用patent-disclosure-skill构建个人私有专利知识库：从单篇解读到同族比对的完整指南-平芜编程栈

用patent-disclosure-skill构建个人私有专利知识库：从单篇解读到同族比对的完整指南

【免费下载链接】patent-disclosure-skill中国专利.skill：专利点挖掘与交底书（发明/实用/外观）编写，通俗解读专利，嗅探政策动向，辅助审查答复。项目地址: https://gitcode.com/GitHub_Trending/pa/patent-disclosure-skill

如果你手头的专利 PDF 只会躺在文件夹里吃灰，patent-disclosure-skill（中国专利技能）能把「读专利」变成一件持续积累的事：一条命令把单篇专利解读成通俗笔记，自动存入 Obsidian 私有专利知识库；库越读越厚，还能在同库笔记之间自动挖掘同族与路线关联，把「读懂」推进到「用起来」。

为什么需要「私有」专利知识库？

📚 很多研发、专利新人都有同款困境：

PDF 越攒越多：下载的专利文档散落各处，再想用时找不到；
权利要求读不进去：权要绕、术语密，落地语境散落在说明书与附图里；
读一篇忘一篇：没有结构化的笔记，知识无法沉淀；
想对比却无从下手：两篇专利到底谁是谁的改进？靠肉眼翻根本对不齐。

patent-disclosure-skill 的「专利通俗解读」模式（模式 B）正好覆盖这条链路：单篇读成人话 → 结构化入库 → 多篇互相关联。完整流程定义见 prompts/reader/patent_plain_reader.md，Obsidian 环境配置见 docs/obsidian-setup-guide.md。

30秒看懂你的知识库长什么样

每一篇被解读的专利，在库里都是一组「小档案」：

Research/ ├── Patents/ │ ├── _专利解读索引.md # Bases 仪表盘 + 笔记列表 │ ├── patents.base # 表格/卡片视图配置 │ ├── _专利关联.canvas # 多篇同族比对总览画布 │ └── <领域>/<公开号>/ │ ├── <公开号>_解读_<日期>.md # 通俗解读笔记（11 节结构） │ ├── <公开号>_图谱.canvas # 单篇知识图谱 │ ├── <公开号>_说明书段落.md # 原文段落锚点，可悬停预览 │ ├── <公开号>_权项锚点.md # 权利要求悬停引用 │ ├── images/ # 自动裁切的附图 │ ├── source/<公开号>.pdf # 官方原文 PDF │ └── clues/ # 公开线索卡片 └── 术语/ ├── _术语索引.md └── <术语名>.md # 术语双链页，跨篇共用

多篇笔记之间再由「相关专利」互链，最终长成一张可按领域分区的专利网络——解读、图谱、术语、线索彼此勾连，越读越厚。目录与格式规范详见 references/patent_obsidian_format.md。

第一步：搭库前的 5 分钟准备 🛠️

安装 Obsidian（免费知识管理软件），创建或打开一个库，例如Documents/我的专利库。不装也能用——无库时解读会降级落到outputs/patent_reader/，只是图谱体验弱一截。

克隆技能仓库：

git clone https://gitcode.com/GitHub_Trending/pa/patent-disclosure-skill

安装解读依赖（仅需pymupdf等少量依赖）：
```
pip install -r tools/patent_reader/requirements.txt
```
把库路径告诉技能（设置环境变量PATENT_READER_OBSIDIAN_VAULT，或由技能自动探测），环境细节见 tools/patent_reader/README.md 与 INSTALL.md。

准备好后，触发方式很简单——用自然语言说「读专利」，或输入/读专利、/patent-read，再给出公开号或 PDF 路径即可。

第二步：单篇专利解读——PDF 变人话

试着这样开口：

读专利，公开号 CN107785522B

技能会依次完成：取证（自动下载官方 PDF → 抽取全文 → 裁切附图）→ 建权利要求树 → 术语表 → 应用场景 → 公开线索 → 写入 Obsidian。你最终拿到一篇 11 节结构的解读笔记，模板可见 assets/patent_note_template.md：

章节	你会看到什么
一、一句话	≤3 句讲清解决什么问题、核心手段
二、连贯叙事	按「问题 → 思路 → 怎么做 → 效果」讲故事
三、权利要求树	树形表：`◆`独立权 /`├─`从属权，每项附一句「本项新增」
四、独立权利要求精读	特征 → 大白话 → 说明书依据（如「说明书 0006」）
五、专利内术语表	术语自动建页并双链到`Research/术语/`
六、特征—说明书—附图对照	特征逐条对应原文位置与图号
七、和现有技术的差别	从原文能读出的差异点
九、技术应用场景	场景表 + 专利内依据
十、附录	IPC 行业坐标 + 公开检索线索（最多 3 条，标注置信度）

几个体验细节值得提：

说明书引用可悬停：正文写「说明书 0002–0004」，按住 Ctrl 悬停链接即浮出原文，不用来回翻页；
附图自动嵌入：PDF 里的图按说明裁切进第六节，扫描件则自动做整页预览；
结论与推测分离：行业语境线索一律放附录并标「推测」，不混进主结论。

第三步：入库即建成——仪表盘与图谱全自动

这篇解读写入 Obsidian 的那一刻，技能会自动完成原本需要手工的配置：

复制并启用 CSS 配色片段（紫 = 著录/权要，绿 = 应用场景，橙 = 推测/线索，蓝 = 附图）；
开启核心插件Bases，生成patents.base仪表盘——「全部专利解读 / 按领域 / 含推测线索 / 卡片视图」四种现成视图，配置文件见 assets/obsidian/patents.base；
生成索引页_专利解读索引.md（模板见 assets/obsidian/_专利解读索引.template.md）；
写入关系图彩色分组，左侧关系图打开即是多色专利网络；
生成单篇<公开号>_图谱.canvas：叙事、权项、术语、线索分区成卡。

也就是说，你不需要手动复制任何 CSS、不需要跑初始化脚本——第一篇入库，知识库的「骨架」就立起来了。

第四步：同族比对挖掘——让库「长」起来 🕸️

库内积累到≥2 篇解读后，技能会主动反问一句：

库里已有其它专利解读，要不要做一次「专利关联」？

回答「要」，link_patent_notes.py会对库内所有笔记两两打分（规则实现见 tools/patent_reader/vault/patent_link.py）：

关联信号	加分	含义
正文互引	+0.50	A 的正文里出现过 B 的公开号（或反向）
同申请人	+0.40	申请人名单重叠，同族/系列的第一信号
IPC 相近	+0.25	国际分类前缀相同或高度接近
共术语	+0.10/词（封顶 0.30）	术语表交集，技术语言同源
同领域	+0.15	领域标签一致

得分达到 0.45 即连边，随后发生三件事：

双向回写：两篇笔记的related_pubs与「相关专利」表格互相追加，点开任一笔记都能跳到邻居；
单篇图谱刷新：_图谱.canvas里出现「相关专利」分区；
全局关联画布：生成Research/Patents/_专利关联.canvas——每篇专利一张富文本卡（公开号、领域、IPC、申请人、术语、一句话摘要），两条专利之间夹一张关联桥卡，写明关系标签、置信分与打分依据（如「IPC 前缀相近：H01M1 / H01M1」）。

对规则分不够、但直觉上相关的对子，还可以让大模型补一条判定（model_links.json，如「疑似改进 0.75：独立权均含…，B 增加…」），与规则边合并进同一张画布。

⚠️ 一个必要的提醒：库内关联只是辅助导航与线索发现，画布上也会自动标注「不构成法律意见」。同族判定、规避分析这类重大结论，请以官方文本和专业代理意见为准。