GitHub 推荐：4.8 个月 6.7K stars：中文发明人的「交底+查新+答复」一站式 Claude Skill

GitHub: https://github.com/handsomestwei/patent-disclosure-skill

一句话总结

面向中国发明人的 Claude Agent Skill，把「挖专利点 → 国知局查新 → 三类专利分模板出稿 → 通俗解读 → 审查答复 RAG」做成可一键路由的五条产品线，且把「薄路由 + 类型隔离 + 人类在环 + 诚实查新」写进硬性工程纪律。

值得关注的理由

• 窗口红利精准卡位：4.8 个月冲到 6,749 stars，是中文 + Claude Skill + 垂直法律场景三重新风口的爆款样本；按 commit 节奏估算日均 45+ stars。
• CNIPA 一手接入 + 双段式查新算法：唯一显式接入国知局 epub.cnipa.gov.cn 高级查询、按 IPC/LOC 分类号自适应回填的项目，英文 / 美系竞品全部做不到。
• 工程纪律可复用：机读 stdout 前缀、opt-in / human-in-loop 闸门、CadQuery 隔离 venv、向量失败自动降级标签检索——这套「LLM ↔ 子进程」契约可迁移到任何垂类 Agent Skill。

项目展示

模式 A「发明交底书」一键出稿：每稿落进时间戳目录，mermaid 流程图自动按件编号 S1/S2 入图。

同一项目多次迭代：每轮新时间戳，旧稿自动归档。

模式 B 把公开专利拆成叙事 + 权利要求 + 术语表 + 线索图谱，落进 Obsidian 双链。

多专利关联：解读笔记 + 术语表 + Canvas 自动布局，专利 ↔ 概念 ↔ 申请人形成网状结构。

实用新型按件拼装 SVG：每个零件一个独立文件，部件序号以归一化坐标锚点注入，可局部重画。

外观线稿：把立体 / 平面判别 + 要点落面做成门禁脚本，CAD 不入文图。

CadQuery 等轴测投影：用户显式同意才 bootstrap，强制 Python 3.10–3.12 隔离 venv。

项目画像

维度	数据
GitHub	https://github.com/handsomestwei/patent-disclosure-skill
Star / Fork	6,749 / 761
代码行数	35,422 行（Python 79.7% / JSON 10.7% / JS 6.0% / YAML 3.1% / 其他）— GitHub 语言栏 Python 99.8%
项目年龄	4.8 个月（2026-04-07 → 2026-09-02）
总 commit	35（首作者 handsomestWei 86.7%）
开发阶段	稳定维护（近 30 天 18 commits，月均 7.3）
贡献模式	单作者主导 + 4 人路过式 PR（dajiaohuang / xiaofengShi / HJ Ding / 917Dhj）
热度定位	大众热门（细分赛道天花板量级）
质量评级	代码 良好 / 文档 优秀 / 测试 基本（33 文件 / 35 commit）
协议	MIT（SKILL.md frontmatter version: 3.9.0 自维护协议版本，无 git tag）
依赖	6 运行时（python-docx / latex2mathml / PyYAML / playwright / mammoth / python-pptx）+ 各子模块独立 requirements

作者视角：为什么存在这个项目

创始人/作者背景

handsomestwei（display: handsomestWei），南宁，账号 8.5 年，公开仓库 95 个，GitHub 公司栏写「job wanted」（2026 年 9 月正在求职）。技术主线是 ML / RAG / 音频视频工程 / DevOps，并非专利或 IP 实务背景——项目专业深度来自「做中学」，工程迁移能力远超领域资历。同一作者还有 zhihu-fetch-skill(30★)、java-class-analyzer-mcp-server(42★)、customer-service-ai-agent(102★)、loop-skill(6★)，是中文 Agent Skill / 垂类 MCP 工具赛道的高频玩家。

问题判断

SKILL.md:18-23 把主诉写得很具体——「做了多年核心研发，专利发明人那一栏从没写过我的名字」。这不是代理人的痛点，是中国发明人/工程师自己写交底书的痛点：不知道挖点、查新凑数、Word 框图潦草、多稿管理混乱、看公开专利看不懂。这是一条被英文 / 美系专利工具系统性忽略的链路。

解法哲学

四原则写进 SKILL.md：

1. 薄路由 + 多模式互斥：SKILL.md 只做路由（262 行），每步必须 Read 具体 prompt，A/B/C/D/E 五模式严格隔离，避免上下文污染。
2. 类型隔离：发明 / 实用新型 / 外观三类专利 schema 物理分离，混模板必出错。
3. 人类在环：模式 C 改技能 prompt 必须人确认；模式 D 草稿绝不自动提交；OA 答复多策略需门槛选定。
4. 诚实查新：国知局召回过少时走分类码 / 相邻号回填，而不是伪造专利号凑数。

战略意图

这是核心产品（Skill Hub 范式仓库），不是基础设施。商业化信号弱——issue #1 招租、README 末尾「随缘支持咖啡」是边缘变现、非 SaaS 化路径。开源策略「genuinely open」。作者本人仍处求职阶段，技能产出节奏像全职但尚未绑定机构，这是窗口期最容易被大厂挖走或被复制/抄袭的项目。

核心价值提炼

创新之处（按新颖度 × 实用性排序）

1. CNIPA epub 双段式查新 + 自适应回填（新颖 4 / 实用 4）

   • 第一轮召回 → extract_class_codes_from_html 抽 IPC/LOC → 排序 1–3 高频号 → 第二轮走 --class 收口
   • 不足 4 条用 backfill_hits_for_disclosure 同分类号回补；外观用 LOC 不用 IPC
   • 证据：tools/crawl/cnipa_epub_parse.py:66-219、prompts/disclosure/prior_art_search.md:16-37

2. 三类专利 schema 物理隔离 + 共享 intake/figure_plan（新颖 3 / 实用 5）

   • structure.schema.yaml（实用新型）+ appearance.schema.yaml（外观）+ 发明 invention/disclosure_builder.md 各走独立链路
   • 证据：references/schemas/、SKILL.md:54-56

3. mermaid 显式步骤号写入可见标签 + 单块失败保留围栏（新颖 4 / 实用 5）

   • ensure_step_ids_in_visible_labels 把 S1[采集] 自动改写成 S1["S1 采集"]，PNG 上能看到序号
   • 单围栏渲染失败不中断 md，保留源码继续出 Word
   • 证据：tools/shared/mermaid_render.py:13-216

4. OA RAG 双轨：sqlite-vec + 标签过滤，向量失败自动回退（新颖 3 / 实用 5）

   • Embedder 4 厂 preset（local / openai_compatible / zhipu / dashscope）；EmbedError 抛出 → catch 走 tags_fallback
   • 输出 retrieval_mode 字段让 Agent 透明告诉用户当前检索模式
   • 证据：tools/oa/search_cases.py:127-150、tools/oa/store.py:67-405、tools/oa/config.py:26-71

5. 按件拼装 SVG + 锚点叠标注入（新颖 4 / 实用 4）

   • 每件独立 parts/{view}_{id}.svg，总图用 <g id="part-{id}"> 相对路径引用
   • 部件序号以归一化坐标 anchors.yaml + SVG 精确曲线注入，不压扁零件层、不重生成整图
   • 证据：tools/shared/structure_lineart_compose.py:238-432、structure_callout_overlay.py

6. LaTeX/OMML 双轨渲染（math）（新颖 3 / 实用 4）

   • 发明公式默认走 Word 原生 OMML（math_to_omml.py），无须 matplotlib
   • 用户确认后才 math_render.py 预渲染 PNG；行内正则 iter_inline_paren_spans 显式处理嵌套括号
   • 证据：tools/shared/math_render.py:40-70、md_to_docx.py --math-render

可复用的模式与技巧

模式	适用场景	关键代码
薄路由 + 多模式互斥	多目标 Agent Skill	SKILL.md:14-23、各 prompt 顶部互斥声明
机读 stdout 前缀约定	LLM 调用子进程	cnipa_epub_search.py:230-234、SKILL.md:51
诚实回填不编造	权威数据源检索	prior_art_search.md:16-37 + cnipa_epub_parse.py:165-219
opt-in / human-in-loop 闸门	Agent 改技能 / 自动递交类	prompts/evolution/research.md:14-22、oa/respond_office_action.md:78-100
AI 生图 + 锚点精确注入	AI 标 + 人工精修管线	structure_lineart_compose.py + structure_callout_overlay.py
隔离 venv + 默认关	重依赖 Python 子工具	tools/shared/cad_venv.py:30-128
向量可降级标签	任一 RAG	tools/oa/search_cases.py:139-150

关键设计决策

• 决策 1：thin router + mode A/B/C/D/E 互斥 — 用户必须先声明意图（/patent-read、/交底书、/patent-evolve、/oa），不能一锅端。换得零上下文污染。
• 决策 2：三类专利 schema 物理隔离 — 文件多、agent 跳目录成本高，但隔离保证正确性（方法 vs 形状构造 vs 视觉设计的法律客体差异巨大）。
• 决策 3：双段式查新 + 诚实回填 — 多一次 IPC 召回 / 多一次去重计算，换得「不污染交底书 + 不教用户撒谎」。
• 决策 4：机读 stdout 前缀约定 — EPUB_HITS_JSON: 单行 JSON 在 stdout，其余走 stderr ASCII；新贡献者必须学协议级约定，换得跨平台、跨 shell 稳定解析。
• 决策 5：CadQuery venv 隔离 + 默认不解析 STEP — isolated_env() 删 PIP/PYTHONPATH/PYTHONUSERBASE；强制 Python 3.10–3.12；用户必须显式同意才 bootstrap。换得不强迫发明人装 3D CAD 库。
• 决策 6：按件拼装 SVG 而非整图 base64 — 多文件、agent 必须先出子件再叠标，换得「单件可重画、批改不必整图重出」。
• 决策 7：OA 答复「分差 + 门槛选定」 — 双维 0–100 相对分（稳妥分 / 保范围分）；改权要门槛 = 仅当只争相对缩权的稳妥分差 ≥15 且同类成功案 diff 对得上。换得「不黑箱归并、不永远缩权」。
• 决策 8：模式 C「清单 + 观点↔URL 主表 + 人审闸门」 — 证据等级 A/B/C，C 源不得单独支撑改技能；等待用户「全部采纳 / 采纳 E…… / 全部搁置 / 沉淀到 docs/evolution/」4 选 1。换得不听自媒体就改 prompt。

竞品格局与定位

竞品对比矩阵

维度	patent-disclosure-skill（本项目）	patent-pipeline (ThomasMoreAI)	patent-application-creator (RobThePCGuy)	light-ip-application (Light0305)
法域	中国（CNIPA）	CN/US/EP 全套	美国（USPTO）	中国（含软著）
三类专利分模板	✓（schema 物理隔离）	—	—	弱（专利 + 软著二合一）
CNIPA epub 高级查询	✓（IPC/LOC 双段式）	—	—	—
中文 OA 答复	✓（sqlite-vec + 标签双轨）	—	—	—
通俗解读 / 知识图谱	✓（模式 B + Obsidian）	—	—	—
政策嗅探 / 技能自进化	✓（模式 C，人审闸门）	—	—	—
多模式互斥工程纪律	✓（SKILL.md 硬约定）	—	—	—
申请人签字替代	✗（明确不替代）	半（申请包级）	✓（美系自主起草）	—

差异化护城河

• CNIPA 一手接入：epub 高级查询 + LOC 分类号 + IPC-LOC 自动判断
• 中文 OA 答复：sqlite-vec RAG + 多厂 embedding + 标签降级
• 三类专利 schema 隔离：物理文件隔离 + 共享 intake/figure_plan
• 机读 stdout 协议：LLM ↔ 子进程跨平台稳定契约

这 4 条都是英文/美系开源做不到的层级。护城河足够深，但足够窄——只覆盖「中国发明人/工程师自交底」这一条链路。

竞争风险

• 最可能被替代：大型 LLM 平台原生 Agent Skills（Anthropic / 字节）官方发布的中国专利 skill
• 市场风险：CNIPA 2026-04 政策警示「AI 代写专利多重风险」（技术泄露、AI 幻觉、不实申请）+ 2026-01-01 新版审查指南增加 AI 相关条款，可能让整个市场缩水
• 护城河时间窗：估计 6–12 个月，skillavatars.com 已开始推英文同类

生态定位

中国发明人/工程师的「自我交底 + 自我解读 + 自我应答」一站式工具链；不是代理人工具链替代品（明确「模式 D 草稿必复核」「不替代签字」）。填补了「英文 / 美系专利工具不做中文 + CNIPA」和「通用 RAG 框架不会给专利交底做按专利类型分模板 + 查新 + 线稿 + OA 链路」之间的空白。

套利机会分析

• 信息差：低关注度但高质量？否——6.7K stars 已经吃到中文+Claude Skill+专利三重红利，不再被低估。
• 技术借鉴：极高。机读前缀协议 / opt-in 闸门 / 隔离 venv / 双轨降级 RAG / 按件拼装 SVG 这 5 个模式可直接迁移到任何垂类 Agent Skill。
• 生态位：填补了「中国发明人自交底」这一空白，且主动对齐 CNIPA 2026 合规要求——监管层不会被压垮，反而是护城河。
• 趋势判断：增长中（4.8 月 6.7K stars 仍未减速）；符合 Agent Skill 协议化大趋势；后发优势在于模式 D（OA 答复）+ 模式 C（政策嗅探）——这两个是英文竞品没碰的差异化方向。

风险与不足

• 单作者 bus factor = 1：35 commit 中 handsomestWei 占 86.7%；外部贡献者仅 4 人各提 1 PR（且都是路过式 bugfix，未进入核心架构）。一旦作者停更，整个 Skill 即孤儿。
• 无 release tag / SemVer：SKILL.md frontmatter version: 3.9.0 自维护，未走 git tag + SemVer 流程；外部依赖版本号做兼容性判断的用户会拿到不稳定信号。
• CNIPA 反爬稳定性：项目方在 cnipa_epub_crawler.py:21-27 显式承认「不表示规避法律法规……效果因站点升级而变，非保证」。issue #7 open 反映「agent-browser 作为 Step 5 CNIPA 检索的备选后端」的工程焦虑。
• AI 代写合规边界：模式 D 草稿必须人工复核后递交 + 模式 C 改 prompt 必须人审 = 主动对齐政策，但 README 缺少对此类合规风险的明确声明——对外沟通可以更强。
• 测试 commit 比例失衡：33 个测试文件但 commit message 仅 1 次用 test: 前缀。测试做了但 convention 没标，不是「没写测试」，但说明 TDD 流程弱。
• 无 lint / formatter / CHANGELOG / release CI：单 CI 仅 update-star-history.yml（每日推 orphan 分支 star-history.svg）。
• 无 refactor commit 历史：功能堆叠期 + 内部清理待做的扩张期信号。

行动建议

• 如果你要用它：本项目定位是「中国发明人/工程师自交底 + 草稿须复核」，不适合需要代理人签字替代的场景。三类专利分模板 + CNIPA 一手查新 + 中文 OA 答复 = 中文垂类天花板。模式 D 默认 opt-in，请勿跳过人工复核。
• 如果你要学它：重点读 SKILL.md（薄路由+互斥）、prompts/disclosure/prior_art_search.md（双段式查新+诚实回填）、tools/oa/{search_cases,store,embed,config}.py（RAG 双轨降级 + 多厂 embedding）、tools/shared/{mermaid_render,cad_venv,structure_lineart_compose,math_render}.py（机读前缀协议 + 隔离 venv + 按件拼装 SVG + 双轨渲染）。这 8 个文件是工程纪律的浓缩。
• 如果你要 fork 它：可改进方向——（1） 把 test: commit convention 强制化（pre-commit hook）；（2） 加 release tag + SemVer CI；（3） 模式 C 的「观点↔URL 主表」可演进为带证据等级的 PR review bot；（4） 把 README 加上「合规声明」段，主动对齐 CNIPA 2026-04 政策；（5） 把模式 D 的「门槛选定」算法提到 SKILL.md 顶部，便于代理人复用。

知识入口

资源	链接
DeepWiki	未收录
Zread.ai	未收录
关联论文	无（工程型 Skill，无学术产出）
在线 Demo	无（Skill 性质决定无托管 demo）
SkillHub 镜像	https://skillhub.cn/skills/patent-disclosure-skill
第三方收录	skillavatars.com、labgrimoire、腾讯云开发者社区
监管参考	CNIPA: AI 代写专利多重风险警示（2026-04）、CNIPA: 2025 审查指南修改解读