企业官网建设流程全解析

• AI 技能/插件
• AI 评测
• 科研
• 人工智能
• MCP 服务
• dsh-plugin

本文是 ARIS（Auto-Research-In-Sleep）技能包中 prior-art-search 技能使用的共享参考（prior-art-databases.md），面向在专利与论文写作流程中需要做现有技术检索的用户。它系统梳理了免费可用的专利数据库与学术文献数据库（非专利文献 NPL）、IPC/CPC 分类体系的结构与检索策略，并给出五步搜索协议与标准化的记录输出模板。读完本文，你可以直接套用这套检索协议完成专利查新、可专利性评估（配合 patent-novelty-check）以及自由实施权（FTO）的初步排查，并能把检索结果与 ARIS 仓库中的 arXiv、Semantic Scholar、OpenAlex 检索工具及反幻觉验证管线无缝衔接。

一、这份指南在 ARIS 技能体系中的位置与使用时机

在 ARIS 的 Markdown-only 技能结构中，prior-art-databases.md是一份共享参考（shared reference），本身不独立执行，而是被上层技能按需加载。prior-art-search 在 "Shared References" 一节明确规定：Load ../shared-references/prior-art-databases.md for search strategy templates and IPC/CPC classification guidance，即执行现有技术检索时，先用本指南确定检索哪些数据库、用什么分类代码、按什么顺序搜、结果如何记录。

根据原文档的 "When to Read" 部分，以下三种场景应读取本指南：

• 执行现有技术检索（prior art search）时——无论是专利还是文献检索；
• 为专利构造检索式时——需要把发明描述转化为关键词、分类代码与申请人/发明人组合查询；
• 按 IPC/CPC 代码对检索结果进行分类整理时——用于看清技术全景，而不只是罗列结果。

在完整链路中，prior-art-search产出patent/PRIOR_ART_REPORT.md，随后 patent-novelty-check 以该报告为输入做新颖性（Anticipation）与创造性（Obviousness）分析，最终形成patent/NOVELTY_ASSESSMENT.md。本指南处于这条专利流水线的最前端，决定了"往哪搜、搜多全"。

二、专利数据库（免费、网页可访问）

原文档明确强调所有专利数据库均为免费、网页可访问，不要求注册即可完成大部分检索。在 ARIS 技能中，这些数据库通过WebSearch与WebFetch两类工具接入：WebSearch负责关键词级发现（典型写法是WebSearch "site:patents.google.com [keywords]"），WebFetch负责抓取具体专利页面或检索结果页的结构化信息。

2.1 Google Patents

• 域名：patents.google.com
• 覆盖范围：美国（US）、欧洲（EP）、中国（CN）、WIPO、日本（JP）、韩国（KR）等 100+ 司法辖区
• 检索语法：全文检索，并支持inventor:、assignee:、CPC:、before:、after:等字段限定符
• 优势：免费数据库中最强的全文检索能力；自动翻译 CN/JP/KR 专利文本；自动进行专利族（family）分组
• 劣势：无法律状态（legal status）数据；与官方数据库相比可能滞后数周

技能中的用法：prior-art-search明确把 Google Patents 作为首选专利数据源，检索式模板为：

WebSearch: "site:patents.google.com [keywords]" WebSearch: "[keywords] patent"

要点包括：每个检索概念都要尝试"核心关键词 + 技术问题关键词"组合；无论目标辖区是哪里都先用英文检索；对于中国发明，再用中文关键词补一轮WebSearch。

2.2 Espacenet（EPO）

• 域名：worldwide.espacenet.com
• 覆盖范围：来自 100+ 专利局的 1.5 亿+ 专利文献
• 检索语法：Classification=(CPC/IPC)、Applicant=、标题/摘要/权利要求全文
• 优势：覆盖最全的免费数据库；机器翻译；经 INPADOC 提供法律状态数据
• 劣势：界面不够直观，部分功能需要注册
• 技能中的用法：通过WebFetch worldwide.espacenet.com/search抓取关键查询的结果页；按预测的 IPC/CPC 分类代码检索是 Espacenet 的典型用法（与 Google Patents 的关键词优先互补）。

2.3 CNIPA 专利检索（中国及多国专利审查信息查询）

• 域名：pss-system.cponline.cnipa.gov.cn（或同类入口）
• 覆盖范围：中国专利（CN），是中国专利申请的权威来源
• 优势：官方数据、全中文文本、审查状态信息
• 劣势：界面仅中文，国外覆盖有限
• 技能中的用法：针对中国专项检索时通过WebFetch访问。这与prior-art-search中"检索目标辖区语言（中国发明用中文检索）"的规则直接对应。

2.4 USPTO 专利全文数据库

原文档将 USPTO 拆成三个互补入口：

• PatFT：美国已授权专利（granted patents）；
• AppFT：美国已公开申请（published applications）；
• PAIR：美国专利申请审查过程（prosecution history），域名patentcenter.uspto.gov。

技能中的用法是针对具体美国专利号用WebFetch获取详情，用于验证美国专利的存在性与状态。

2.5 WIPO PATENTSCOPE

• 域名：patentscope.wipo.int
• 覆盖范围：PCT 国际申请（WO 公开文本）
• 优势：完整 PCT 申请全文；CLIR 跨语言检索（Cross-Lingual Information Retrieval）
• 技能中的用法：通过WebFetch获取 PCT 申请文本。

三、学术文献数据库（非专利文献 NPL）

原文档特别强调：学术论文同样是现有技术。专利法语境下的现有技术包含优先权日之前公开的一切信息，论文对新颖性与创造性（inventive step）审查同样有效。原文档给出了如下数据源总表：

说明：上表覆盖数据来自原文档与 research-lit 的 Source Table；具体 API 能力以仓库内工具实现为准（见下文第七节）。

原文档提示的决策逻辑（在 citation-discipline 中有更完整的版本）：

需要检索 ML 论文 -> Semantic Scholar / DBLP 已有 DOI -> CrossRef 内容协商 只有 arXiv 线索 -> arXiv + CrossRef / Semantic Scholar 交叉验证 需要第二个验证来源 -> OpenAlex / Semantic Scholar / arXiv

同时 citation-discipline 对 Google Scholar 给出明确约束：不要把手动在 Scholar 里"找到"当作干净、可信、结构化的元数据——Scholar 定位是发现入口，验证必须走结构化 API。

在prior-art-search技能中，学术文献检索按此顺序执行：

1. Google Scholar（WebSearch）：WebSearch "[keywords] site:scholar.google.com"；
2. arXiv（若有/arxiv技能则复用，否则 WebSearch）：检索预印本；
3. Semantic Scholar（若配置了 API 密钥则走/semantic-scholar，否则 WebSearch）。

每条相关论文记录需要提取：标题、作者、发表载体（venue）、年份、核心贡献。

四、IPC/CPC 分类体系：读懂专利"坐标"

IPC（国际专利分类）与 CPC（合作专利分类）将专利按层级组织，是专利检索绕不开的坐标系。

4.1 层级结构

原文档用A 61 K 39 / 395这个经典例子展示五级结构：

A 61 K 39 / 395 │ │ │ │ │ │ │ │ │ └─ Subgroup（小组，最具体） │ │ │ └─ Group（组） │ │ └─ Subclass（小类） │ └─ Class（大类） └─ Section（部：A=人类生活必需，B=作业、运输，C=化学、冶金，D=纺织、造纸，E=固定建筑物，F=机械工程，G=物理，H=电学）

4.2 软件 / 机器学习发明最相关的分类（Section G 与 H）

原文档列出了对软件与 ML 发明最常用的分类：

• G06F：电数字数据处理
• G06N：基于特定计算模型的计算机装置（AI/ML）
• G06K：数据识别；数据表示
• G06T：图像数据处理或生成
• G06Q：用于商业/金融/行政的数据处理系统
• H04L：数字信息的传输（网络）
• H04N：图像通信（视频、图像）

在prior-art-search的 Step 1（Extract Search Concepts）中，技能会要求从发明描述中预测相关 IPC/CPC 分类（例如 G06N、G06F），这正是本节的直接应用。

4.3 基于分类的检索策略

原文档给出的四步分类检索策略：

1. 从发明描述中确定相关 IPC/CPC 大类；
2. 在这些大类内做定向检索；
3. 向父级/子级分类扩展以获得更广覆盖；
4. 将分类限定检索与关键词检索结合使用。

五、五步搜索策略模板

对每一项发明，prior-art-search按原文档定义的标准协议执行五步检索：

Step 1：关键词检索

Primary: [核心发明构思关键词] Secondary: [技术问题关键词] Tertiary: [优势/特征关键词]

Step 2：分类检索

IPC/CPC: [已确定的分类代码] Cross-reference: [相关分类代码]

Step 3：申请人/发明人检索

Key assignees: [该领域已知的公司/高校] Key inventors: [该领域已知的研究者]

Step 4：引证分析

• 正向引证（Forward citations）：谁引用了最接近的现有技术？
• 反向引证（Backward citations）：最接近的现有技术引用了谁？

Step 5：专利族分析

• 按专利族分组（同一发明在不同司法辖区的申请）；
• 只需对族中最相关的成员做详细分析。

prior-art-search技能对检索过程的工程化约束还包括：

• MAX_PATENT_RESULTS = 20——最多详细分析 20 件专利文献；
• MAX_PAPER_RESULTS = 15——最多详细分析 15 篇学术论文；
• SEARCH_YEARS = 10——回溯 10 年；
• PATENT_DATABASES = "google-patents, espacenet"——专利数据库组合。

六、输出格式：每条现有技术的标准记录模板

原文档要求对每条检索到的现有技术按固定表格记录，这一模板在prior-art-search的最终报告patent/PRIOR_ART_REPORT.md中落地：

| Field | Content | |-------|---------| | Reference ID | [专利号或论文 DOI] | | Type | Patent / Paper / Other | | Title | [完整标题] | | Date | [公开/优先权日] | | Assignee/Authors | [权利人/作者] | | IPC/CPC | [分类代码] | | Key Teaching | [它教导了什么，2-3 句] | | Relevant Claims | [相关权利要求，若为专利] | | Overlap Risk | HIGH / MEDIUM / LOW | | Relationship | [Anticipating / Relevant / Background] |

其中的Overlap Risk三档判定在技能层有更明确的定义：

• HIGH：预判了（anticipates）权利要求中的一个或多个要素；
• MEDIUM：披露了相关但不同的方案；
• LOW：同一大领域、不同方案。

而Relationship三档（Anticipating / Relevant / Background）用于区分"直接占先"、"相关"与"仅背景"。此外，prior-art-search的 Step 5 会基于这些结果做初步自由实施权评估（FTO）：识别权利要求可能覆盖本发明的专利、标记已过期（进入公有领域）的专利、指出权利要求范围重叠显著的领域——并明确声明这只是初步评估，正式 FTO 分析应由专利律师完成。

七、学术文献检索的工程化实现：ARIS 仓库中的检索工具

原文档的学术数据库表中标注了多个 API 入口，ARIS 仓库为此提供了对应的 Python CLI 工具，全部位于 tools/ 目录：

7.1 arXiv：tools/arxiv_fetch.py

arxiv_fetch.py 是 arXiv 官方 API（export.arxiv.org/api/query）的 CLI 封装，支持两个子命令：

• search：按查询或 arXiv ID 检索，输出 JSON 结构化元数据（标题、摘要、完整作者列表、分类、日期）；
• download：按 arXiv ID 下载 PDF 到本地目录。

典型用法（与 research-lit 中的调用一致）：

python3 tools/arxiv_fetch.py search "attention mechanism" --max 10 python3 tools/arxiv_fetch.py download 2301.07041 --dir papers

从源码可以看到几处与检索纪律直接相关的实现细节（arxiv_fetch.py）：

• UA 标识：发送描述性 User-Agent，读取ARIS_VERIFY_EMAIL环境变量作为联系邮箱，可进入 arXiv 更宽容的限流池；
• 429/限流重试：最多 3 次退避重试，处理 HTTP 429 与Rate exceeded.纯文本响应；
• PDF 校验：下载后校验文件大小（≥ 10 KB）与%PDF-魔数头，防止把错误页当论文缓存（arxiv_fetch.py）。

7.2 Semantic Scholar：tools/semantic_scholar_fetch.py

semantic_scholar_fetch.py 与 arXiv 工具互补：arXiv 管预印本，S2 管已发表载体论文（IEEE、ACM、Springer 等），并带回引文数、venue 元数据与 TLDR。其过滤参数非常贴合质量优先的检索需求：

python3 tools/semantic_scholar_fetch.py search "semantic communication" --max 10 \ --publication-types JournalArticle --min-citations 10

支持--fields-of-study、--publication-types、--min-citations、--year、--venue、--open-access等过滤项，并读取SEMANTIC_SCHOLAR_API_KEY环境变量（对应原文档表中的 API 标识）。research-lit技能用它填补 arXiv 覆盖不到的 IEEE/ACM 期刊论文。

7.3 OpenAlex：tools/openalex_fetch.py

openalex_fetch.py 是 OpenAlex 开放引用图谱的客户端（api.openalex.org/works），无需 API 密钥即可使用，支持年份、作品类型、开放获取状态、最低引用数等过滤，并支持通过OPENALEX_EMAIL进入 polite pool 提高响应速度。research-lit中它的独特价值是机构归属与资助来源数据以及跨学科覆盖（不止 CS）。

7.4 验证层：verify_papers.py与三层回退

原文档强调"学术论文是有效现有技术"，而 ARIS 对检索到的论文可信度有一套强制验证管线，定义在 citation-discipline 的 "Pre-Search Verification Protocol" 中，由tools/verify_papers.py实现，三层回退：

1. arXiv API 批量验证（每请求最多 40 个 ID）——最廉价权威，优先执行；
2. CrossRef DOI 查询——验证 DOI 可解析；
3. Semantic Scholar 模糊标题匹配——仅在前两层都未命中时执行。

每条候选论文得到四态之一：verified/unverified/verify_pending/error。核心规则（也是prior-art-search的 Key Rules 之一）：

Never fabricate patent numbers or citations. Mark uncertain references with[VERIFY].

未验证论文不得被静默删除，而应带[UNVERIFIED]标记保留在输出中供审计；当幻觉率超过 20% 时向用户暴露high_hallucination_rate警告，提示收窄检索式重跑。

八、从指南到完整工作流：prior-art-search的实际执行路径

综合以上内容，prior-art-search技能把本指南落地为如下六步（详见 prior-art-search/SKILL.md）：

1. 提取检索概念：核心发明构思、技术问题、4-6 个关键技术特征、预测 IPC/CPC 分类；
2. 专利检索：Google Patents（WebSearch）→ Espacenet（WebFetch）→ 申请人/发明人组合检索；对每件潜在相关专利 WebFetch 提取标题、摘要、代表权利要求、申请日、权利人与当前状态，并记录 IPC/CPC 代码；
3. 学术文献检索：Google Scholar（WebSearch）→ arXiv（/arxiv或 WebSearch）→ Semantic Scholar（配置密钥时）——即原文档第三节数据源表的直接应用；
4. 分类与分析：评估相关性、重叠风险（HIGH/MEDIUM/LOW）与关系类型，并按 IPC/CPC 组织结果以呈现技术全景；
5. 初步自由实施权评估：识别潜在障碍专利、过期专利与权利要求重叠区域，并附专业律师复核声明；
6. 输出：写入patent/PRIOR_ART_REPORT.md，包含发明摘要、检索策略、专利文献表、非专利文献表、现有技术全景、FTO 初步评估与建议。

最终报告中的检索策略部分会明确记录：使用过的关键词、检索的 IPC/CPC 分类、覆盖的数据库（Google Patents、Espacenet、Google Scholar、arXiv）与日期范围（距今 N 年）。

九、检索纪律：不可逾越的质量底线

原文档与相关技能共同沉淀了以下硬性规则：

• 绝不编造专利号或引文：不确定的引用一律标记[VERIFY]（prior-art-search Key Rules）；
• 双语言检索：用英文及目标辖区语言检索（中国发明必须补中文关键词）；
• 现有技术定义：优先权日之前公开的一切信息都是现有技术，不仅限专利；学术论文对新颖性与创造性均有效；
• 过期专利仍相关：已过期专利进入公有领域，但仍影响新颖性判断；
• 专利新颖性与研究新颖性不同（patent-novelty-check）：研究新颖性问"有没有人发表过"，专利新颖性问"是否有单篇文献披露了全部权利要求要素"；
• 查新是早期闸门（novelty-check）：判断要校准——既不能放过已被论文占先的想法，也不能因为"领域拥挤"就误杀可行想法；放弃（ABANDON）的唯一资格条件是能点名一篇具体已发表论文已包含该结果。

这套规则与 citation-discipline 的核心原则一致：绝不凭记忆生成引文，验证不了就显式留空并告知用户。本指南提供的数据库清单、IPC/CPC 坐标与五步搜索协议，正是让"显式留空"尽可能少发生、让每个引用都有据可查的第一道工序。

• AI 技能/插件
• AI 评测
• 科研
• 人工智能
• MCP 服务
• dsh-plugin