面向 agent 宿主（DSH / Claude Code / Codex）的 Python 专利侵权分析 skill：输入专利号，约 1 小时产出可复核、可交付律师的 claim-chart 风格报告。
DSH 适配
兼容
作者声明
安全审计
未审计
最后核验
2026-09-02
许可证
作者未说明
01它能帮你完成什么？
输入一个专利公开号，产出竞品侵权分析报告
逐项技术特征对比表、可点击的公开证据 URL，以及「还缺什么证据 / 下一步去哪查」的可执行建议
做侵权排查的知识产权律师与法务团队
将人工侵权排查从 3–5 天压缩到约 1 小时
由 4 模块串行流水线、多源搜索与多模态证据抓取产出的可追溯、可复核报告
需要快速、可审计初筛的法律运营与 IP 团队
02如何接入 DeepSeek Harness？
前置条件
- 一个可加载 skill 的宿主 agent（如 Claude Code、Codex 或 DeepSeek Harness 这类 agent）。
- 独立模式A：至少一种搜索工具（Tavily/Bocha/Exa/Brave）与大模型 API。
安装步骤
- 01
推荐（模式B）：将 PatentRadar 作为 skill 嵌入宿主 agent，由其派生 4 个 subagent 并调用自身 WebSearch / WebFetch 与对话能力，无需额外依赖。
- 02
或（模式A）：运行由 server/runner.py 驱动、串联 4 个 CLI subprocess 的独立流水线。
验证接入成功
- 模式A：打开 Web Dashboard 并检查 4 个 module log 文件，确认流水线完成。
- 模式B：在宿主 agent 对话窗口查看分析报告，并核对落盘 JSON。
03DSH 适配与能力边界
作为宿主 agent 与 DeepSeek Harness 协同：将 PatentRadar 以 skill 形式嵌入（模式B，零额外依赖），由宿主 agent 派生 4 个 subagent 并调用自身的 WebSearch / WebFetch 与对话能力；或以独立流水线（模式A）经 server/runner.py 运行后将结果回传 dsh。
多源搜索 + 多模态证据抓取
专利公开号 + 竞品对象→跨来源、跨模态抓取的公开证据 URL
独立流水线（模式A）
专利号；需搜索工具 + 大模型 API→由 server/runner.py 串起 4 个 CLI subprocess 产出报告
调用外部搜索与大模型 API，消耗额度Agent skill 嵌入（模式B）
具备 WebSearch/WebFetch + 对话能力的宿主 agent→由宿主 agent 内 4 个 subagent 产出的报告
04适合谁？何时不该用？
适合
- 做侵权排查的知识产权律师与法务团队
- 需要快速、可审计初筛的法律运营与 IP 团队
不适合
- 模式A 独立运行需要至少一种搜索工具（Tavily/Bocha/Exa/Brave）与大模型 API；模式B 依赖宿主 agent 的 WebSearch / WebFetch 与对话能力，两条路径均需联网与 API 额度。
05兼容性、维护与安全提示
- 模式A 独立运行需要至少一种搜索工具（Tavily/Bocha/Exa/Brave）与大模型 API；模式B 依赖宿主 agent 的 WebSearch / WebFetch 与对话能力，两条路径均需联网与 API 额度。
- 报告由 LLM 生成，供律师做可追溯复核，不构成法律意见，正式决策仍需专业审核。
Python 项目，标签含 dsh-plugin / patent-analysis / legal-tech；57 stars，11 forks。
06常见问题
如何在 DeepSeek Harness 中运行 PatentRadar？
采用模式B（推荐）：将 PatentRadar 作为 skill 嵌入宿主 agent（Claude Code / Codex / dsh 这类）。宿主 agent 派生 4 个 subagent，并直接调用自身 WebSearch / WebFetch 与对话能力，PatentRadar 零额外依赖。
输入专利号后会得到什么？
一份竞品侵权分析报告：逐项技术特征对比表、可点击的公开证据 URL，以及「还缺什么证据 / 下一步去哪查」的可执行建议。
需要自备搜索与大模型 API 吗？
模式B 依赖宿主 agent 的 WebSearch / WebFetch 与对话能力，因此需要具备这些工具的 agent；模式A 则独立需要至少一种搜索工具（Tavily/Bocha/Exa/Brave）与大模型 API。
比人工排查快多少？
人工排查一份高质量报告动辄 3–5 天；PatentRadar 通过 4 模块串行流水线、多源搜索与多模态证据抓取，把这条链路压到约 1 小时。
报告能当作法律意见吗？
不能。报告由 LLM 生成，是交给律师做可追溯复核的材料，正式法律决策仍需专业人士审核。
07相关的 DSH 工作流
modlens
作者 liustack
The first vision plugin for DeepSeek Harness, and the vision bridge for every text-only coding agent. Paste an image, get structured JSON evidence (OCR, layout, semantics). | 全网最强 DeepSeek Harness 外挂视觉插件，为 DeepSeek、GLM 等纯文本模型外挂视觉能力，粘贴图片即得结构化 JSON 证据（OCR、版面、语义）。
agent-vision-toolkit
作者 anionex
为纯文本模型"看图“设计更好的视觉工具箱和技能，支持多图理解，图片问答，前端UI还原、GUI 自动化等，并可选无缝接入多个主流agent，直接识别粘贴图片｜ A vision toolkit and skill designed for text-only llms — image Q&A, long-screenshot OCR, frontend UI restoration, and GUI automation, with optional seamless integration for Codex, Claude Code, Pi, Oh My Pi, and OpenCode
dsh-vision-router
作者 ysr666
为纯文本 DeepSeek Harness 智能体提供「视觉」能力，内置免密钥视觉链路与像素级视觉工具，一条命令安装，无需 Python。
dsh-vision-toolkit
作者 anionex
[dsh]为纯文本模型设计更强大的视觉工具箱：一行安装使用、粘贴图片直接识别、多张图片问答、截图到前端UI 还原等｜DeepSeek Harness-native integration for agent-vision-toolkit: image Q&A, long-screenshot OCR, UI restoration, grounding, pixel diff, Artifacts, and Web UI.
08数据与来源
零额外依赖，只需要codex或其他agent
由宿主 agent（Claude Code / Codex）的对话能力直接调用
调度 | [`server/runner.py`](src/patentradar/server/runner.py) 串 4 个 CLI subprocess
页面基于项目公开文档、仓库元数据和 DSH Plugins 的结构化解析生成；最后核验于 2026-09-02。发现错误？提交更正。
最佳 DeepSeek Harness 插件
从全目录挑出的 12 个值得优先安装的插件，覆盖各个分类。