patent-quality-review-pro

专利申请文件质量审核工具（全量指标版）

功能概述

本工具（patent-quality-review-pro）是专利申请文件质量审核的全量指标版本：

• 全量评审模式：对所有评价指标统一评审，无重点/非重点分档
• 复审无效决定要点集成：结合 DP1–DP20 及 DP-C1~C3 辅助判断权利稳定性和撰写质量
• 领域权重自动切换：支持化学/机械/电学/通用四领域 AHP 权重方案
• 官方技能边界对齐：新颖性仅使用 novelty-check 单参考对比逻辑，创造性仅使用 non-obviousness-check 多参考组合逻辑
• Word 输出：生成标准格式《专利申请文件质量评价表》，含主表+附表1，共两页

运行环境要求：需要 python-docx 库（运行前自动检查并安装）。

---

运行问题与解决方案

问题1：Word 文件内容空白

根本原因：环境变量传递中文 JSON 时字符丢失。 解决方案：先用 files.write 将完整 JSON 写入文件，再通过 --data 参数传路径。

问题2：字体出现彩色

解决方案：set_run_font() 中强制设置 run.font.color.rgb = RGBColor(0, 0, 0)。

问题3：python-docx 依赖包未预装

解决方案：运行脚本前先调用 runtime.apply_sync 安装 python-docx。

问题4：生成后没有自动打开输出目录

根本原因：使用了 @session/... 这类 Eureka handle 执行系统打开命令，系统命令无法解析该 handle。 解决方案：使用 word_output_manifest.json 中的 output_dir_path 或 word_path 绝对路径打开。脚本已内置跨平台打开目录：Windows 用 os.startfile，macOS 用 open，Linux/其他桌面环境用 xdg-open。

问题5：AHP领域确认问卷格式（先问后评）

根本原因：AI在未向用户确认领域的情况下直接开始评审，导致权重方案选择不透明。 解决方案：收到专利文件后，先快速阅读摘要和独立权利要求，判断技术领域倾向，然后必须按以下标准格式向用户提问，等用户确认后再执行评审：

标准问卷格式：

本专利涉及[简述技术领域，如：机械传动/电机控制/化学合成等]，
IPC分类号为[XXX]，主要技术特征为[简述核心特征]，
初步判断属于[领域名称]领域。

请选择权重方案：
A. 化学领域（含材料、生物、医药）
B. 机械领域（含机电一体化）← 【AI推荐】
C. 电学领域（含软件、通信、计算机）
D. 使用通用权重

执行要求：

• 必须给出 AI 推荐选项（在对应选项后标注 ← 【AI推荐】）及简短理由
• 必须等用户回复确认后，才能继续执行 Step 3 及后续评审流程
• 禁止在用户未确认领域的情况下自行默认选择并直接开始评审

问题6：输出文件命名不规范

根本原因：AI调用 generate_word.py 时，--output 参数未严格遵守命名规范，使用了缩写前缀（如 质量评价表_）和错误分隔符（如下划线 _）。 解决方案：--output 参数必须严格按以下格式构造：

@session/output/专利申请文件质量评价表+{输入文件名去扩展名}.docx

正确示例：

• 输入文件 CN120243995A.pdf → @session/output/专利申请文件质量评价表+CN120243995A.docx
• 输入文件 某专利申请.docx → @session/output/专利申请文件质量评价表+某专利申请.docx

禁止写法：

• ❌ 质量评价表_CN120243995A.docx（前缀缩写 + 下划线分隔）
• ❌ 专利质量评价表+CN120243995A.docx（前缀不完整）
• ❌ 专利申请文件质量评价表_CN120243995A.docx（分隔符错误）
• ❌ 发明专利申请文件质量评价表_CN120243995A.docx（前缀多余"发明"二字 + 下划线分隔）
• ❌ @session/outputs/专利申请文件质量评价表+CN120243995A.docx（目录为 outputs 而非 output）

问题7：JSON字段名错误（basic.title → basic.patent_name）

根本原因：AI构造 review_data JSON 时，将专利名称字段写为 basic.title，但 generate_word.py 脚本期望的字段名为 basic.patent_name，导致 Word 文件中专利名称一栏为空。 解决方案：构造 basic 对象时，专利名称字段必须使用 patent_name 而非 title。

正确写法：

"basic": {
  "patent_name": "一种转子车削装置",
  "tech_field": "机械",
  "agency": "",
  "agent": "",
  "agent_tel": ""
}

禁止写法：

• ❌ "basic": { "title": "一种转子车削装置" }（字段名错误）

问题8：scores字段格式错误（字典格式 → 列表4元组格式）

根本原因：AI构造 review_data JSON 时，将 scores 写为字典格式（{"指标名": 分数}），但 generate_word.py 脚本期望的是列表格式，每项为包含4个元素的数组 [指标名, 原始分, 加权分, 问题描述]，导致脚本解析失败或表格数据错误。 解决方案：scores 字段必须使用列表格式，每个元素为包含4个元素的数组。

正确写法：

"scores": [
  ["①技术方案表述（12%）", 85, 10.20, "问题描述文本"],
  ["②保护范围规划（12%）", 78, 9.36, "问题描述文本"],
  ["③权利稳定性（10%）", 72, 7.20, "问题描述文本"],
  ["④权利要求布局（18%）", 75, 13.50, "问题描述文本"],
  ["⑤背景技术论述（10%）", 82, 8.20, "问题描述文本"],
  ["⑥技术问题与技术效果论述（8%）", 80, 6.40, "问题描述文本"],
  ["⑦说明书充分公开情况（18%）", 75, 13.50, "问题描述文本"],
  ["⑧形式问题（12%）", 80, 9.60, "问题描述文本"]
]

禁止写法：

• ❌ "scores": { "①技术方案表述": 85, ... }（字典格式，脚本无法解析）
• ❌ "scores": [ {"name": "①技术方案表述", "score": 85} ]（对象列表格式，非4元组）

问题9：issues字段格式错误（字典格式 → 6元组列表格式）

根本原因：AI构造 review_data JSON 时，将 issues 每项写为字典格式（{"no":1, "level":"重要", ...}），但 generate_word.py 脚本执行 seq, level, name, loc, desc, sug = item 直接按位置解包，字典不支持按位置解包，导致附表1全部问题行内容为空。 解决方案：issues 字段每项必须使用6元组列表格式，按位置顺序填写：[序号, 严重程度, 问题名称, 涉及位置, 问题描述, 修改建议]。

正确写法：

"issues": [
  [1, "重要", "必要技术特征完整性", "权利要求1", "独立权利要求缺少XXX必要技术特征，导致技术方案不完整（援引DP13）", "建议在独立权利要求中补充XXX特征"],
  [2, "重要", "功能性限定充分公开", "权利要求1、说明书实施例", "功能性限定特征XXX在说明书中仅有单一实施例支撑，未覆盖整个保护范围（援引DP10）", "建议补充至少一种替代实施方式"],
  [3, "一般", "相对性语言明确性", "权利要求1", "权利要求1中XXX表述含义不确定（援引DP14）", "建议改为具体数值或结构限定"]
]

禁止写法：

• ❌ "issues": [{"no":1, "level":"重要", "name":"...", "loc":"...", "desc":"...", "sug":"..."}]（字典格式，无法按位置解包，附表1全部为空）
• ❌ "issues": [[1, "重要", "问题名", "位置", "描述"]]（只有5个元素，缺少第6项「修改建议」，解包失败）

问题10：main.py 输出格式与 generate_word.py 期望格式脱节

根本原因：main.py 生成 review_data.json 时采用 旧版 indicators 数组格式（顶层含 patent_no、indicators、overall_assessment），而 generate_word.py 已升级为期望 V2格式（顶层含 basic、scores、issues、total_score、conclusion），两者数据契约完全脱节，导致脚本访问 DATA["basic"] 时抛出 KeyError，Word 主表基本信息全空，评分表和附表1均无内容。

具体差异：

解决方案：AI执行评审后，必须直接构造 V2格式 JSON（而非依赖 main.py 输出），再调用 generate_word.py。V2格式构造规则详见问题7、8、9。禁止将 main.py 的 indicators 格式输出文件直接传给 generate_word.py。

问题11：传入了错误的数据文件（review_data.json 而非 review_data_v2.json）

根本原因：工作区中同时存在 review_data.json（旧格式）和 review_data_v2.json（V2格式）两个文件，AI调用 generate_word.py 时误传了旧格式文件 review_data.json，导致 Word 表格内容为空。 解决方案：

• 调用 generate_word.py 时，--data 参数必须明确指定 V2格式数据文件（即 AI 本次评审后直接写出的 review_data_v2.json）。
• 禁止使用 review_data.json（main.py 的旧格式输出）作为 --data 参数传入 generate_word.py。
• 最佳实践：AI每次评审结束后，直接将 V2格式 JSON 写入 @skill_workspace/review_data_v2.json，调用脚本时固定使用该文件，不再使用 review_data.json。

使用前配置

本 Skill 依赖智慧芽开放平台 MCP 服务：

• 完成安装、初次使用时需进行自检，参见 README.md
• 用户需完成账号授权，并确保 Agent 环境已启用对应 MCP 工具
• 若未完成配置，本 Skill 只能提供分析框架，无法检索实时数据或生成基于数据库的结论
• 缺少MCP配置时，引导用户参照 README.md 在 [open.zhihuiya.com](https://open.zhihuiya.com/) 获取MCP。