在本文中，一位精通AI知识产权的专利代理人将结合原文，对该专利的所有权利要求构成、技术架构以及说明书中的巧思进行深度解析。对于正在自主开发“Computer Use型”智能代理，并希望了解“哪些方面是获得专利权的关键”的开发人员和知识产权负责人而言，本文是必读之作。
💡 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”。关于Anthropic整体专利战略的分析，请参阅《解读Anthropic的专利战略》；关于基础要件，请参阅基础篇。
目录
| 项目 | 内容 |
|---|---|
| 专利号 | US 12,430,150 B1 |
| 发明名称 | 用于与代理程序对接以实现多模态接口工作流自动化的运行时架构 |
| 注册日期 | 2025年9月30日 |
| 申请日 | 2024年10月8日 |
| 优先权日 | 2024年3月20日 |
| 申请人 | Anthropic PBC |
| 发明人 | Rohan Bavishi、Erich Elsen、Curtis Hawthorne 等 |
| 权利要求数 | 20项（独立权利要求3项：权利要求1、14、20／从属权利要求17项） |
| 状态 | 已授权专利（granted） |
“Computer Use”是一项技术，AI能够像人类一样观察屏幕（识别屏幕截图）、移动鼠标、点击以及输入文字，从而操作任何软件。与传统的通过API实现的自动化不同，由于直接操作UI本身，因此即使对于未公开API的应用程序也能实现自动化，这一点具有划时代意义。
本专利所保护的正是如何在运行时（Runtime）实现这种“AI对UI的自动操作”的基础架构。请注意，其保护的并非创意本身，而是实现该功能的运作机制。
本专利的最大特点在于，将处理任务分配给客户端和服务器端，并通过名为“中间表示（intermediate representation）”的抽象层将两者连接起来的架构。整体流程如下。
💡 要点：通过引入名为“中间表示（intermediate representation）”的抽象层，将代理规范（想要做什么）与实际的UI操作命令（如何操作）进行了分离。这种思路与编译器设计一脉相承，将单纯的“让AI操作电脑”这一构想升华为具体的软件架构。
根据说明书，代理可调用的“功能（agent function）”已被系统化为多种类型。这些作为具体操作的词汇表（vocabulary），支撑着本发明。
| 类别 | 功能示例（说明书记载） | 作用 |
|---|---|---|
| 内置功能 | answerQuestionAboutScreen（回答关于界面的问题）、click（点击）、type（输入）、scroll（滚动） | 基本UI操作与识别 |
| 规划师功能 | act（操作）、fillform（表单填写）、pickdate（日期选择） | 将多个操作组合而成的更高阶任务 |
| 工作流功能 | （用户自定义工作流） | 业务特有的自动化单元 |
这种将操作抽象化为函数，并由AI代理组合这些函数来执行任务的架构，在从属权利要求（后述）中也有具体体现。
AI代理要判断“接下来该做什么”，就必须感知当前状况。本专利说明书中记载，观测逻辑（observation logic）会向代理提供以下信息：
| 观测信息 | 内容 |
|---|---|
| 屏幕截图 | 当前界面的视觉信息（多模态输入） |
| 操作历史（action history） | 迄今为止执行过的操作记录 |
| 任务描述（task description） | 应完成的任务说明 |
“观察屏幕 → 基于此前行为 → 决定下一步操作”这一感知-行动循环（perception-action loop），正是AI代理具备“自主性”的依据。本专利从技术层面具体实现了这一循环。
本专利共包含20项权利要求，采用软件专利的经典结构，将独立权利要求分为方法、系统和介质三大类。
| 权利要求 | 类别 | 保护对象 | 假定侵权主体 |
|---|---|---|---|
| 权利要求1 | 系统（system） | 在处理器上运行的系统 | 制造、使用或销售该装置的人 |
| 权利要求14 | 计算机实现方法（method） | 处理步骤 | 实施该方法的人 |
| 权利要求20 | 非临时性计算机可读存储介质 | 记录了程序的介质 | 分发或提供程序的人员 |
从属权利要求（2～13、15～19）具体限定了代理功能的种类、监测逻辑、返回值等，通过多层次的防御机制，确保即使独立权利要求被认定无效，权利仍能得以保留。
权利要求1（原文／英语）
一种在单个或多个处理器上运行的系统，用于在运行时在客户端实现接口自动化语言，包括：代理规范逻辑， 在客户端运行，且配置为构建代理规范，并使该代理规范可供服务器端翻译为中间表示形式，其中该代理规范配置为自动化多模态接口工作流；以及运行于客户端的运行时解释逻辑，且配置为：接收中间表示形式； 检测中间表示形式中的一或多个代理函数；基于代理函数生成一或多个代理调用；向代理发出代理调用，并据此从代理接收至少一个运行时执行函数； 并将该运行时执行功能转换为至少一个运行时执行命令，其中该运行时执行命令作为运行时合成动作触发至少一个机器执行动作，从而实现多模态接口工作流的自动化。
专利代理人参考译文（日语）
| 限定 | 技术含义 | 生效理由 |
|---|---|---|
| 转换为中间表示（intermediate representation） | 将规范与执行分离的抽象层 | 摆脱抽象概念。架构的具体性 |
| 代理功能的检测与调用生成 | 将操作函数化并动态调用 | 控制逻辑的具体化。进步性的论点 |
| 将操作函数转换为操作命令 | 将AI的判断转换为实际的UI操作 | “操作界面”技术实现的核心 |
作为方法权利要求的第14项，虽然以方法形式描述了与第1项几乎相同的处理过程，但存在一个重要的区别。
权利要求14（节选）（原文／英语）
...在客户端向服务器端的代理发出代理调用，并作为响应，在客户端从该代理接收至少一个运行时执行函数；...
相比之下，权利要求1（系统）仅描述为“向代理发出（issue the agent calls to an agent）”，而权利要求14（方法）和权利要求20（介质）则明确指出“向服务器端的代理发出（to an agent on the server-side）”。
💡 要点：这一差异是刻意为之的权利要求起草策略。系统权利要求仅将客户端设备纳入保护范围，从而广泛涵盖“实施客户端的一方”。另一方面，方法和介质权利要求则明确了与“服务器端代理”的协作，从而涵盖了整个分布式系统的处理过程。这是从不同角度对同一发明进行多层次保护的典范。
① 与产品一对一对应。直接保护了“计算机使用”这一实际核心功能，商业价值明确。
② 保护对象不是创意，而是架构。并非停留在“AI操作PC”这一抽象概念，而是以中间表示、函数化、多级转换等具体的软件结构形式进行描述，因此专利适格性较高。
③ 权利要求切入点具有多层次性。除系统（以客户端为中心）、方法、载体这3大类别外，还在系统权利要求和方法权利要求中通过改变代理程序所在位置（服务器端）的描述，从而涵盖了不同的侵权情形。
在Alice/Mayo测试中，关键在于判断“是否属于抽象构想，或是否存在发明性概念”。本案因涉及中间表示、代理调用及操作命令翻译等技术实现，因此易于主张“针对技术课题（UI自动操作）的技术解决方案”，目前已获注册。
其标准在于“信息处理是否利用硬件资源具体实现”。由于说明书中记载了在处理器上运行的系统、客户端/服务端的分工以及具体的数据转换，该构成为作为软件相关发明满足专利适格性提供了有利条件。进步性的关键在于“通过中间表示进行的抽象化”以及“操作函数→命令转换”的技术巧思。
审查重点在于技术贡献（COMVIK）。该结构易于定位为针对“UI自动操作”这一技术课题的架构层面的技术解决方案，从而更容易避免被评定为纯粹的商业方法。
① 撰写直接保护产品功能的权利要求。不仅要涵盖抽象的高层概念，还要明确对应本公司产品核心功能的具体构成。
② 将架构语言化。像“中间表示”、“观测逻辑”、“操作命令”这样，用技术术语定义系统的构成要素和处理流程，并将其落实到权利要求中。
③ 对于分布式架构，应明确记载并区分“在何处执行何种操作”。明确客户端/服务器/代理的角色分工，并根据侵权主体的不同调整权利要求的切入点。
④ 将操作函数化并全面覆盖。在从属权利要求和说明书中具体化click、type、scroll等操作术语，从而增加规避设计的难度。
我们将对贵公司的AI代理程序进行专利可行性诊断。
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、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 12,430,150 B1是一项什么样的专利？
A. 这是Anthropic公司持有的美国注册专利，保护了AI代理自动操作多模态（图像+文本）用户界面的“运行时架构”。这是该公司“计算机使用”（Claude操作电脑的功能）的核心专利，于2025年9月30日获授权。该专利共包含20项权利要求（3项独立权利要求、17项从属权利要求）。
问：该专利有多少项独立权利要求？
A. 共有3项。分别属于权利要求1（系统）、权利要求14（计算机实现方法）和权利要求20（非临时性计算机可读存储介质）这3个类别，其构成符合软件专利的常规做法，旨在涵盖不同的侵权主体。
Q. 为什么要区分“客户端”和“服务器端”？
A. 该架构采用分工协作的结构：客户端负责构建代理规范、解析中间表示以及将其转换为操作命令；而将代理规范转换为中间表示以及代理本体则放置在服务器端。将繁重的推理工作交由服务器端的AI处理，而UI操作的执行则由客户端承担，这种符合实际实施情况的架构，其具体性有助于确保专利适格性。
Q. 日本企业如何利用“计算机使用型”技术获得专利？
A. 与其强调“AI操作PC”这一概念，不如像本案一样，将①客户端/服务端的角色分工、②作为抽象层的“中间表示”、③“代理调用→操作函数→操作命令”的多级转换等具体内容作为软件架构进行描述，这样更为有效。
Q. 我担心会侵犯该专利，该怎么办？
A. 本案为已注册专利，其实际权利范围由各权利要求条款的措辞、等同原则以及过往信息共同确定。判断贵公司的代理技术是否构成侵权（FTO＝自由实施调查），是一项需要对权利要求进行解释的专业工作。如有顾虑，请委托精通IT及软件领域的专利代理人进行权利要求对比分析。
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说明。US 12,430,150 B1虽为已注册专利，但其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确定。文中引用的权利要求、摘要及说明书内容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USPTO正本及最新审查信息，并寻求专家的个别审查。日语译文仅供理解参考，正文以英文原文为准。