ARIS 现有技术检索数据库指南：专利与学术文献数据源、IPC/CPC 分类与五步搜索策略

AI 技能/插件AI 评测科研人工智能MCP 服务dsh-plugin【免费下载链接】Auto-claude-code-research-in-sleepARIS ⚔️ (Auto-Research-In-Sleep) — Lightweight Markdown-only skills for autonomous ML research: cross-model review loops, idea discovery, and experiment automation. No framework, no lock-in — works with Claude Code, Codex, OpenClaw, or any LLM agent.项目地址https://gitcode.com/gh_mirrors/au/Auto-claude-code-research-in-sleep点击查看免费下载本文是 ARISAuto-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 EspacenetEPO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 patentsAppFT美国已公开申请published applicationsPAIR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数据库覆盖范围API 可用性Google Scholar最广的学术覆盖无 API用 WebSearchSemantic ScholarCS、生物医学2 亿 论文有SEMANTIC_SCHOLAR_API_KEYarXiv预印本CS、物理、数学等有arxiv_fetch.pyDBLP计算机科学文献目录有XML APICrossRef所有已出版作品的 DOI有免费、无需密钥OpenAlex2.5 亿 学术作品有免费、无需密钥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Google ScholarWebSearchWebSearch [keywords] site:scholar.google.comarXiv若有/arxiv技能则复用否则 WebSearch检索预印本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/MLG06K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 1Extract 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从发明描述中确定相关 IPC/CPC 大类在这些大类内做定向检索向父级/子级分类扩展以获得更广覆盖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 arXivtools/arxiv_fetch.pyarxiv_fetch.py 是 arXiv 官方 APIexport.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.pyUA 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 Scholartools/semantic_scholar_fetch.pysemantic_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 OpenAlextools/openalex_fetch.pyopenalex_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arXiv API 批量验证每请求最多 40 个 ID——最廉价权威优先执行CrossRef DOI 查询——验证 DOI 可解析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 分类专利检索Google PatentsWebSearch→ EspacenetWebFetch→ 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 代码学术文献检索Google ScholarWebSearch→ 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。赞分享AI 技能/插件AI 评测科研人工智能MCP 服务dsh-plugin【免费下载链接】Auto-claude-code-research-in-sleepARIS ⚔️ (Auto-Research-In-Sleep) — Lightweight Markdown-only skills for autonomous ML research: cross-model review loops, idea discovery, and experiment automation. No framework, no lock-in — works with Claude Code, Codex, OpenClaw, or any LLM agent.项目地址https://gitcode.com/gh_mirrors/au/Auto-claude-code-research-in-sleep点击查看免费下载相关推荐SearXNG学术搜索集成学术数据库和论文检索功能SearXNG学术搜索集成学术数据库和论文检索功能 概述 SearXNG作为一款开源的元搜索引擎不仅提供常规的网络搜索功能还集成了强大的学术搜索能力。通过后端搜索引擎终极大数据技术指南如何快速掌握Awesome BigData完整资源目录终极大数据技术指南如何快速掌握Awesome BigData完整资源目录 在当今数据驱动的时代大数据技术已成为企业和开发者必须掌握的核心技能。Awesome文档教程Manticore Search 技术解析高性能全文搜索与数据分析数据库Manticore Search 技术解析高性能全文搜索与数据分析数据库 什么是 Manticore Search Manticore Search 是一款专搜索引擎数据库全文检索后端创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考