企业官网建设流程全解析

专利审查答复指南：patent-disclosure-skill 为何检索失败也能出草稿

【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

写给新手的一句话总结：patent-disclosure-skill的审查答复模块（模式 D）采用「标签检索 + 可选向量检索」的混合设计——向量模型没配、超时、报错都不影响主流程，系统会自动降级回退到标签过滤，照样能生成一份可供人审的审查意见答复草稿。

先说痛点：审查意见一来，经验在哪找？

收到第一次审查意见通知书（OA），你要做的其实是三件事：翻旧案、对法条、想策略。但你的历史答复散落在 PDF、聊天记录和脑子里，临时抱佛脚效率极低。

patent-disclosure-skill 把这条链路自动化了：

1. 入库：历史通知书与答复自动脱敏，写入 Obsidian 案例库，并打上法条、缺陷类型等标签；
2. 检索：对新通知书先做标签过滤，若启用了向量模型，再叠加本地轻量向量相似度检索（相当于外挂一套属于自己的 RAG 知识库）；
3. 成稿：交大模型逐条起草意见陈述，落盘为时间戳草稿，人审后才递交。

整个流程细则见 prompts/oa/respond_office_action.md，运行时路径约定见 docs/oa/README.md。

标签检索：按法条与缺陷精准过滤，始终可用

每个案例入库时会按 references/schemas/oa_case.schema.yaml 打上结构化 frontmatter：statutes（引用法条）、defect_types（创造性/清楚性等缺陷）、patent_type、domain、tags。

检索时，tools/oa/search_cases.py 支持--statute、--defect、--domain、--tag等过滤参数。它的过滤逻辑写在 tools/oa/store.py 的_filter_case_ids中，而且有个「保底」细节：若过滤后一个都没命中，会自动放宽到全库取 Top-K（见 tools/oa/store.py），保证永远有结果可用。

这意味着：哪怕你的标签打得不够细，草稿链路也不会断。

向量检索：可选的"增强项"，而非必需品

向量检索在本技能中是默认关闭的增强能力，底层是本地 sqlite-vec 向量库（data/oa_vectors.sqlite），案例按 chunk 分块入库，检索时做 KNN 排序。

启用与关闭都很轻量：

# 跳过向量，只用标签（默认友好路径） python tools/oa/config.py skip-vector # 或配置 embedding 模型（写入文档目录，Key 单独存 secrets） python tools/oa/config.py set --preset zhipu --api-key "sk-..." python tools/oa/config.py selftest

配置模板种子在 docs/oa/embedding.config.yaml，默认vector_enabled: false；换模型后需人工确认再重建索引：python tools/oa/rebuild_vectors.py --confirm。

关键设计：三种检索状态，失败自动回退

打开 tools/oa/search_cases.py 会看到输出里的retrieval_mode只有三种取值：

关键就一句话（原文约束）："向量超时/失败时不得中断：用标签结果继续生成草稿。"同时 tools/oa/store.py 中的search()在向量表异常、chunk 为空等所有分支上也都兜底到search_by_tags——双保险，检索这一步永远不会把流程卡死。

每条命中结果还会附带diff字段（法条、缺陷、领域与查询的逐字段差异），提示模型在草稿中写清楚「为何可参考 + 差异在哪」，而不是生搬硬套。

五分钟跑通：最小演练案例

仓库自带一套虚构且已脱敏的极简样例：2 篇历史案 + 1 份待答复通知书，结构如下（详见 examples/example_oa_response/README.md）：

• cases/history/hist-inventiveness-clamp.md：创造性缺陷 + 修改后授权
• cases/history/hist-clarity-connector.md：清楚性缺陷 + 仅意见陈述
• pending/oa_notice_pending.md：卡扣装配结构的待答复通知书

冒烟三步走：

python tools/oa/config.py skip-vector python tools/oa/ingest_case.py -i examples/example_oa_response/cases/history/hist-inventiveness-clamp.md --skip-redact python tools/oa/search_cases.py --query-file examples/example_oa_response/pending/oa_notice_pending.md \ --defect inventiveness --statute "专利法第22条第3款" --top-k 3

或直接对 Agent 说一句「审查答复：先入库cases/，再用pending/oa_notice_pending.md出草稿；向量可跳过」即可。

常见误区与避坑清单

• ❌必须配向量才能用：向量纯属增强，skip-vector后标签检索照样出草稿；中途想开也随时能开并重建索引。
• ❌草稿可直接递交：产出只是草稿，引用历史案时须附case_id与差异说明，必须人审后再递交。
• ❌让 Agent 瞎编引用：案例库为空时，流程只输出提纲 + 策略选项，明确禁止假装引用历史案。
• ✅扫描件几乎无字：工具会提示extracted_text_too_short，换可复制文字的 PDF 或先 OCR，也不要让用户手抄通知书。

小结

patent-disclosure-skill 的审查答复模块把「标签检索」做成地基、「向量检索」做成可选楼层：地基永远在场，楼层坏了不影响使用——这正是它失败也能出草稿的答案。

想深入了解？推荐两条路径：交底书与解读总入口 SKILL.md，审查答复工具与配置 tools/oa/README.md；若案例库想配合 Obsidian 看板与关联图谱使用，安装指南见 docs/obsidian-setup-guide.md。

【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