↑↑↑ 点击关注，分享AI工具
一位专利分析师，拿到47件专利申请，要弄清楚：哪些技术有商业价值？谁可能是买家？这批专利组合值多少钱？该优先维护哪些、放弃哪些？
这套工作通常需要数天乃至更长时间，高度依赖分析师的技术理解、商业判断和行业经验。
Harvey Agent 把它压缩到了一个流程里。
Harvey 是当前法律 AI 赛道的头部公司，2026年3月完成2亿美元融资，估值110亿美元。它做的不是聊天机器人，而是面向律所和企业法务的 AI 平台，覆盖法律研究、文件分析、合同起草、尽职调查，以及复杂工作流执行。
最近Harvey展示了一项叫 Patent Portfolio Analysis（专利组合分析） 的 Agent 能力。1分41秒的演示视频，把专利工作的七个核心环节连在了一起。
7步走完，我来拆
第1步：一个提示词定义全局目标
这位知识产权负责人（IPR）没有逐件告诉 AI"先做这个、再做那个"，而是在一个提示词里直接说清楚：
- • 最终交付一份XLSX工作簿，包含族群摘要、被许可方矩阵、五年风险调整净现值、审查建议
这是 Agent 工作的起点：人负责定义目标和交付物，AI 负责规划路径和执行。
第2步：读权利要求，划分技术族群
Harvey Agent 解析说明书和独立权利要求，从中提取技术要素，识别出电池热管理、工业计算机视觉、激光雷达信号处理、碳化硅功率电子、半导体封装、增材制造六个方向。
然后它没有直接确认结论，而是暂停，问人：族群应该按市场进入类别划分，还是按CPC专利分类？
这个细节很关键。AI 能自动推进大量工作，但分类标准这类影响全局逻辑的节点，它主动留给人来拍板。
第3步：结合内部资料和公开信息做许可研究
分类口径确定后，Harvey 继续在企业内部文件库（Vault）里检索权利要求对照表、现有技术报告、可比许可交易，同时通过网络研究潜在被许可方和市场规模。
候选企业被分为两层：
这一步的本质，是把 权利要求 → 技术族群 → 产品市场 → 候选被许可方 逐层对应，建立一张商业化地图。
第4步：生成计划，给人看
正式执行前，Harvey Agent 生成了一份详细的 Agent Plan：列明分析方法、六个技术族群、经济假设（新兴技术许可费率3.5%–6.0%，主流技术2.0%–4.0%，预测期五年，WACC 10%，未授权申请按70%授权概率折减）以及排序方法。
用户可以在这里审阅假设是否合理，再决定是否放行执行。
这是 Agent 工作流里另一个关键设计：先计划、后执行，不绕过人的判断。
第5步：连续执行多阶段任务
批准计划后，Harvey 进入执行阶段，依次完成：申请分类 → 许可方研究 → 财务建模 → 输出交付。用户可以实时看到每个阶段的进度和已完成的工作。
第6步：直接生成 Excel
任务完成后，不是一堆聊天记录让你自己复制整理，而是直接在 Outputs 区生成可下载的XLSX工作簿，包含：
- • Licensee Matrix（被许可方矩阵）
演示结果：47件专利分成6个技术族群，12个 Tier 1 许可目标，五年预计风险调整净现值约1.09亿美元，3个族群建议优先投入审查。
第7步：异常项留给专业人员
表格里有一项权利要求较弱的技术，Harvey 用醒目颜色标注，给出的意见是「Counsel review」（转律师审查），而不是自行建议放弃。
这是整个流程的逻辑底线：机器负责扩大覆盖面、减少重复劳动、生成初步建议；人负责审查假设、验证证据、承担最终判断。
真正改变的是什么
Harvey Agent 没有替代专利律师，它做的事是：把工作的起点往前挪。
以前，律师和知识产权团队要先花大量时间整理文件、建表格、收集基础资料、逐件归类，这些都是「体力活」，高价值的判断被压缩在最后。
现在，体力活由 AI 完成，人可以更早进入：审阅分类逻辑、验证商业假设、判断权利要求价值、决定哪些专利值得继续投入。
这个逻辑不只适用于法律。任何高度依赖信息汇总和结构化分析的知识工作，都面临类似重构。区别只是快慢。
你现在的工作里，有哪些环节是在做"收集+整理+分类"？那些环节，可能就是被 AI 重构的地方。
⭐点赞、转发、赞赏一键三连⭐
10个月宝宝每天需要喝多少奶粉？
