该专利的权利要求中，凝聚了定制DSL（领域特定语言）、具有依赖关系的子任务划分、基于屏幕截图的反馈循环等现代智能代理技术。此外，说明书中记载了“传统方法59%→本方法88%”这一定量可靠性提升数据，这也是证明创造性的绝佳范例。精通AI知识产权的专利代理人将引用原文进行深入解析。
💡 要点：本文是AI智能代理专利系列中的“单项专利深度解析篇（第二篇）”。关于Anthropic的整体专利战略，请参阅“战略分析篇”；关于姊妹专利，请参阅US 12,430,150的解析。
目录
| 项目 | 内容 |
|---|---|
| 专利号 | US 12,566,913 B2 |
| 发明名称 | 用于自动化多模态界面任务工作流的人工智能代理 |
| 注册日期 | 2026年3月3日 |
| 优先权日 | 2024年3月20日 |
| 申请人 | Anthropic PBC |
| 权利要求数 | 15（1项独立权利要求＋从属权利要求组） |
| 相关 | Anthropic《Computer Use》｜US 12,430,150 B1的姊妹专利 |
| 状态 | 已授权专利（granted） |
根据权利要求1，代理被配置为执行以下4种操作。这是该专利的核心框架。
本专利最具特色之处在于“同时支持模型调用（model calls）和动作执行（action executions）的自定义DSL”。
DSL（领域特定语言）是指专门针对特定领域的语言。在此，它使得能够用一种语言描述AI代理的“思考（模型调用）”和“行动（动作执行）”。通过用共同语言连接AI的判断与实际的UI操作，构建了将智能转化为实际动作的机制。
💡 要点：并非仅仅停留在“让AI操作电脑”这一抽象概念上，而是为此专门设计了专用语言（DSL），这一设计使该专利在技术上更加具体化，从而形成了强有力的权利。通过在权利要求中纳入“custom domain-specific language”这一具体构成，成功规避了因抽象构想而被驳回的风险。
权利要求1规定，将工作流划分为“各子任务依赖于前一子任务的完成（each sub-task depends on the completion of a preceding sub-task）的多个子任务”。
其关键之处在于，并非简单地划分任务，而是明确指出了子任务之间的“依赖关系（顺序）”。例如“①登录→②搜索→③输入”，这种以完成前一任务为前提再进行下一任务的结构，准确捕捉了现实工作流的特征。
智能代理会“提供包含屏幕截图和操作记录的反馈，以实现工作流的迭代执行与优化”。
这是AI代理运行“执行→查看结果→修正→重新执行”这一迭代循环（iterative refinement）的依据。与仅执行一次不同，它能一边观察屏幕一边自主调整方向，这一点正是其与单纯自动化脚本的决定性区别。
根据说明书，传统方法的难题在于“视觉UI操作困难、过度依赖API覆盖率、产生幻觉以及可靠性较低”。而本发明据记载，将可靠性从传统的约59%提升至约88%。
59%
传统方法的可靠性
88%
本发明的可靠性
💡 要点：这种定量效果的记载在专利实务中至关重要。相比“精度得到提升”这一抽象表述，“59%→88%”这样的具体数值，能显著增强对进步性（特别是在日本和欧洲）的主张力度。在日本的审查中，“本领域技术人员无法预见的显著效果”可能是决定进步性的关键，而定量数据则是其最佳佐证。
补充｜技术背景：本专利家族的基础申请提到了多模态架构“Fuyu-8B”，以及软件操作录像、网页、智能体行为轨迹（agentic trajectories）等学习数据。由此可见，该申请的视野已延伸至支撑智能体“感知与行为”的数据基础。
US 12,566,913 B2｜权利要求1（原文／英语）
一种用于界面自动化的系统，包括：至少一个中央处理单元；一种存储编程和数据结构的存储设备，当由所述至少一个处理单元执行时，会促使系统配置一个智能体； 该配置好的代理用于：处理包含多模态数据的输入，该输入指定了一个界面工作流，其中包括上下文元数据以及执行界面工作流之前的界面状态，其中所述多模态数据至少包括自然语言描述与规范性命令的组合； 并将界面工作流划分为多个子任务，其中每个子任务取决于前一个子任务的完成；响应于多模态输入数据，生成指定一序列执行命令的输出，该序列以支持模型调用和动作执行的自定义领域特定语言 （DSL），该语言同时支持模型调用和动作执行，其中该序列的执行命令将触发一项或多项机器驱动的动作，这些动作复现用户在界面上的操作，并通过将模型指令转换为真实的Web或应用程序事件（包括至少本地化）来实现界面工作流的自动化； 通过执行器执行该序列的多模态执行命令，其中该执行器被配置为从代理接收该序列的执行命令，并基于该序列的执行命令执行机器驱动的操作，作为自动化界面工作流的合成操作； 并提供包括界面截图和操作历史记录在内的反馈，以实现工作流的迭代执行和优化。
专利代理人参考译文（日语）
| 限定 | 技术含义 | 生效理由 |
|---|---|---|
| 自定义DSL（模型调用＋动作执行） | 用通用语言描述思维与操作 | 技术实现的核心。摆脱抽象概念 |
| 具有依赖关系的子任务划分 | 把握现实的工作流结构 | 控制逻辑的具体性 |
| localization（元素定位） | 确定屏幕上的UI元素 | 视觉UI操作的技术要点 |
| 截图等反馈 | 迭代改进循环 | 自主性的依据 |
Anthropic通过多项专利，从不同层面多层次地保护了相同的“计算机使用”概念。两项已注册专利的职责分工如下：
| US 12,430,150 B1 | US 12,566,913 B2（本文） | |
|---|---|---|
| 保护对象 | 运行时架构（执行基础） | AI代理本体（智能与行为） |
| 重点 | 客户端/服务器分工与中间表示 | DSL·子任务划分·反馈 |
| 独立权利要求 | 3（系统·方法·载体） | 以权利要求1（系统）为中心 |
| 打个比方 | “舞台（执行环境）” | “演员（代理）” |
| 注册 | 2025年9月30日 | 2026年3月3日 |
💡 要点：针对同一产品（计算机应用），从“运行平台”和“代理程序本体”这两个不同角度申请多项专利，是构建强大专利网络的常规策略。通过构建即使竞争对手规避了一方，仍可能触犯另一方的结构，从而提高市场准入门槛。即使是公司自身的主力产品，按层级划分进行多项专利申请也是一种有效的策略。
由于具备自定义DSL、子任务划分、本地化以及通过执行器实现等技术实现，因此在Alice/Mayo测试中更容易主张“对技术问题的具体解决方案”，目前已获注册。
该申请明确指出了CPU和内存设备，并记载了具体的数据处理（DSL生成、命令翻译），其构成易于满足作为软件相关发明的专利适格性要求。特别是“59%→88%”这一定量效果，为判断进步性所需的“显著效果”提供了有力佐证。
由于“提高可靠性”这一技术效果明确，且易于定位为针对UI自动化（包括本地化）这一技术课题的技术解决方案，因此即使在COMVIK方法下，该结构也更容易作为技术特征被计入进步性评估。
① 用定量数据展示效果。不要写“精度提高”，而应写“59%→88%”。数值是证明进步性的最有力依据。请在说明书阶段准备好实验数据和评估结果。
② 为功能性概念赋予“专用机制”。不要写“由AI操作”，而应写“为此设计了DSL”。将抽象功能转化为具体的技术手段。
③ 描述控制结构。使用技术术语明确说明处理结构，例如子任务的依赖关系、反馈循环等。
④ 针对主力产品，应分层提交多项专利申请。例如，像执行基础与智能代理本体那样，从不同切入点进行多层次的权利保护。
我们将对贵公司的AI智能体进行诊断，评估其能否获得强有力的专利保护。
精通IT、软件及AI领域的专利代理人将为您提供全方位支持，包括免费可专利性诊断、基于效果数据的权利要求设计、FTO调查，以及日本、美国和欧洲的申请策略。
预约首次免费咨询 IT·AI知识产权服务Q. US 12,566,913 B2是一项什么样的专利？
A. 这是Anthropic公司持有的美国注册专利，其保护对象正是能够实现多模态界面自动化的“AI代理”本身。该代理的运作机制是：接收自然语言指令和屏幕状态作为输入，将任务分解为子任务，使用自定义DSL（领域特定语言）生成操作命令序列，从而操控用户界面。该专利于2026年3月3日注册，共计15项权利要求。
Q. 什么是DSL（领域特定语言）？
A. 它是Domain-Specific Language的缩写，是一种专门针对特定领域的编程语言。在本专利中，能够同时表达AI代理的“模型调用（model calls）”和“动作执行（action executions）”的自定义DSL是核心技术。其技术创新之处在于，使用一种通用语言来描述并衔接AI的判断与实际的UI操作。
Q. US 12,430,150 B1与US 12,566,913 B2有何区别？
A. 这两项专利是支撑Anthropic“计算机使用”的姊妹专利。US 12,430,150 B1保护的是执行基础架构（运行时架构＝客户端/服务器分工），而US 12,566,913 B2则保护的是智能体本体（DSL、子任务划分、反馈）。这是通过在不同层级对同一产品进行多层次保护而实现的巧妙专利组合设计。
问：说明书中提到的“88%”是指什么？
A. 本专利说明书中记载，传统方法的可靠性约为59%，而本发明的方法将其提升至约88%。此类定量效果，在主张进步性（特别是日本和欧洲）时，将成为强有力的佐证。
Q. 关于将本公司的AI代理申请专利，有什么建议吗？
A. 从本专利中可以汲取的最大教训是“用数字展示效果”。与仅写“精度得到提升”相比，像“传统方法59%→本方法88%”这样通过定量数据来展示，对主张进步性的说服力要强得多。此外，具体描述DSL（领域特定语言）和子任务划分等技术机制也至关重要。
本文注意事项：本文基于已公开的专利公报，对技术和制度进行的一般性解读。US 12,566,913 B2虽为已注册专利，但实际权利范围由各权利要求条款的措辞、等同原则及历史信息共同决定。文中引用的权利要求、摘要及说明书内容（包括可靠性数值等）虽基于公开公报数据（如FreePatentsOnline等），但在涉及法律重要用途（如自由实施分析、侵权分析、无效审查、专利申请等）时，请务必核对美国专利商标局（USPTO）的正本及最新案件进展信息，并咨询专家进行个别审查。日语译文仅供理解参考，正文以英文原文为准。