Communitygithub.com

USPTO-Datenbank

Workflow für USPTO-Patent- und Markendaten zur offiziellen Aktenrecherche, PatentSearch-Abfragen, TSDR-Prüfungen, Zuordnungsdaten und reproduzierbaren IP-Forschungsprotokollen. Verwenden Sie diese Fähigkeit, wenn eine Aufgabe offizielle US-Patent- oder Markenaufzeichnungen aus USPTO-Systemen benötigt.

Was ist USPTO-Datenbank?

Diese Fähigkeit bietet einen vollständigen Workflow für den Zugriff auf offizielle US-Patent- und Markendaten über USPTO-Systeme. Sie unterstützt Plattformen wie Claude Code, Cursor und Codex sowie andere KI-Agenten, die programmatischen Zugriff auf Patentakten, Markenstatus, Date-Wrapper-Daten und Eigentumsübertragungen benötigen. Der Workflow priorisiert offizielle USPTO-Quellen wie das Open Data Portal (ODP), die PatentSearch-API, die TSDR Data API und die Patent- und Marken-Zuordnungssuche. Er enthält detaillierte Anleitungen zur Authentifizierung mittels API-Schlüsseln, zur Strukturierung von PatentSearch-Abfragen mit JSON-Payloads, zur Behandlung von TSDR-Anfragen mit Ratenbegrenzung und zur Aufzeichnung reproduzierbarer Ergebnisse in tabellarischen Protokollen. Die Fähigkeit betont die Überprüfung offizieller Aufzeichnungen, die Vermeidung von Rechtsberatung und die Kennzeichnung von Sekundärquellen. Sie ist besonders nützlich für Aufgaben der Stand-der-Technik-Recherche, Portfolioanalyse, IP-Landschaftskartierung und Rechtsstreitunterstützung, bei denen autoritative USPTO-Daten benötigt werden.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/everything-claude-code/tree/main/skills/scientific-db-uspto-database

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht USPTO-Datenbank?

Verwenden Sie dieses Skill, wenn eine Aufgabe offizielle US-Patent- oder Markenaufzeichnungen aus USPTO-Systemen benötigt.

Wann zu verwenden

  • Suche nach erteilten Patenten oder Vorveröffentlichungen.
  • Überprüfung des Patentanmeldungsstatus, Date-Wrapper-Daten, Zuordnungen oder des öffentlichen Prüfungsverlaufs.
  • Abfragen des Markenstatus, von Dokumenten oder des Zuordnungsverlaufs.
  • Erstellen reproduzierbarer Protokolle für Stand-der-Technik-, Portfolio- oder IP-Landschaftsforschung.
  • Vergleich von USPTO-Aufzeichnungen mit sekundären Tools wie Google Patents, Lens.org, Semantic Scholar oder firmeneigenen Patentseiten.

Verwenden Sie dieses Skill nicht für Rechtsberatung. Behandeln Sie es als Workflow zur Datenerfassung und Aufzeichnungsüberprüfung.

Quellenauswahl

Bevorzugen Sie zuerst offizielle USPTO- oder USPTO-unterstützte Oberflächen:

  • Open Data Portal (ODP): aktuelles Zuhause für migrierte USPTO-Datensets und APIs.
  • Patent File Wrapper: öffentliche bibliografische Daten und Date-Wrapper-Aufzeichnungen von Patentanmeldungen.
  • PatentSearch API: PatentsView-Such-API für erteilte Patente und Vorveröffentlichungsdatensets.
  • TSDR Data API: Markenstatus und Dokumentenabruf.
  • Patent- und Marken-Zuordnungssuche: Eigentumsübertragungsaufzeichnungen.
  • PTAB-Daten im ODP: Verfahren des Patent Trial and Appeal Board.

Verwenden Sie sekundäre Quellen nur als Bequemlichkeitsindizes. Wenn die Antwort wichtig ist, überprüfen Sie den offiziellen Datensatz.

Authentifizierung und Geheimnisse

Viele USPTO-API-Flows erfordern einen API-Schlüssel. Speichern Sie Schlüssel in Umgebungsvariablen oder einem Secret Manager, niemals in committeten Dateien oder transkribierten Protokollen.

Gängige Umgebungsnamen:

export USPTO_API_KEY="..."
export PATENTSVIEW_API_KEY="..."

Für PatentSearch senden Sie den Schlüssel mit dem X-Api-Key-Header. Für TSDR befolgen Sie die aktuellen Anweisungen des USPTO API Managers und die Ratenbegrenzungsrichtlinien.

PatentSearch-Workflow

Verwenden Sie PatentSearch für breite Patent- und Vorveröffentlichungssuche, wenn es um Trends, Erfinder, Anmelder, Klassifikationen, Daten oder Portfolio-Slices geht.

Workflow:

  1. Identifizieren Sie den Endpunkt aus der aktuellen PatentSearch-Referenz oder der Swagger-Oberfläche.
  2. Erstellen Sie eine JSON-Abfrage mit expliziten Filtern.
  3. Fordern Sie nur die für die Analyse benötigten Felder an.
  4. Sortieren und paginieren Sie deterministisch.
  5. Notieren Sie den Endpunkt, Abfragekörper, Datum, Datenaktualitätshinweis und Ergebnisanzahl.

Python-Skelett für Anfragen:

import os
import requests

API_KEY = os.environ["PATENTSVIEW_API_KEY"]
BASE = "https://search.patentsview.org/api/v1"

payload = {
    "q": {
        "_and": [
            {"patent_date": {"_gte": "2024-01-01"}},
            {"assignees.assignee_organization": {"_text_any": ["Google", "Alphabet"]}},
        ]
    },
    "f": ["patent_id", "patent_title", "patent_date"],
    "s": [{"patent_date": "desc"}],
    "o": {"per_page": 100, "page": 1},
}

response = requests.post(
    f"{BASE}/patent/",
    headers={"X-Api-Key": API_KEY, "Content-Type": "application/json"},
    json=payload,
    timeout=30,
)
response.raise_for_status()
print(response.json())

Überprüfen Sie vor der Wiederverwendung einer Abfrage die aktuellen Endpunktnamen, Feldpfade, Anforderungsparameter und die Verfügbarkeit von API-Schlüsseln in der aktuellen PatentSearch-Dokumentation.

Marken-/TSDR-Workflow

Verwenden Sie TSDR, wenn die Aufgabe den Markenfallstatus, Dokumente, Bilder, Eigentümerhistorie oder Prüfungsereignisse benötigt.

Workflow:

  1. Normalisieren Sie die Seriennummer oder Registernummer.
  2. Überprüfen Sie die aktuellen TSDR-API-Anweisungen und den erforderlichen API-Key-Header.
  3. Rufen Sie zuerst den Status ab, dann Dokumente nur bei Bedarf.
  4. Beachten Sie das niedrigere Ratenlimit für PDF-, ZIP- und Multifall-Downloads.
  5. Erfassen Sie Abrufdatum und Serien-/Registernummer in der Ausgabe.

Bevorzugen Sie für große Markenabrufe dokumentierte Bulk-Datenflüsse anstelle von Screen-Scraping öffentlicher Seiten.

Date Wrapper und Prüfungsverlauf

Für Anmeldungsstatus, Transaktionshistorie und Prüfungsdokumente:

  • Beginnen Sie mit der ODP-Patent-File-Wrapper-Suche.
  • Verwenden Sie genaue Kennungen, wenn verfügbar: Anmeldenummer, Veröffentlichungsnummer, Patentnummer oder Parteiname.
  • Notieren Sie, ob es sich um ein erteiltes Patent, eine Vorveröffentlichung oder eine laufende Anmeldung handelt.
  • Überprüfen Sie Dokumentdaten und -status anhand der Detailseite des Datensatzes, bevor Sie sie zitieren.

Zuordnungsworkflow

Für Patent- oder Markeninhaberschaft:

  1. Durchsuchen Sie offizielle Zuordnungsdaten nach Patent-/Anmeldungs-/Registernummer, Zedent, Zessionar oder Spulen-/Rahmennummer, falls verfügbar.
  2. Notieren Sie Übertragungstext, Ausführungsdatum, Aufzeichnungsdatum und Parteien.
  3. Unterscheiden Sie Zuordnungsaufzeichnungen von Schlussfolgerungen zum aktuellen rechtlichen Eigentum.
  4. Wenn das Eigentum wesentlich ist, kennzeichnen Sie das Ergebnis für eine Überprüfung durch Anwalt oder Fachexperten.

Reproduzierbare Ausgabe

Jeder USPTO-Forschungslauf sollte eine Protokolltabelle enthalten:

| Quelle | Suchdatum | Kennung/Abfrage | Filter | Ergebnisse | Anmerkungen |
| --- | --- | --- | --- | ---: | --- |
| PatentSearch | 2026-05-11 | `assignee=Alphabet AND date>=2024` | patent-endpunkt | 118 | API-Docs vor Ausführen geprüft |
| TSDR | 2026-05-11 | `serial=90000000` | nur status | 1 | API-Key-Flow, kein Bulk-Dokumentenabruf |

Trennen Sie in endgültigen Zusammenfassungen:

  • offizielle Aufzeichnungsfakten
  • abgeleitete Analysen
  • sekundäre Quellen-Belegübereinstimmungen
  • ungelöste Lücken oder Aufzeichnungen, die rechtliche Überprüfung erfordern

Überprüfungscheckliste

  • Haben Sie zuerst eine offizielle USPTO- oder USPTO-unterstützte Quelle verwendet?
  • Haben Sie vor dem Ausführen von Code die aktuellen Endpunkt- und Feldnamen überprüft?
  • Werden API-Schlüssel außerhalb von Dateien, Shell-Historie und Ausgabeprotokollen gehalten?
  • Enthält das Abfrageprotokoll das Suchdatum und die genaue Anfrageform?
  • Werden Ratenlimits eingehalten?
  • Werden rechtliche Schlussfolgerungen vermieden oder explizit eskaliert?
  • Sind sekundäre Quellen als solche gekennzeichnet?

Referenzen

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

accessibility

Design, implement, and audit inclusive digital products using WCAG 2.2 Level AA. Use when building or auditing UI that must meet WCAG 2.2 Level AA, or when reviewing a change for keyboard, contrast, or screen-reader support.

affaan-m/claude-api

Anthropic Claude API patterns for Python and TypeScript. Covers Messages API, streaming, tool use, vision, extended thinking, batches, prompt caching, and Claude Agent SDK. Use when building applications with the Claude API or Anthropic SDKs.

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

affaan-m/everything-claude-code

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/everything-claude-code-conventions

Development conventions and patterns for everything-claude-code. JavaScript project with conventional commits.

affaan-m/frontend-design

Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.

affaan-m/gget

gget CLI and Python workflow for quick genomic database queries, sequence lookup, BLAST-style searches, enrichment checks, and reproducible bioinformatics evidence logs.

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

affaan-m/motion-ui

Production-ready UI motion system for React/Next.js. Use when implementing animations, transitions, or motion patterns.

affaan-m/project-guidelines-example

Example project-specific skill template based on a real production application.

affaan-m/pubmed-database

Direct PubMed and NCBI E-utilities search workflows for biomedical literature, MeSH queries, PMID lookup, citation retrieval, and API-backed literature monitoring.

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

agent-architecture-audit

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

agent-eval

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

agent-harness-construction

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent

agentic-engineering

Operate as an agentic engineer using eval-first execution, decomposition, and cost-aware model routing. Use when planning or executing engineering work that agents will carry out end to end.

agentic-os

Build persistent multi-agent operating systems on Claude Code. Covers kernel architecture, specialist agents, slash commands, file-based memory, scheduled automation, and state management without external databases. Use when building a persistent multi-agent system on Claude Code with its own memory, commands, and scheduling.

agent-introspection-debugging

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

agent-payment-x402

Add x402 payment execution to AI agents with per-task budgets, spending controls, and non-custodial wallets. Supports Base through agentwallet-sdk and X Layer through OKX Payments / OKX Agent Payments Protocol. Use when an agent must pay for something itself and needs per-task budgets, spending controls, and a non-custodial wallet.

Verwandte Skills