Communitygithub.com

uspto-database

Workflow pour les données de brevets et marques USPTO : recherche officielle, requêtes PatentSearch, vérifications TSDR, données de cession et logs de recherche IP reproductibles.

Qu'est-ce que uspto-database ?

Cette compétence est conçue pour interagir avec les systèmes officiels de l'USPTO (United States Patent and Trademark Office) afin d'effectuer des recherches structurées et reproductibles sur les brevets, les marques, les cessions et l'historique des procédures. Elle guide l'utilisateur dans la sélection des sources officielles (API PatentSearch, TSDR, ODP), la gestion des clés API, et la construction de requêtes précises avec pairage et pagination. Un accent particulier est mis sur la traçabilité : chaque requête doit être enregistrée dans un tableau de log incluant la source, la date, le filtre et le nombre de résultats. La compétence recommande de ne jamais donner de conseils juridiques mais de se limiter à la collecte et à la vérification des données, et d'étiqueter clairement les sources secondaires. Elle fournit des squelettes de code Python, des workflows étape par étape, et une checklist de validation pour garantir la fiabilité et la reproductibilité des recherches.

Compatible avec~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/affaan-m/ECC/tree/main/skills/scientific-db-uspto-database

Demander à votre IA préférée

Ouvre une nouvelle conversation avec cette compétence d'agent déjà préchargée.

Documentation

Base de données USPTO

Utilisez cette compétence lorsqu'une tâche nécessite des enregistrements officiels de brevets ou de marques des États-Unis provenant des systèmes de l'USPTO.

Quand l'utiliser

  • Rechercher des brevets délivrés ou des publications pré-délivrance.
  • Vérifier le statut des demandes de brevet, les données du dossier, les cessions ou l'historique public des procédures.
  • Consulter le statut des marques, les documents ou l'historique des cessions.
  • Constituer des logs de recherche reproductibles sur l'état de l'art, les portefeuilles ou le paysage de la propriété intellectuelle.
  • Comparer les enregistrements USPTO avec des outils secondaires comme Google Patents, Lens.org, Semantic Scholar ou les pages brevets des entreprises.

N'utilisez pas cette compétence pour donner des conseils juridiques. Traitez-la comme un workflow de collecte de données et de vérification des enregistrements.

Sélection des sources

Privilégiez d'abord les surfaces officielles ou soutenues par l'USPTO :

  • Open Data Portal (ODP) : point d'accueil actuel pour les jeux de données et API migrés de l'USPTO.
  • Patent File Wrapper : données bibliographiques publiques et enregistrements de dossier des demandes de brevet.
  • API PatentSearch : API de recherche PatentsView pour les brevets délivrés et les jeux de données de publications pré-délivrance.
  • API TSDR Data : récupération du statut et des documents des marques.
  • Recherche de cession de brevets et marques : enregistrements de transfert de propriété.
  • Données PTAB dans l'ODP : procédures du Patent Trial and Appeal Board.

Utilisez les sources secondaires uniquement comme index de commodité. Lorsque la réponse a de l'importance, recoupez-la avec l'enregistrement officiel.

Authentification et secrets

De nombreux flux API USPTO nécessitent une clé API. Stockez les clés dans des variables d'environnement ou un gestionnaire de secrets, jamais dans des fichiers versionnés ou des transcriptions collées.

Noms d'environnement courants :

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

Pour PatentSearch, envoyez la clé avec l'en-tête X-Api-Key. Pour TSDR, suivez les instructions actuelles du gestionnaire API USPTO et les recommandations de limite de débit.

Workflow PatentSearch

Utilisez PatentSearch pour une recherche large de brevets et publications pré-délivrance lorsque la question porte sur des tendances, inventeurs, cessionnaires, classifications, dates ou segments de portefeuille.

Workflow :

  1. Identifiez le point de terminaison à partir de la référence PatentSearch actuelle ou de l'interface Swagger.
  2. Construisez une requête JSON avec des filtres explicites.
  3. Demandez uniquement les champs nécessaires à l'analyse.
  4. Triez et paginez de manière déterministe.
  5. Enregistrez le point de terminaison, le corps de la requête, la date, une note sur l'actualité des données et le nombre de résultats.

Squelette de requête Python :

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())

Avant de réutiliser une requête, vérifiez les noms des points de terminaison, les chemins de champs, les paramètres de requête et la disponibilité de la clé API dans la documentation en direct de PatentSearch.

Workflow Marques/TSDR

Utilisez TSDR lorsque la tâche nécessite le statut des marques, les documents, les images, l'historique des propriétaires ou les événements de procédure.

Workflow :

  1. Normalisez le numéro de série ou le numéro d'enregistrement.
  2. Consultez les instructions actuelles de l'API TSDR et l'en-tête de clé API requis.
  3. Récupérez d'abord le statut, puis les documents uniquement si nécessaire.
  4. Respectez la limite de débit plus faible pour les téléchargements PDF, ZIP et multi-cas.
  5. Capturez la date de récupération et l'identifiant de série/enregistrement dans la sortie.

Pour les grands extraits de marques, privilégiez les flux de données en masse documentés plutôt que le scrapping d'écran des pages publiques.

Dossier de demande et historique des procédures

Pour le statut des demandes, l'historique des transactions et les documents de procédure :

  • Commencez par la recherche du Patent File Wrapper de l'ODP.
  • Utilisez des identifiants exacts lorsque disponibles : numéro de demande, numéro de publication, numéro de brevet ou nom de partie.
  • Enregistrez si l'enregistrement est un brevet délivré, une publication pré-délivrance ou une demande en instance.
  • Recoupez les dates et le statut des documents avec la page de détail de l'enregistrement avant de les citer.

Workflow Cession

Pour la propriété des brevets ou marques :

  1. Recherchez les données officielles de cession par numéro de brevet/demande/enregistrement, cédant, cessionnaire ou bobine/cadre lorsque disponible.
  2. Enregistrez le texte de transfert, la date d'exécution, la date d'enregistrement et les parties.
  3. Distinguez les enregistrements de cession des conclusions actuelles de propriété légale.
  4. Si la propriété est importante, signalez le résultat pour examen par un avocat ou un expert du domaine.

Sortie reproductible

Chaque passage de recherche USPTO doit inclure un tableau de log :

| Source | Date de recherche | Identifiant/requête | Filtres | Résultats | Notes |
| --- | --- | --- | --- | ---: | --- |
| PatentSearch | 2026-05-11 | `assignee=Alphabet AND date>=2024` | point de terminaison patent | 118 | Documentation API vérifiée avant exécution |
| TSDR | 2026-05-11 | `serial=90000000` | statut uniquement | 1 | Flux avec clé API, pas d'extraction en masse de documents |

Pour les rapports finaux, séparez :

  • les faits provenant des enregistrements officiels
  • l'analyse inférée
  • les correspondances de commodité issues de sources secondaires
  • les lacunes non résolues ou les enregistrements nécessitant un examen juridique

Liste de vérification

  • Avez-vous utilisé une source officielle ou soutenue par l'USPTO en premier ?
  • Avez-vous vérifié les noms des points de terminaison et des champs actuels avant d'exécuter du code ?
  • Les clés API sont-elles conservées hors des fichiers, de l'historique du shell et des logs de sortie ?
  • Le log de requête inclut-il la date de recherche et la forme exacte de la requête ?
  • Les limites de débit sont-elles respectées ?
  • Les conclusions juridiques sont-elles évitées ou explicitement escaladées ?
  • Les sources secondaires sont-elles étiquetées comme secondaires ?

Références

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/content-engine

Create platform-native content systems for X, LinkedIn, TikTok, YouTube, newsletters, and repurposed multi-platform campaigns. Use when the user wants social posts, threads, scripts, content calendars, or one source asset adapted cleanly across platforms.

affaan-m/ECC

Multi-platform content distribution across X, LinkedIn, Threads, and Bluesky. Adapts content per platform using content-engine patterns. Never posts identical content cross-platform. Use when the user wants to distribute content across social platforms.

affaan-m/fal-ai-media

Unified media generation via fal.ai MCP — image, video, and audio. Covers text-to-image (Nano Banana), text/image-to-video (Seedance, Kling, Veo 3), text-to-speech (CSM-1B), and video-to-audio (ThinkSound). Use when the user wants to generate images, videos, or audio with AI.

affaan-m/manim-video

日本語翻訳:このファイルは manim-video 用の日本語翻訳が必要です

affaan-m/remotion-video-creation

Remotion のベストプラクティス - React で動画を作成する。3D、アニメーション、音声、字幕、チャート、トランジションなどをカバーするドメイン固有の29のルール。

affaan-m/video-editing

AI-assisted video editing workflows for cutting, structuring, and augmenting real footage. Covers the full pipeline from raw capture through FFmpeg, Remotion, ElevenLabs, fal.ai, and final polish in Descript or CapCut. Use when the user wants to edit video, cut footage, create vlogs, or build video content.

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.

agent-self-evaluation

Use after completing any non-trivial task. The agent self-rates its output on 5 axes — accuracy, completeness, clarity, actionability, conciseness — with concrete evidence per criterion. Produces a structured 1-5 scorecard with specific improvement suggestions.

agent-sort

Build an evidence-backed ECC install plan for a specific repo by sorting skills, commands, rules, hooks, and extras into DAILY vs LIBRARY buckets using parallel repo-aware review passes. Use when ECC should be trimmed to what a project actually needs instead of loading the full bundle.

ai-first-engineering

Engineering operating model for teams where AI agents generate a large share of implementation output. Use when setting team process, review gates, or ownership rules for a codebase largely written by agents.

ai-regression-testing

Regression testing strategies for AI-assisted development. Sandbox-mode API testing without database dependencies, automated bug-check workflows, and patterns to catch AI blind spots where the same model writes and reviews code. Use when adding regression coverage to AI-assisted code, or when the same model both wrote and reviewed a change.

android-clean-architecture

Clean Architecture patterns for Android and Kotlin Multiplatform projects — module structure, dependency rules, UseCases, Repositories, and data layer patterns. Use when structuring modules, layers, or data flow in an Android or KMP project.

angular-developer

Generates Angular code and provides architectural guidance. Trigger when creating projects, components, or services, or for best practices on reactivity (signals, linkedSignal, resource), forms, dependency injection, routing, SSR, accessibility (ARIA), animations, styling (component styles, Tailwind CSS), testing, or CLI tooling.

Skills associés