mPAPA：本地运行的全自动专利代理工作流系统\n\n## 项目定位与核心价值\n\n专利申请是创新成果保护的关键环节，但专业服务的高昂成本往往让个人发明者和小型团队望而却步。mPAPA（my Personal Artificial Patent Agent）试图通过本地 AI 工作流，将专利代理的核心服务"平民化"——在保护数据隐私的前提下，提供从检索到撰写的全流程自动化支持。\n\n## 九步工作流全景\n\nmPAPA 将复杂的专利代理工作拆解为九个连续步骤，每个步骤由专门的 AI 模块负责执行：\n\n### 第一步：发明披露理解\n\n系统接收用户的发明描述，通过自然语言处理提取技术领域、核心创新点、技术问题和技术方案等关键信息。这一步的质量直接影响后续所有环节，系统会通过澄清问题确保对发明的准确理解。\n\n### 第二步：技术领域分析\n\n基于发明披露，AI 确定相关的国际专利分类（IPC/CPC）代码，识别最接近的技术领域和潜在的应用场景。准确的分类定位是有效检索的基础。\n\n### 第三步：现有技术检索\n\n这是专利代理工作中最耗时的环节。mPAPA 自动生成多组检索式，在专利数据库中进行系统性检索，收集相关专利文献、学术论文和技术报告。检索策略包括关键词组合、分类号限定、引用关系追踪等多种技术手段。\n\n### 第四步：现有技术筛选与分析\n\n面对检索到的大量文献，系统自动进行相关性排序和摘要提取，识别出与发明最接近的对比文件。这一步需要理解各文献的技术方案，并与本发明进行逐项对比。\n\n### 第五步：新颖性评估\n\n基于对比文件，AI 进行严格的新颖性判断。系统逐条分析权利要求，检查是否存在被现有技术公开的要素。新颖性评估遵循专利审查标准，识别潜在的驳回风险点。\n\n### 第六步：创造性评估\n\n即使具备新颖性，发明还需要满足创造性（非显而易见性）要求。mPAPA 分析现有技术的组合启示，评估本发明对本领域技术人员是否显而易见。这一步通常需要跨文献的技术特征组合分析。\n\n### 第七步：市场潜力分析\n\n超越纯法律视角，系统进一步评估发明的商业前景。分析维度包括：目标市场规模、竞争格局、技术成熟度、商业化路径和潜在收益估算。这部分内容为申请决策提供商业参考。\n\n### 第八步：专利策略建议\n\n综合前述分析，系统提出专利申请策略建议：申请类型选择（发明/实用新型）、地域布局方案、权利要求范围设定、以及申请时机建议。策略制定需要平衡保护范围与授权前景。\n\n### 第九步：完整专利文档生成\n\n最后一步输出完整的专利申请文件，包括：说明书（技术领域、背景技术、发明内容、附图说明、具体实施方式）、权利要求书、摘要以及必要的附图描述。文档格式符合专利局提交规范。\n\n## 本地优先架构\n\nmPAPA 坚持完全本地运行的设计理念，这一选择具有多重考量：\n\n### 数据隐私保护\n\n发明披露往往包含敏感的技术细节和商业信息。本地处理确保这些核心知识产权数据不会离开用户设备，从根本上消除数据泄露风险。\n\n### 成本可控\n\n无需调用付费 API 或订阅专业服务，运行成本仅限于本地计算资源消耗。对于需要多次迭代的专利撰写工作，成本优势尤为明显。\n\n### 可定制性\n\n开源架构允许用户根据自身需求调整工作流，例如针对特定技术领域优化检索策略，或根据目标国家调整文档格式。\n\n## 技术实现要点\n\n系统可能采用的技术栈包括：本地大语言模型（通过 Ollama 或类似工具运行）、向量数据库（用于专利文献的语义检索）、以及工作流编排框架（管理九步流程的执行和状态传递）。\n\n## 使用场景与目标用户\n\nmPAPA 特别适合以下场景：\n\n个人发明者：拥有创新想法但缺乏专利知识的独立发明人，可以通过 mPAPA 快速了解发明的可专利性和申请前景。\n\n小型研发团队：资源有限的初创公司或研究团队，可以在正式委托代理前完成初步的专利评估和文档准备。\n\n专利教育：作为学习工具，帮助理解专利代理工作的完整流程和各环节的技术要点。\n\n## 局限与使用建议\n\n需要明确的是，mPAPA 生成的内容应作为专业代理工作的起点而非替代。专利申请涉及复杂的法律判断和策略选择，最终文件建议由专业代理人审核。此外，检索范围可能受限于本地可访问的数据源，重要申请仍建议补充专业数据库检索。\n\n## 开源意义\n\nmPAPA 代表了 AI 在专业服务领域 democratization（民主化）的趋势。通过开源共享，它不仅提供了一个实用工具，更展示了如何将复杂的专业工作流拆解为可自动化的 AI 任务序列，为其他领域的自动化代理开发提供了参考范式。