码/登录态失效 → 标注"需用户手动完成"并暂停

5.3 离线模式的诚实标注

离线模式下报告头部必须有：

【离线模式声明】
本次为离线/网速不佳版分析，未连接任何数据库；以下检索关键词、检索式、对比分析建议
均基于 AI 对交底书的领域知识生成，并非真实检索结果。如需真实检索，请在联网环境
下启用已配置的数据源（智慧芽 / 佰腾 / OpenAlex / PatSeek 等）后重新执行。

5.4 检索式禁止

• 禁止绝对表述（"不存在""完全排除""绝对""必然"）
• 禁止编造专利号/论文 DOI
• 禁止将 AI 生成内容伪装为真实检索结果
• 禁止静默转向用户未授权的通道

5.5 查新报告无 AI 痕迹硬规则 + 元信息单独反馈（强制）

核心原则：查新报告是给发明人看的。任何让发明人觉得"你们在用 AI 检索"的痕迹都不能写入报告。检索系统的技术元信息（通道、命中率、API Key、SDK、实测状态等）一律不进报告，单独反馈给代理师。

5.5.1 报告禁止出现的所有 AI/系统/技术元痕迹

• 禁止 AI 痕迹词：实测、实测通过、命中、AI 生成、非 AI 生成、LLM、生成式
• 禁止系统术语：MCP、API Key、Key、SDK、HTTP、HTTP API、免 Key、鉴权、SDK 签名
• 禁止系统状态描述：未启用、本次未连接、本次未用、可补充、待校准、签名待 SDK、暂挂起、状态：
• 禁止通道名带括号注解：OpenAlex（免 Key）、智慧芽 PatSnap（MCP）、佰腾 baiten（HTTP API）——通道名只保留中性名称
• 禁止本次/当前状态语义：本次为真实检索、本次未连接、本次未启用、本次未启用（签名待 SDK）
• 禁止底层实现表述：为真实 API 调用、HTTP 调用、调用的 API、通过 SDK

5.5.2 报告中允许的中性措辞

• 数据库中性名：智慧芽 PatSnap 中国发明专利数据库、智慧芽 PatSnap 中国期刊全文数据库、OpenAlex 学术开放数据平台、佰腾 baiten 中国专利检索平台、PatSeek 国际专利检索平台、USPTO 公开数据库
• 标准查新表述：本次检索、数据来源、检索范围、未覆盖、本次检索未发现、检索到、获取、检索式、关键词
• 标准免责声明措辞：基于本公司认为可靠的专业数据库、由我方专业人员进行检索、不能保证...准确性和完整性、仅供申请人参考

5.5.3 元信息反馈通道（强制）

所有检索的技术元信息（通道配置、实测状态、命中率、未覆盖项、缓存、限速等）绝对不写入查新报告，应通过以下任一方式反馈给专利代理师：

1. 对话中直接告知（自然语言）
2. 创建专门的"检索信息反馈.md"文件给代理师（如 检索信息反馈-{发明名称}.md）

反馈文件应包含但不限于：
- 各通道的接入方式、配置状态、实测情况
- 各检索式的命中条数、检索范围
- 未覆盖的数据库/通道
- 缓存命中、限速、错误等运行信息
- 后续可补强的方向

反例（错误，不能出现在查新报告或反馈文件给发明人的部分）：
> 数据来源：智慧芽 PatSnap 专利库（MCP，实测通过）；OpenAlex（免 Key，可补充）；佰腾未启用（签名待 SDK）。

正例（查新报告写法）：
> 数据来源：智慧芽 PatSnap 中国发明专利数据库；OpenAlex 学术开放数据平台。

正例（反馈给代理师的写法）：
> 本次使用了智慧芽 PatSnap（MCP connector，已配）+ OpenAlex（免 Key HTTP API）；佰腾 baiten 因 SDK 1.0 签名算法与当前接口不匹配，本次未启用，待用户提供后补齐。

5.5.4 报告生成时自动行为

• 默认情况下，Agent LLM 在生成查新报告时应主动剥离所有 5.5.1 列出的痕迹
• Agent LLM 不应自动在报告末尾添加"检索说明/通道配置/实测情况"等元数据小节
• 如代理师需要元信息，应在对话中询问，Agent LLM 通过对话或独立反馈文件给出

六、与参考 Skill 的关系

本 Skill 融合 4 个参考 Skill 的方法论精华（已通读其 SKILL.md 与脚本）：

七、用户配置与 Skill 维护的配置（强制分离）

冲突时优先级：系统环境变量 > .env > user.json/channels/*.json

八、与其他 Skill 的协作

• patent-disclosure-standardize-raw-extract：交底书原文提取（前置步骤，本 Skill 假设已读过原文）
• patent-formula-converter：OMML → KSEE3 OLE 转换（说明书公式场景，与本 Skill 独立）
• tencent-docx：五书文档生成（独立于本 Skill）

本 Skill 仅做"检索 + 对比分析 + 报告生成"，不写五书。

九、版本

• v1.0.0（2026-08-24）：初始版本
• 借鉴 patseek / global-biblio / cnki / patent-novelty-search 四家方法论
• 设计原则：通道独立 + 配置分层 + 查全默认 + 离线诚实 + 双语映射