这是一个面向中国高校研究生、科研人员和技术团队的通用 Agent 指令与工具包，用于将论文、学位论文、技术报告、源代码和科研手稿 整理为可追溯、可复核的中国发明专利申请初稿。

本项目不绑定特定 Agent，可配合 Claude、Codex、Cursor 以及其他能够读取项目指令、访问本地文件并运行脚本的 AI Agent 使用。

本项目用于辅助技术梳理和专利初稿撰写，不构成法律意见，也不能替代专利代理师或律师的专业审核。

• 希望将论文进一步整理为专利初稿的硕士、博士研究生；
• 需要准备专利交底材料或成果转化材料的高校科研人员；
• 从事人工智能、计算机视觉、信号处理、自动控制、机械和电子信息等研究的团队；
• 需要对照论文和已有专利，检查技术特征支持关系的使用者。

尤其适合包含算法流程、数学公式、模型结构、数据处理步骤和实验验证的论文。

• 提取论文中的技术问题、技术步骤、公式、参数和技术效果；
• 建立“论文来源位置 - 专利技术特征 - 技术作用”的证据台账；
• 区分论文贡献、实验配置、未来工作和可专利技术特征；
• 在论文支持的前提下生成方法、设备和计算机可读存储介质权利要求；
• 分别生成权利要求书、说明书、说明书摘要和摘要附图；
• 将公式生成为 Word 原生 Office Math 对象，可直接复制和编辑；
• 生成与独立权利要求步骤一致的黑白方法流程图；
• 生成主动采样、特征提取和模型融合等方法论附图；
• 将主流程图同时作为摘要附图和说明书附图；
• 检查权利要求编号、引用关系和常见结构问题；
• 对缺少依据的内容使用 [TO CONFIRM] 标记，避免自动虚构。
• 为论文正文、公式、附图和补充材料建立稳定来源 ID；
• 将每项权利要求的实质技术特征映射到证据台账；
• 按阶段保存来源地图、技术清单、证据台账和权利要求策略；
• 在生成 DOCX 前自动检查草稿完整性、支持关系和质量门槛。

Skill 会根据任务自动选择模式：

同时会识别 PDF、扫描 PDF、粘贴文本或包含代码、附图和已有专利的 混合项目，并针对算法软件、装置系统、工艺材料或混合型发明加载不同规则。

flowchart TD
    A["输入盘点与公开风险标记"] --> B["建立全文来源地图"]
    B --> C["建立术语、公式、附图和输入输出清单"]
    C --> D["建立技术特征证据台账"]
    D --> E["形成发明构思与权利要求策略"]
    E --> F["起草并检查权利要求"]
    F --> G["撰写说明书、公式和附图"]
    G --> H["最后撰写摘要"]
    H --> I["结构、溯源和质量门槛校验"]
    I --> J["生成分立 DOCX、SVG、PNG 和审阅报告"]

这个顺序可以避免直接根据论文摘要“扩写专利”，也可以避免先写说明书后 发现权利要求、公式和附图无法对齐。

Agent 的讨论和分析可以使用用户指定的语言，但正式专利交付文件统一使用中文，包括：

• 权利要求书.docx
• 说明书.docx
• 说明书摘要.docx
• 摘要附图.docx
• 完整审阅稿.docx
• 流程图和方法论附图的 SVG、PNG
• 可重复编辑和重新生成的结构化 JSON
• 权利要求结构检查报告
• 草稿溯源和质量门槛验证报告

说明书中的核心公式采用 Word 原生可编辑公式，而不是将 LaTeX 字符串直接作为普通文本写入。

Paper-to-patent-Skill/
├── README.md
├── SKILL.md
├── manifest.yaml
├── requirements.txt
├── static/
│   ├── core/
│   │   ├── principles.md
│   │   ├── workflow.md
│   │   └── output-contract.md
│   └── fragments/
│       ├── source/
│       ├── task/
│       └── invention/
├── evals/
│   └── evals.json
├── references/
│   ├── cn-patent-drafting-guide.md
│   ├── corpus-derived-patterns.md
│   ├── corpus-pair-audit.md
│   ├── draft-schema.md
│   └── patent-figure-guide.md
├── scripts/
│   ├── audit_claims.py
│   ├── build_patent_package.py
│   ├── extract_pdf_text.py
│   ├── init_patent_project.py
│   ├── math_to_omml.py
│   ├── render_flowchart_svg.py
│   ├── render_patent_docx.py
│   └── validate_patent_draft.py
├── tests/
    └── test_validation.py
└── skills/
    └── nature-paper-to-patent/

• SKILL.md：供 Agent 阅读的精简路由指令；
• manifest.yaml：根据输入、任务和发明类型选择需要加载的规则；
• static/：所有任务必需的核心流程和按需加载的场景规则；
• references/：专利撰写规则、结构化草稿格式和附图规范；
• scripts/：项目初始化、PDF 提取、草稿校验、公式转换、附图生成、 DOCX 打包和权利要求检查工具；
• evals/ 与 tests/：行为契约和自动校验测试。
• skills/nature-paper-to-patent/：按照 nature-skills 目录规范整理的 独立可安装版本，可用于向该项目提交贡献。

实际使用时，建议将本项目的指令文件、论文材料和输出目录放在同一个工作目录中。Agent 打开该目录后，可以同时读取 SKILL.md 和论文。

paper-to-patent-project/
├── SKILL.md
├── references/
├── scripts/
├── paper/
│   └── paper.pdf
├── supplementary/
│   ├── source-code/
│   ├── experiment-settings.md
│   └── inventor-notes.md
├── source-figures/
│   ├── method.png
│   └── architecture.png
├── existing-patent/
│   └── patent.pdf
└── outputs/

其中：

• paper/ 存放需要转换的论文；
• supplementary/ 存放代码、实验参数和发明人补充说明；
• source-figures/ 存放论文方法图、模型结构图等原始图片；
• existing-patent/ 可选，用于论文与已有专利的对照分析；
• outputs/ 存放生成的专利文件、附图和结构化草稿。

如果需要处理多篇论文，建议为每篇论文建立独立编号：

paper-to-patent-project/
├── SKILL.md
├── references/
├── scripts/
├── cases/
│   ├── 001/
│   │   ├── paper.pdf
│   │   ├── supplementary/
│   │   ├── source-figures/
│   │   ├── existing-patent/
│   │   └── outputs/
│   ├── 002/
│   │   ├── paper.pdf
│   │   ├── supplementary/
│   │   ├── source-figures/
│   │   ├── existing-patent/
│   │   └── outputs/
│   └── 003/
│       └── ...
└── shared-notes/

不要仅依靠相同编号认定论文和专利一定互相对应，仍需由 Agent 阅读内容并检查技术特征关系。

• Python 3.10 或更高版本；
• 能够读取项目文件和执行本地脚本的 AI Agent；
• Microsoft Word 或其他能够正确打开 DOCX 的办公软件。

安装 Python 依赖：

python -m pip install -r requirements.txt

Windows 也可以使用：

py -3 -m pip install -r requirements.txt

克隆或下载仓库：

git clone https://github.com/snipp-zha/Paper-to-patent-Skill.git

将论文放入 paper/，然后让 Agent 先读取 SKILL.md：

请先阅读并遵循当前项目中的 SKILL.md。
分析 paper/paper.pdf，并生成一套中国发明专利申请初稿。
分别生成中文权利要求书、中文说明书、中文说明书摘要和摘要附图。
保留论文中的核心公式，并将其生成为 Word 原生可编辑公式。
生成主方法流程图和核心方法论附图。

也可以先创建标准工作目录：

python scripts/init_patent_project.py my-patent-project --paper path/to/paper.pdf

该命令会创建：

my-patent-project/
├── SKILL.md
├── manifest.yaml
├── requirements.txt
├── static/
├── references/
├── scripts/
├── paper/
├── supplementary/
│   ├── source-code/
│   └── inventor-notes.md
├── source-figures/
├── existing-patent/
├── work/
│   └── 00-intake.json
└── outputs/

初始化命令默认把 Skill 的核心文件复制到新项目，因此该项目目录可以单独 交给任意支持读取本地规则和运行 Python 的 Agent。只想创建材料目录时， 使用 --no-embed-skill。

如果 Agent 支持项目规则、系统指令或上下文文件，可将 SKILL.md 作为该项目的长期规则来源。

让 Claude 直接读取 SKILL.md，或者在项目的 CLAUDE.md 中写入：

处理论文转专利任务时，请先阅读并遵循 `SKILL.md`。
正式权利要求书、说明书、摘要和附图文字必须使用中文。

在 .cursor/rules/ 中创建项目规则：

处理论文转专利任务时，请读取并遵循项目根目录的 `SKILL.md`。
Agent 讨论可以使用用户指定语言，正式中国专利文件必须使用中文。

使用 Codex 打开本项目工作目录，然后要求其读取 SKILL.md。本项目不依赖 Codex 专属元数据。

只要 Agent 支持项目指令、规则文件或上下文文件，即可：

1. 加载 SKILL.md；
2. 在需要详细规则时读取 references/；
3. 允许 Agent 执行 scripts/ 中的 Python 工具；
4. 提供论文、补充材料和发明人说明；
5. 要求正式专利交付文件使用中文。

最少只需提供一篇论文或技术报告，推荐同时提供：

论文已经公开时，应提供准确的公开日期，并尽快咨询专利专业人员评估新颖性风险。

请先阅读并遵循 SKILL.md。

分析 paper/paper.pdf，生成中国发明专利申请初稿。

要求：
1. 提取论文的技术问题、技术手段和技术效果；
2. 建立专利技术特征与论文页码之间的证据台账；
3. 分别生成中文权利要求书、中文说明书和中文说明书摘要；
4. 将论文支持的核心公式写入说明书；
5. 将公式生成为 Word 原生可编辑公式；
6. 生成与独立权利要求一致的主方法流程图；
7. 为核心中间方法生成方法论附图；
8. 将主流程图同时作为摘要附图；
9. 对缺少依据的内容使用 [TO CONFIRM] 标记，不要虚构。

同时提供论文和专利文件时，可以使用：

请阅读 SKILL.md，对照 paper/paper.pdf 和 existing-patent/patent.pdf。
检查每项权利要求在论文中的支持位置，并标记论文独有、专利独有、
专利表述更宽或更窄的技术特征。

正式提交前至少检查：

• 独立权利要求是否只保留不可缺少的核心技术特征；
• 每项权利要求特征是否能在论文或补充材料中找到依据；
• 是否误把数据集名称、实验指标或网络层数写成必要限制；
• 最终输出是否明确，例如“缺陷类别识别结果”；
• 公式中的符号、上下标和定义是否一致；
• 附图步骤是否与权利要求中的 S1、S2 等编号一致；
• 发明人是否按照实际技术贡献确定；
• 申请人和论文公开日期是否经过人工确认；
• 是否已经由专利代理师或其他专业人员复核。

提取 PDF 文本：

python scripts/extract_pdf_text.py paper/paper.pdf --output paper.txt

检查 UTF-8 权利要求文本：

python scripts/audit_claims.py claims.txt

从结构化 JSON 生成完整申请包：

python scripts/validate_patent_draft.py draft.json
python scripts/build_patent_package.py draft.json \
  --output-dir outputs \
  --prefix patent

结构化草稿格式参见 references/draft-schema.md。

运行自动测试：

python -m unittest discover -s tests -v

本项目参考了 nature-skills 的路由文件、按需加载片段、输出契约、测试样例和质量清单组织方式，并将其 应用于论文转中国发明专利流程。

• 当前文本结构主要面向中国发明专利；
• 正式权利要求书、说明书、摘要和附图标签使用中文；
• 不应根据论文作者顺序自动确定发明人或申请人；
• 不应把未来工作、猜测或实验愿望写入正式权利要求；
• 论文公开可能影响专利新颖性，应重视投稿、答辩、会议展示和网络公开日期；
• 本项目不提供专利授权保证、新颖性结论、侵权分析或法律代理服务。