IdeaForge：基于知识图谱的多智能体框架，用于跨方法论创新分析与专利权利要求生成

arXiv:2605.13311v1 公告类型：新 摘要：当前AI辅助创新系统通常采用单一的构思方法论（如TRIZ或设计思维），使用顺序提示工作流，不保留中间推理结构。因此，跨方法论生成的见解仍然零散，限制了可追溯性、综合性和新颖性的系统评估。我们提出IdeaForge，一个基于知识图谱的多智能体框架，用于创新分析和专利权利要求生成。IdeaForge通过专业智能体在持久化FalkorDB知识图谱上操作，整合了多种创新方法论（TRIZ、设计思维和SCAMPER）。每个智能体贡献结构化实体和关系，表示矛盾、发明原理、用户需求、转换、类比和候选权利要求。IdeaForge的核心贡献是通过基于图的权利要求链接实现的跨方法论收敛机制。由多种方法论独立支持的权利要求通过CONVERGENT关系连接，从而通过图遍历识别高置信度的创新候选。下游专利起草智能体生成基于收敛权利要求子图的结构化专利草案，减少了对无约束语言模型生成的依赖。InnovationScore公式根据收敛支持度、方法论多样性、权利要求强度及现有技术挑战数量对权利要求进行排序。我们描述了图模式、智能体架构、收敛检测流程和专利合成工作流。在法律科技用例上的实验表明，与单一方法论基线相比，基于图的多方法论合成产生了更多样化和可追溯的创新候选。我们讨论了计算创造力、可解释AI辅助发明和图原生创新系统的意义。

# IdeaForge：基于知识图谱的多智能体框架，用于跨方法创新分析与专利权利要求生成
来源：https://arxiv.org/abs/2605.13311
文献工具

## 文献与引用工具

文献浏览器 切换

代码、数据与媒体

## 本文相关的代码、数据与媒体

演示

## 演示

相关论文

## 推荐与搜索工具

关于 arXivLabs

## arXivLabs：与社区合作者的实验性项目

arXivLabs 是一个框架，允许合作者直接在我们的网站上开发和共享新的 arXiv 功能。

与 arXivLabs 合作的个人和组织都接受并认可我们关于开放、社区、卓越和用户数据隐私的价值观。arXiv 致力于这些价值观，并且只与遵守这些价值观的合作伙伴合作。

如果你有一个能为 arXiv 社区带来价值的项目想法？**了解更多关于 arXivLabs** (https://info.arxiv.org/labs/index.html)。