当前位置: 首页 > news >正文

【AI Agent实战】一个 AI Skill,帮你自动生成一份规范的专利技术交底书

一个 AI Skill,把你的代码/文档/图片/描述,自动变成一份规范的专利技术交底书(.docx)


核心思路

你的输入(代码/文档/图片/描述) ↓ AI分析理解 技术方案 + 创新点 ↓ AI撰写 专利语言内容 ↓ 代码生成 标准 .docx 交底书

AI 负责"看懂"和"写清楚",代码引擎负责"输出规范文件"——两层分工,互不越界。


四种输入,一个出口

模式你给什么AI怎么用
A1 代码代码文件/文件夹读代码 → 找架构+算法+创新点
A2 文档PDF / DOCX / PPTX提取文本 → 分析技术方案
A3 图片架构图 / 流程图视觉识别 → 转化为文字描述
B 描述你打字描述的方案直接理解 → 补全细节

四种可以混合用(代码 + 架构图 + 说明文档一起扔进去)。


七个阶段

1. 信息收集 → 2. 技术分析 → 3. 大纲确认(你参与) ↓ 7. 验证输出 ← 6. 写入DOCX ← 5. 生成流程图 ← 4. 撰写内容

第3阶段是唯一需要你确认的节点:AI展示各章节大纲,你同意了才继续写,改了再写——避免写完全部才发现方向不对。


核心引擎:声明式构建

最关键的设计在第6阶段。AI不直接编辑 Word 的 XML(那东西几千行,改坏了文件就废了)。

实际流程:

模板.docx ↓ unpack(解压成文件夹) unpacked/ ↓ AI写 patent_content.json ←← 这是AI真正做的事 patent_content.json ↓ patent_builder.py(自动编辑XML) unpacked/(修改后) ↓ pack(重新打包 + 校验) 最终.docx

patent_content.json声明式描述——AI只需要写"第4.2节要放这段文字",引擎自动搞定 XML。


JSON 描述 6 种段落类型

类型作用例子
text正文段落{"type": "text", "content": "步骤S1:..."}
heading小标题{"type": "heading", "content": "4.2 技术侧"}
formula独立数学公式{"type": "formula", "omml": "...", "num": 1}
inline行内公式混排{"type": "inline", "parts": ["其中,", {omml}, " 为变量"]}
image插图(含流程图){"type": "image", "path": "flowchart.png"}
empty空行{"type": "empty"}

数学公式用 Office 原生的 OMML 格式(不是 LaTeX),这样输出的 .docx 公式在 Word 里可以直接编辑。


流程图:Mermaid → PNG → 插入文档

mermaid(源文件)→ mmdc 渲染 → PNG → 自动插入 .docx

AI 写 Mermaid 语法,脚本自动渲染成高清 PNG,再通过 JSON 的image类型注入文档。流程图节点和第4.2节的步骤编号(S1、S2…)一一对应。


增量修改:不用重头来

改某个章节?只改patent_content.json里对应的段落,再跑一次 builder + pack,不需要重新分析和撰写。


一句话总结

patent-writing Skill = AI理解输入 + AI写专利语言 + 代码引擎生成规范Word文档

你提供素材,它负责翻译成专利能看懂的语言,然后自动打包成能交给专利代理人的文件。

http://www.jsqmd.com/news/780931/

相关文章:

  • GitHub Awesome-AITools:AI工具资源导航与高效使用指南
  • 强化学习目标量化与动态调节的工程实践
  • 工业控制系统安全补丁管理:IT与OT差异、实战流程与深度防御
  • GPT-4V多模态AI应用实战:从零样本分类到实时视频分析
  • 第二部分-Docker核心原理——09. 联合文件系统(UnionFS)
  • Valyu AI Skills:为AI智能体注入多源信息检索与处理能力
  • 别再只发脉冲了!用STM32串口玩转MKS SERVO57D闭环步进电机,保姆级MODBUS-RTU配置教程
  • 游戏开发中的3D物理模拟与运动轨迹生成技术
  • Cortex-M0+移位与逻辑运算指令优化指南
  • Qt5.7.1项目里,不用QTextToSpeech,怎么用Windows自带的SAPI.SpVoice实现TTS?
  • 大语言模型并行训练与跨语言推理核心技术解析
  • 大语言模型行为评估:上下文一致性与事实准确性实践
  • ECS架构解析:从数据驱动到游戏开发实战
  • 第二部分-Docker核心原理——11. 容器存储原理
  • Python 开发者五分钟上手 Taotoken 多模型调用教程
  • Arm CoreLink MHU-320AE寄存器编程与安全机制详解
  • PINGPONG基准:评估AI模型多语言代码理解能力
  • 强化学习在物理奥赛解题中的应用与优化
  • ARM VCMLA指令解析:向量复数乘加的硬件加速技术
  • LangChain生态实战指南:从Awesome列表到AI应用开发
  • 嵌入式开发避坑:W25Q64 Flash跨页读写代码实战(附完整C语言示例)
  • G-Helper深度解析:华硕笔记本性能调优的轻量化终极解决方案
  • 08-MLOps与工程落地——特征存储:Hopsworks
  • 避开这些坑!在Windows和Linux上编译open62541 OPC UA项目的完整指南
  • 【AI 健康毕设】基于可穿戴传感数据的睡眠质量分析与改善建议系统:PyTorch、FastAPI、Vue、MySQL
  • spacy-llm:将大语言模型无缝集成到spaCy NLP框架的工程实践
  • 多语言代码转换数据集构建与评估实践
  • 多智能体强化学习中的上下文合作机制解析
  • CasaOS应用商店深度解析:从Docker Compose原理到社区贡献实战
  • 数据清洗实战:用OpenRefine的‘文本归类’和‘自定义归类’功能,5分钟清理上万条用户标签