专利交底书文档扫描的完整流程：patent-disclosure-skill 的 Step 2 开关位与避坑指南

【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

如果你刚拿到patent-disclosure-skill这个仓库（clone 地址：https://gitcode.com/GitHub_Trending/pa/patent-disclosure-skill），本文只讲一件事：专利交底书流水线里 Step 2「项目文档扫描」到底怎么扫、哪些动作必须先经用户点头、扫完产出什么。规范定义在skills/patent-disclosure/prompts/project_scan.md，配套脚本都在skills/patent-disclosure/tools/下，按本文顺序执行即可复现。

先看全局：三个开关位怎么设

Step 2 的安全模型可以概括为一句话：轻操作自主放行，重操作默认关、显式确认。所谓"开关位"，就是每个高风险动作都留了两个检查点——命令行开关和环境变量，两者都没有时操作直接被拒。

贯穿全文的概念就一个：先问开关位，再动手。下面按操作时序展开。

按优先级扫描，只读"可专利化"浓度高的文件

扫描不是通读整个仓库，而是按project_scan.md里的四档优先级排序取材：

三条执行纪律：

• 大仓库先用关键词搜索定位候选文件再精读，不要从根目录逐层通读；
• 随手记录引用路径，交底书里写"参见某设计"时做脱敏表述，不暴露源码路径；
• 跳过node_modules/、dist/、build/等目录，也不要扫用户未指定的整个仓库。

裸图目录（如sample_assets/下的独立.png）默认不逐个打开识别——Office 文档转换时嵌入图已被抽取，重复识图是浪费。例外只有两种：用户点名了某张图，或该图被 schema 的source_images明确引用，属于必须识图的附图素材。

Office 与 PDF 文档：强制先转 Markdown 再读

这是 Step 2 唯一的"强制开"项：扫描根内出现.docx/.pptx/.pdf，必须先转换再读，禁止因为"读文本更省事"而漏掉它们——方案讨论和评审结论恰恰藏在 Word 和 PPT 里。前置依赖只需一次：

pip install -r requirements.txt

用途：安装mammoth、python-pptx等转换依赖（在仓库根目录执行）。随后对每个文件：

python skills/patent-disclosure/tools/docx_to_md.py -i "<路径>/<名>.docx" -o "<同目录>/<名>.md"

用途：把 Word 转成 Markdown，内嵌图片逐个抽出为img_0001.jpg之类的文件并用相对路径引用。

python skills/patent-disclosure/tools/pptx_to_md.py -i "<路径>/<名>.pptx" -o "<同目录>/<名>.md"

用途：把 PPT 按页导出为「第 N 页」小节，递归展开组合形状，表格转 Markdown 表格，演讲者备注写入「备注」小节——这两类是常被漏掉的专利素材富矿。

python skills/patent-disclosure/tools/pdf_to_md.py -i "<路径>/<名>.pdf" -o "<同目录>/<名>.md"

用途：PDF 可选转换，需另装pip install -r skills/patent-disclosure/tools/requirements-pdf.txt（pymupdf）；未装时按脚本提示处理，不得改读二进制 PDF。

转换产出旁的{md 主名}_media/目录存放抽取图，之后以生成的.md正文与图片引用为扫描依据，与原有.md、代码同等对待。注意格式前提：脚本只认 OOXML 新格式，旧版.doc/.ppt须先在 Office / WPS 里另存为再走流程。

⚠️ CAD / STEP 解析：默认关的门禁，放行条件最严格

扫描树内可能有 CAD 文件时，先跑一个轻量分类脚本（无重依赖）：

python skills/patent-disclosure/tools/cad_scan.py -r "<扫描根>" --json

用途：把扫描根（可重复-r）下的三维文件按后缀分为四类并给出建议动作；初次 Step 2 与多轮补材料后都要再跑。

输出的 JSON 里，action字段决定后续行为（分类逻辑在tools/cad_formats.py，判定在tools/cad_scan.py的recommend_action）：

后缀分类的边界要记住：.step/.stp是唯一可解析目标；.sldprt、.ipt、.prt、.catpart、.dwg等原生厂商格式本技能不直接解析；.stl/.3mf/.obj网格只单独列出、弱提示。

用户回复「是」之后，命令序列分三步：

python skills/patent-disclosure/tools/cad_venv.py

用途：探测名为cad-env的隔离虚拟环境（要求 Python 3.10–3.12）；输出 JSON 的ok为 true 就跳过安装。

python skills/patent-disclosure/tools/bootstrap_cad_venv.py

用途：ok不为 true 时执行，把 CadQuery 装进隔离 venv（执行前先向用户说明会耗时较久）；禁止把 CadQuery 装进主环境。

python skills/patent-disclosure/tools/run_step_to_views.py --enable-step-parse \ -i "<path/to/model.step>" -o "outputs/{案件标识}/cad_views"

用途：正式转换。--enable-step-parse缺省时脚本输出step_parse_disabled并以退出码 3 拒绝，这是门禁在源码层的双重保险之一（另一个是环境变量PATENT_SKILL_STEP_PARSE=1）。

转换产出落在输出目录里：views/下是 iso / front / top / right 四个标准投影的 SVG（有 Cairo 或无头浏览器时另有 PNG），外加assembly_tree.yaml（装配树）、structure_schema.seed.yaml（部件表种子）、figure_plan.seed.yaml（附图计划种子）和一份 manifest。种子文件里 CAD 条目统一标kind: cad、use_in_disclosure: false——CAD 投影永远只是生图材料，不得当线稿入文。

验证手段有三处：测试tests/test_cad_step_scan.py断言parse_enabled(False)返回False（默认关）、断言tests/fixtures/cad/demo_snap_plate.step必然触发ask_enable_step_parse、断言 seed 中 CAD 条use_in_disclosure为false；运行时验证看退出码（3 = 未放行）与 JSON 的error字段。用户回「否」则记录决定、保留已交付稿，回复末尾可留一句"日后可导出 STEP 再开"。

线稿门禁：默认开，但件号对齐是硬约束

外观与实用新型的案件在成文前必须有入文线稿，这一步默认开启、不问用户，只有用户明确拒绝或设了PATENT_SKILL_SKIP_LINEART=1才整段跳过。线稿来源只有两条：材料里已有合格kind: lineart，或大模型生成（图生图，失败降级为文生图）。

先跑规划脚本确定走哪条路：

python skills/patent-disclosure/tools/image_gen.py --case-dir "outputs/{案件标识}"

用途：读案件目录，判定existing_lineart/img2img/txt2img三种模式之一。

结构线稿多一道件号对齐校验，门禁脚本是：

python skills/patent-disclosure/tools/structure_lineart_gate.py \ --case-dir "outputs/{案件标识}" --prepare-jobs

用途：校验structure_lineart_brief.yaml后写出lineart_assist/structure_lineart_jobs.json。校验逻辑（validate_brief）防的是"模型自创件号"：parts_legend里每个 id 必须存在于structure_schema.parts且名称一致，视图的visible_part_ids必须落在已知件号内，callout_mode只接受overlay/in_prompt/contour_only三值；校验不过以退出码 2 拒绝。序号层推荐overlay模式——先出纯轮廓，再用tools/structure_callout_overlay.py按部件表叠引出线，禁止让生成模型直接画件号。

外观侧对应脚本是tools/design_lineart_gate.py（用法同上）：它不强制"有图"——brief 的source_paths为空时允许走文生图，但只要填了路径就必须真实可读，缺图即报源图不存在。测试tests/test_design_lineart_gate.py覆盖了"默认开、skip 生效、空 source_paths 可过、有图时 job 带reference_images"四类断言。

收口：figure_plan.yaml 是唯一附图合同

扫描与线稿的产出最终都收敛到一份figure_plan.yaml（规范见references/schemas/figure_plan.schema.yaml）：每张候选图经识图打分后写入path、role、kind、relevance、quality、score、use_in_disclosure、reason等字段。后续成文与迭代只读这份清单中use_in_disclosure: true的条目，不再回assets/里临场挑图。硬规则有两条：入文图必须有唯一正整数fig且从 1 连续编号；kind: cad的条目禁止use_in_disclosure: true。合格的入文线稿须满足kind: lineart且score>=70。

以仓库自带的外观光照台灯示例（skills/patent-disclosure/examples/example_design_desk_lamp/knowledge/）为例：

assets/里的正投影、立体图与实拍须逐张识图打分填appearance_schema并写出figure_plan.yaml；场景图（棚拍、包装）默认低优先级，只作reference不入文。

Step 2 的完整交付物就是三样：材料摘要（含 Office 转换 MD 的引用）、引用路径记录（供脱敏）、figure_plan.yaml草稿。它们直接作为 Step 3 之后专利点挖掘、Step 5 查新与各类型disclosure_builder.md成文的输入；多轮补材料后重跑cad_scan与线稿门禁，保持清单同步。

速查表

【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