6月1日至5日，2026年高校知识产权信息服务专员（进阶）培训班在华南理工大学大学城校区举办。本次培训由教育部高等学校科学研究发展中心主办，华南理工大学图书馆协办，来自全国90余所高校的知识产权信息服务工作者参加培训。
培训邀请来自高校、科研院所、司法专业机构、企业的专家学者，围绕国家知识产权信息服务相关政策解读、高校创新技术全周期保护策略、高校专利申请培育与转化运用、高校知识产权法律与风险防控等内容开展专题授课。课程中还安排了现场教学、案例分享、互动研讨等多样化教学环节，倡导理论与实际操作相融合，帮助学员实现提升思维意识、升级服务能力、互通先进经验三大核心目标。
深圳大学知识产权信息服务中心金银雪博士在案例分享环节做题为《AI在专利情报分析中的应用：基于VS Code + Claude Code的专利数据智能分析实践》的案例分享报告，展示了AI工具赋能专利情报分析的前沿探索与实践成果。
金银雪博士的报告围绕四个板块展开：工具介绍及环境配置、专利源数据的信息要素构成、AI辅助固态电池专利分析实战，以及AI生成报告的问题与应对建议。
一、聚焦工具链，构建AI专利分析新范式
在工具链方面，他系统介绍了VS Code、Claude Code、CC Switch与DeepSeek API四者联动的技术架构。他指出，这套工具组合已能够构建从数据到报告的完整闭环——分析师只需通过自然语言指令，AI代理即可自动拆解任务、读取专利数据、执行多步骤分析流程并生成报告，极大提高专利分析工作的效率。
二、强调数据源头质量，提出"专利数据马斯洛需求层次"
谈及专利源数据时，金银雪博士借用马斯洛需求层次理论，提出了专利分析数据需求的四层金字塔模型：从底层的数据完整性与标准化（L1），到著录项层（L2）、技术信息层（L3），直至顶层的分析结论层（L4）。他还详细梳理了专利著录项字段与技术信息字段到分析维度的映射关系。他强调："下层数据质量直接决定结论可信度，Garbage In, Garbage Out——在大模型能力趋于收敛的当下，各家模型的差距在缩小，真正拉开分析质量差距的是前端数据的质量。"
三、实战演示固态电池案例，七千件专利快速产出多维报告
在实战环节，金银雪博士以7243件固态电池中国专利为案例，演示了AI辅助下专利多维分析与报告撰写的实战。仅通过具体的分析指令，Claude Code即自动拆解为9个子任务，依次完成数据完整性核实、专利趋势分析、TOP20机构竞争格局、技术功效矩阵、IPC技术构成、技术主题聚类、技术演进趋势及热点预测，最终整合生成完整分析报告，充分体现了AI工具在批量化、多维度专利分析中的效率优势。
四、直面AI生成报告的局限，倡导分层质量管控
针对AI生成报告中存在的事实准确性不足、结论可靠性难以判断、分析深度不均、可解释性缺失等现实问题，金银雪博士提出了四层质量验证框架——数据层自动化验证、逻辑层人机协同审核、专家层主导定性判断、对比层多模型交叉验证。他特别指出："AI的定位应该是分析助手而非最终裁判，AI负责效率提升和广度覆盖，人类专家负责深度判断和质量把关，人机协同是当前最优解。"
本次案例分享以扎实的技术内容、清晰的逻辑框架和切实可落地的实践方案，为高校知识产权信息服务领域探索AI赋能路径提供了有益参考，充分展现了深圳大学在知识产权信息服务智能化转型方面的积极探索与领先实践。