专利状态查询技能

概述

本技能用于专利状态批量查询程序。该项目是一个本地运行的 Streamlit 应用，读取 Excel 工作簿，通过 Playwright 或 Edge CDP 会话访问国家知识产权局（CNIPA）专利状态页面进行查询，匹配结果，并导出带标注的 Excel 工作簿。

请确保生成的代码、文档及 Git 提交中不包含任何私有数据。严禁在技能或代码仓库中嵌入真实案件名称、申请人名称、账户凭据、Cookie、本地存储令牌、浏览器配置文件、日志、截图或生成的 Excel 输出文件。

项目结构图

核心入口文件：

• app.py：Streamlit 用户界面与主工作流逻辑。
• requirements.txt：Python 依赖列表。
• .env.example：安全的运行时配置模板。
• 一键打开网站.bat：网站根目录启动脚本。
• 开国知局网页.bat 和 scripts/start_edge_debug.bat：以启用 CDP 调试模式启动 Edge 浏览器，供手动登录使用。
• scripts/start_streamlit_8502.bat：在 http://127.0.0.1:8502 启动 Streamlit 服务。

模块化包结构：

• patent_status_tool/config.py：运行时路径与环境变量定义。
• patent_status_tool/browser_client.py：浏览器/CDP 协调控制逻辑。
• patent_status_tool/query_service.py：批量查询主流程。
• patent_status_tool/excel_io.py：Excel 工作簿解析与导出逻辑。
• patent_status_tool/matcher.py：命中结果筛选逻辑。
• patent_status_tool/status.py：状态字段标准化处理。
• patent_status_tool/selectors.py：CNIPA 页面 DOM 选择器定义。
• patent_status_tool/models.py：数据结构模型定义。
• patent_status_tool/result_cache.py：JSONL 格式检查点缓存。
• patent_status_tool/logger.py：日志系统初始化配置。

仅在运行时生成的路径：

• .env
• .session/
• logs/
• output/
• edge-cdp-profile/
• .venv/
• __pycache__/

请将上述运行时路径视为敏感或自动生成内容，务必将其加入 .gitignore 并禁止上传至远程仓库。

工作流程

1. 修改行为前，先检查本地上下文。

   • 阅读 app.py、相关 patent_status_tool/*.py 模块及启动脚本。
   • 新增文件前，请先检查 .gitignore 配置。
   • 推荐使用 rg（ripgrep）执行全文搜索。

2. 保持数据流向不变。

   • 从本地路径加载 .xlsx 文件，或使用上传功能作为备用方案。
   • 自动识别“名称”、“撰写时间”列；并可选识别“申请号”、“申请人”和“状态”列。
   • 若某输入行已含申请号，则优先采用申请号查询方式。
   • 仅当无申请号时，才使用专利名称查询。
   • 将查询结果及人工复核表导出至 output/ 目录。

3. 保障 CNIPA 自动化流程健壮性。

   • 当 CNIPA 页面 DOM 发生变更时，及时更新 patent_status_tool/selectors.py 中的选择器。
   • 优先选用稳定语义的选择器（如标签名、ARIA role、文本锚点、业务语义标识），避免依赖易变的位置型选择器（如 nth-child）。
   • 当需登录、验证码识别或人工验证时，应使用基于 CDP 的 Edge 流程。
   • 不可假设当前 CNIPA 页面可在未登录状态下直接查询。

4. 本地验证所有变更。

   • 最低限度需执行以下编译检查：

..venvScriptspython.exe -m py_compile app.py scriptsinspect_workbook_sheets.py patent_status_toolconfig.py patent_status_toolexcel_io.py

• 验证 UI 启动功能，请运行：

.一键打开网站.bat

• 验证手动 CNIPA 登录/CDP 功能，请运行：

.开国知局网页.bat

5. 为 GitHub 安全发布做好准备。
   • 确认 .gitignore 已排除 .env、.session/、logs/、output/、edge-cdp-profile/、.venv/、各类缓存文件以及原始工作簿文件。
   • 移除或脱敏所有硬编码的本地路径、个人姓名、公司名称、真实案件名称及内部工作簿文件名。
   • 上传前，请全局搜索私有路径、浏览器令牌、真实账户显示名、个人/企业标识符及工作簿名称等敏感信息。

Excel 规则

支持的必需列别名：

• 名称：专利名称、名称、案件名称
• 撰写时间：撰写时间、撰写日、交底书时间、起草时间

支持的可选列别名：

• 申请号：申请号、申请号/专利号、专利号、申请编号
• 申请人：申请人、专利申请人、申请(专利权)人、申请人/专利权人

工作表与状态行为规则：

• 在发明专利工作表中，仅对状态包含 复审中、答复、已完成、已消化 或 审查 的行发起查询。
• 在实用新型工作表中，跳过 L 列状态为 非正常、驳回 或 授权 的行；其余命名行正常查询。
• 当按专利名称查询后仍存在多个匹配项时，进一步按 申请日 >= 撰写时间 过滤；若仍无法唯一确定，则归入人工复核。

输出规则

导出的工作簿应保留原始工作表全部数据，并追加以下结果列：

• 申请号
• 申请人
• 当前状态
• 规范化状态
• 申请日
• 匹配说明
• 是否需人工核对
• 查询时间
• 原始命中数量

同时创建名为 人工复核 的独立工作表，用于存放存在歧义、查询失败或需人工介入判断的记录行。

安全规范

• 禁止提交 .env 文件；默认配置应统一维护在 .env.example 中。
• 禁止提交浏览器存储、Cookie、localStorage、截图、HTML 页面快照、日志、输出工作簿及用户案件数据。
• 禁止在代码中硬编码绝对用户路径或项目专属私有工作簿名称。
• 禁止在代码或文档中明文存储 CNIPA 用户名或密码。
• 编写示例时，请使用占位符，例如 sample_input.xlsx、示例专利名称、示例申请人。
• 若所请求的变更需真实访问 CNIPA 系统，请明确区分“代码逻辑验证”与“线上查询验证”两个阶段。

常见任务指南

新增或更新启动行为

建议优先更新根目录启动脚本，并在 README.md 中同步记录新流程说明。所有启动脚本路径应基于 %~dp0 或 %CD% 设置相对路径，禁止使用绝对用户路径。

更新选择器（Selectors）

编辑 patent_status_tool/selectors.py。选择器命名需与查询语义对齐，例如：query_application_no_input、query_input、query_button、result_rows、result_status 及各详情字段选择器。

修改 Excel 解析逻辑

编辑 patent_status_tool/excel_io.py，并确保其返回接口契约与 app.py 所依赖的一致。若 load_inputs() 函数签名或返回结构发生变更，须同步更新所有调用方，包括 scripts/ 下的所有脚本。

修改匹配规则

编辑 patent_status_tool/matcher.py，必要时同步调整 patent_status_tool/status.py。除非用户明确要求更改，否则必须维持“申请号优先匹配”原则及“歧义条目进入人工复核”的既有行为。

清理上传内容

优先通过 .gitignore 配置 + 内容脱敏完成清理。若因权限限制无法执行破坏性删除操作，请清空敏感文件内容，并向用户明确说明哪些目录虽仍存在但已被 .gitignore 忽略。