PatentClaw：用多 Agent 把 LaTeX 论文转成中国专利交底书

2026-09-10 12:36 0 阅读

从论文到专利，中间缺了什么？

科研人员写完一篇论文，常常发现里面藏着值得申请专利的技术点。但要把这些内容转化成一份合格的中国发明专利技术交底书，却不是简单复制粘贴就能搞定的事。

交底书需要清晰描述技术问题、解决方案、具体实施方式，还要有可验证的实验数据或算法细节。更麻烦的是，专利代理人往往不熟悉论文里的专业术语或数学推导，沟通成本很高。而如果发明人自己写，又容易遗漏关键要素，或者不小心加入论文里根本没有的内容——这在专利审查中可是大忌。

PatentClaw 就是为解决这个问题而生的。它不是一个通用写作助手，而是专门针对“LaTeX 科研论文 → 中国发明专利交底书”这一路径设计的自动化流水线。

PatentClaw 的核心是五个分工明确的智能体（Agent），它们像一个小型专利撰写团队一样协同工作：

这种分工避免了单个模型试图一次性完成所有任务时容易出现的逻辑混乱或信息遗漏。更重要的是，每个环节都严格绑定原始论文内容，不会凭空添加参数或结果。

很多 AI 写作工具的问题在于“幻觉”——比如论文只提到“准确率提升”，AI 却自作主张写成“准确率从 85% 提升至 92%”。PatentClaw 通过“证据映射”机制杜绝这类风险。

工具在解析 LaTeX 文件时，会给每个关键元素分配唯一编号：

当交底书中引用某个技术细节时，会自动标注对应的证据编号。例如：“如 Eq-3 所示，损失函数引入了动态权重项……” 这样，后续无论是发明人自查还是代理人审核，都能快速回溯到原始依据。

如果某处描述在论文中找不到支撑，系统不会强行编造，而是标记为“阻塞项”，提示用户补充材料或确认是否属于合理概括。

生成初稿只是第一步。PatentClaw 的另一大模块 PatentReviewer 才是质量保障的关键。

Reviewer 并非泛泛地“检查错别字”，而是执行一套覆盖 13 个维度的固定检查表，共 30 项具体规则。这些规则分为两类：

18 项确定性规则：可通过程序直接判断，比如“权利要求要素是否在说明书中有支持”“实施例是否包含必要技术特征”“是否出现绝对化用语如‘最佳’‘唯一’”。
12 项语义检查：需调用大模型进行上下文理解，例如“技术问题描述是否与背景技术矛盾”“效果描述是否超出实验数据范围”。

每项检查都有明确的通过/失败标准。一旦某项未通过，系统不会整体重写，而是启动一个“问题专用 Agent”，只针对该字段生成局部修改补丁。比如，如果“技术效果”部分被判定夸大，就只重写那一段，其他内容保持不变。

修改后，Reviewer 会重新跑一遍完整检查表，形成多轮闭环，直到全部通过或达到预设轮数上限。

对于涉及知识产权的工作，过程可追溯至关重要。PatentClaw 在整个流程中保留了完整的操作记录：

这些信息被打包成结构化产物，支持导出为 JSON（便于程序处理）、Markdown（方便阅读）和 DOCX（直接交付代理人）。发明人可以快速定位哪部分内容被修改过，为什么修改，依据是什么。

PatentClaw 支持两种运行模式：

本地离线模式：所有处理在用户机器上完成，适合处理涉密或未公开的科研成果。依赖 Python 3.10+ 环境，安装后即可运行 latex2disclosure 命令。
在线 API 模式：通过配置 OpenAI 兼容的 API 密钥（如 Azure OpenAI、Moonshot、DeepSeek 等），利用云端大模型提升语义理解能力，适合对生成质量要求更高的场景。

Loomy

此外，Generator 和 Reviewer 模块均可作为独立的 FastAPI 服务部署，方便集成到高校知识产权管理系统或企业研发平台中。

市面上已有类似 Idea2PatentAI 这样的产品，但定位差异明显：

输入不同：Idea2PatentAI 要求用户输入约 500 字的发明描述，适合从零开始构思；PatentClaw 则直接吃进完整的 LaTeX 论文，适合已有研究成果的转化。
输出不同：前者生成美国临时专利草案，后者专注中国发明专利交底书，格式和内容要求完全不同。
审查机制：Idea2PatentAI 主要靠引导式提问补全信息，缺乏系统化的检查规则；PatentClaw 的 30 项检查表是硬性约束，且支持多轮闭环修正。
证据追溯：这是 PatentClaw 独有的功能，确保技术描述与原始论文严格对齐。

换句话说，PatentClaw 不是帮你“想点子”，而是帮你“把已有的东西规范地写出来”。