VSCode+ClaudeCode构建专利编写AI辅助环境，20轮迭代实测落地

在知识产权实务领域，AI辅助写作正从概念走向可复用的工程化落地。近期有技术团队公开了一套基于 VSCode 与 Claude Code 插件构建的专利文书生成环境，并已在真实案件中完成20轮迭代验证：技术交底书、创新点说明书及黑白线条附图全部由AI辅助完成，人工仅负责定向确认与合规性把关。

该方案的核心并非依赖单一模型能力，而是通过模块化工具链将专利撰写流程标准化、可追溯。整个技术栈由四层构成：VSCode 作为统一编辑与交互平台；Claude Code 插件提供对话式操作与文件管理接口；Claude API 为底层语言模型供给；而关键环节在于一个名为 patent-disclosure-skill 的自定义技能包——它将“挖点→查新→成稿→自检→迭代”整套流程封装为可复用的自动化管线。

安装过程相对轻量，约15分钟即可部署完成：首先安装 VSCode，再从扩展市场搜索并安装 “Claude Code for VS Code”；登录 Anthropic 账号或配置 ANTHROPIC_API_KEY；随后将 patent-disclosure-skill 仓库置于用户目录下的 .claude/skills/ 路径；最后在专利项目根目录放置一份 CLAUDE.md 配置文件，作为每次会话自动加载的基础提示词模板。

CLAUDE.md 是该环境的“规则中枢”，其内容高度结构化且拒绝模糊表述。例如明确要求：Word 文档输出至 输出/ 目录，附图存入 输出/附图/；附图必须为黑白线条、宋体字体、300dpi PNG 格式，并按数字编号（100/110/…），正文需引用“如图N所示”；实施例须标注可配置参数（如 TTL、使用次数）；替代实施方式需列出具体算法选项（如 ML-KEM-512/1024、SM4-GCM）；所有产出需保持四份文档同源一致（母稿.md ↔ content_jds.json ↔ content_zl.json ↔ _verify.md）；每轮修改后追加修订记录，区别特征统一以 F1/F2 编号。

这种对格式与逻辑的强约束，正是AI产出质量可控的前提。正如方案作者所强调：“AI 的上限取决于这里写得有多细”，提示词若仅写“写得专业一点”，结果必然不可预期；而当规则细化到目录路径、编号体系、字段映射层级时，模型才能稳定输出符合专利审查要求的文本。

实际使用中，用户可通过三条典型指令快速启动不同阶段任务：

/patent-search：输入技术方案描述后，系统自动检索近3年相关发明专利，分析主要申请人分布与趋势，并比对最接近的前3篇对比文献，评估是否具备可专利性，最终给出“建议做/谨慎做/不建议做”的结论及依据；
/patent-disclosure-skill（或简写 /交底书）：调用完整流程包，先锁定对比文献 D1，生成 F1–F3 区别特征比对表与门禁状态判断，再输出技术交底书与创新点说明书，附图同步生成并归入指定目录；
/patent-chart：针对审查阶段需求，将独权特征逐格对照目标专利 CNxxxxxxxxA，每格标注证据来源（如专利段落号、附图标记）及强弱评级，并依据自检清单 §8.7 审核法定要件，包括三段绑定、必要/优选分层、绝对化用语等常见驳回风险点。

从成稿到交付环节，该环境进一步强化了工程化管控。所有内容变更仅作用于唯一源头——母稿.md；后续通过两条 Python 脚本完成渲染：draw_figures.py 利用 matplotlib 生成符合规范的 300dpi 黑白附图；generate_final.py 基于 python-docx 将母稿转为两份 Word 文档（技术交底书.docx 与创新点说明书.docx）。每轮修改后，系统自动重新执行全流程，生成新版文档、运行自检、追加修订日志，并在回复末尾固定附带“纠正摘要 + 请确认”格式的变更说明，确保20轮迭代全程可追溯。

值得注意的是，该方案对查重边界做了分层设计：第一层为技能包内建查新，用于锁定核心对比文献 D1 并生成 F 系列区别特征；第二层为人工导入的 PDF 对比专利库；第三层则依赖外部数据库（如 CNIPA 或 WIPO）进行终审交叉验证。这种“AI初筛+人工复核+权威库兜底”的三层机制，在提升效率的同时规避了低级重复风险。

业内观察指出，当前多数AI专利工具仍停留在单点辅助层面——例如仅生成权利要求草稿或润色语句，而此方案试图将整个专利生命周期纳入可控自动化流程。其价值不仅在于提速，更在于降低人为疏漏概率：传统手工撰写易出现附图编号错位、实施例参数缺失、替代方案遗漏等问题，而结构化提示词与脚本管线能系统性规避此类错误。

不过，该环境对使用者提出较高门槛：需熟悉 Markdown 结构、Python 脚本调用、专利法基本要件，以及对提示词工程有实操经验。目前尚未形成开箱即用的产品形态，更适合IPR团队或律所技术组内部定制部署。但其开源思路已引发关注——若更多机构愿意共享技能包与提示词模板，有望推动行业形成通用的AI专利辅助标准。

随着大模型在专业垂直场景的深入渗透，类似“工具链+流程封装+强约束提示词”的组合模式，正成为高价值AI落地的关键路径。专利撰写这一长期依赖经验与细节的领域，或将成为下一个被系统性提效的专业服务赛道。