此外，还将以本案为素材，深入探讨“如何撰写AI代理发明的主张和说明书”这一实务要点。对于那些“希望为公司自研的AI代理申请专利，却不知从何入手、如何撰写”的开发者和知识产权负责人而言，这件真实且优秀的专利申请正是最佳的教科书。
目录
| 项目 | 内容 |
|---|---|
| 公开号 | US 2025/0265443 A1 |
| 申请号 | 18/738,984 |
| 发明名称 | 构建面向任务的分层代理架构的系统和方法 |
| 公开日 | 2025年8月21日 |
| 申请日 | 2024年6月10日 |
| 优先权日 | 2024年2月19日 |
| 申请人 | Salesforce Inc. |
| 发明人 | 刘志伟 及其他14人 |
| 权利要求数量 | 20项（独立权利要求3项：权利要求1、11、20） |
| 主要分类（CPC） | G06N3/00, 3/02, 3/04, 3/045（神经网络） |
| 状态 | 申请公开（审查中） |
根据摘要，本发明是“用于构建执行任务的多个神经网络模型的分层结构的方法”。其核心处理流程如下：
| 层级 | 角色（基于说明书记载） |
|---|---|
| 管理代理 | 与各独立代理进行通信，管理代理之间的任务分配 |
| 子经理代理 | 将分配的任务进一步分解的中间层 |
| 独立代理 | 针对特定功能进行优化的执行单元 |
代理之间通过API交换“任务包”。该包包含适合对方代理的提示词，以生成相应动作（action）。文中阐述了两种优化各代理的方法：(1) 对LLM本身进行微调；(2) 优化提示词。
| 应用示例 | 内容 |
|---|---|
| 在线绘画代理 | 搜索智能体与绘画智能体协同工作，在线搜索视觉特征后生成图像 |
| 交互式图像理解 | 通过多轮对话，回答基于图像的人类提问 |
| 数学问题解答 | 数学代理通过与WolframAlpha联动，解答“75×34+12=”等数学题 |
| 国际象棋对弈 | 国际象棋智能体识别棋盘局面，执行合法走法并与人类对弈 |
专利实际保护的对象并非摘要或图纸，而是“权利要求”。在此，我们将引用本案最重要的独立权利要求1（方法权利要求）的原文。
权利要求1（原文／英语）
一种用于构建多个神经网络模型的分层结构以执行任务的方法，该方法包括：通过数据接口接收任务指令；由第一神经网络模型根据任务指令生成第一子任务； 基于第一子任务，从多个神经网络模型中选择第二神经网络模型；通过第一应用程序接口（API），在第一神经网络模型与第二神经网络模型之间建立第一连接； 由第一神经网络模型生成符合第二神经网络模型格式的第一子任务包；通过第一连接接收执行第一子任务包的第二神经网络模型输出的第一输出； 由第一神经网络模型基于任务指令和第一输出生成第二子任务；以及至少部分基于第二子任务，促使从多个神经网络模型中选定的一或多个神经网络模型共同执行该任务指令。
专利代理人参考译文（日语）
该权利要求的精妙之处在于，将“使多个AI协同工作”这一抽象概念分解为8个具体的处理步骤。特别是在专利适格性（专利资格与创造性）方面，以下限定起到了关键作用：
| 限定 | 技术含义 | 为何重要 |
|---|---|---|
| ④ 构建API连接 | 将模型间的协作定义为具体的通信连接，而非抽象的“协同” | 摆脱“单纯的想法”，明确技术实现 |
| ⑤ 生成符合格式的包 | 转换为目标模型可解析的格式 | 代理协作的技术核心。主张其进步性的关键点 |
| ③ 基于子任务的动态选择 | 并非静态的固定结构，而是根据内容进行选择 | 编排智能的所在 |
| ⑦ 基于输出的下一任务生成 | 构建反馈循环 | 自主性＝体现智能体特性的依据 |
💡 要点：“a format compliant with the second neural network model（符合第二神经网络模型的格式）”这一限定，是本权利要求的技术亮点。这不仅仅是信息的传递，而是实现不同模型间互操作的技术巧思，也是规避“抽象构想”驳回（相当于美国Alice案及日本专利法第2条第3款(k)项）的有力依据。
本案在总计20项权利要求中，将独立权利要求划分为3个不同类别。这是软件专利的常规做法。
| 权利要求 | 类别 | 保护对象 | 预期的侵权主体 |
|---|---|---|---|
| 权利要求1 | 方法（method） | 处理步骤 | 实施该方法的人 |
| 权利要求11 | 系统（system） | 配备内存和处理器的装置 | 制造、销售或使用该装置的人 |
| 权利要求20 | 非临时性机械可读介质 | 记录有程序的记录介质 | 分发或提供程序的人 |
权利要求11（系统）描述了与权利要求1相同的处理过程，并将其与“memory（内存）”、“one or more hardware processors（一个或多个硬件处理器）”等物理构成要素结合在一起。
权利要求11（节选）（原文／英语）
一种系统……包括：用于存储多个神经网络模型和多个处理器可执行指令的内存；用于接收任务指令的通信接口；以及从内存中读取并执行多个处理器可执行指令以执行包括……在内的操作的一个或多个硬件处理器； （以下处理方式与权利要求1相同）
💡 要点：根据日本审查标准，关键在于“信息处理是否利用硬件资源具体实现”。权利要求11明确指出“存储器”和“硬件处理器”，正是为了满足这一要件的常规做法。若在日本申请同一发明，在系统权利要求中明确与硬件资源的协作也是有效的。
即使独立权利要求因现有技术而被判定无效，只要从属权利要求仍然有效，权利仍可维持。从属权利要求起到了“多层防御”的作用。从本案的从属权利要求中，可以学习到巧妙的限定方法。
权利要求3（原文／英语）
如权利要求1所述的方法，其中，第一子任务包包括符合第二神经网络模型的第一提示，该提示指示第二神经网络模型执行第一子任务。
权利要求3将包的内容具体化为“符合要求的提示词”。通过以“提示词”这一下位概念对“格式”这一上位概念（权利要求1）进行限定，使权利范围具有分阶段的宽窄层次。
权利要求5（原文／英语）
权利要求1所述的方法，进一步包括：接收……人类指令；以及由第一神经网络模型基于任务指令和人类指令生成第一子任务。
权利要求5涵盖了将“人类指令（human instruction）”纳入处理流程的变体（human-in-the-loop）。通过在从属权利要求中全面涵盖各种实现变体，可防止竞争对手通过设计变更来规避专利。
权利要求10（原文／英语）
权利要求1所述的方法，其中第一神经网络和第二神经网络各自独立训练。
权利要求10限定了“各模型独立学习”这一要点，将异构模型组合这一实际应用纳入了专利保护范围。
💡 要点：从属权利要求的常规策略包括：①从上位概念到下位概念的分阶段限定（权利要求3），②涵盖实现变体（权利要求5中的人工干预、权利要求6～9中的多级委托），③明确构成特征（权利要求10中的独立学习）。独立权利要求范围宽泛，从属权利要求则详细涵盖具体实施方式——这种“宽窄分层”构筑了坚实的专利网。
基于本案，现展示将本公司AI代理发明转化为权利要求时的思路框架。以下为便于理解的一般性参考示例（并非本专利的权利要求）。
📝 权利要求撰写参考示例（并非本专利的权利要求）
📝 权利要求撰写参考示例（并非本专利的权利要求）
权利要求设计检查清单：① 不使用抽象目的（“实现～的自动化”），而以处理步骤表述／② 将代理之间的接口（格式、API、协议）作为技术钩子／③ 明确动态选择与控制逻辑／④ 按方法、系统、介质三大类别进行划分／⑤ 通过从属权利要求全面涵盖实现变体。
只有有支撑它的说明书，强有力的权利要求才能成立。下面将结合本案的构成，列举AI代理发明说明书中尤为重要的要素。
| 要素 | 应撰写的内容 | 本案中的实践 |
|---|---|---|
| 技术课题 | 明确技术难题，例如单一代理/LLM无法解决复杂任务等 | 明确指出“单一LLM代理在处理需要多种专业操作的复杂任务时会遇到困难” |
| 解决方案 | 解决该挑战的具体架构与处理流程 | 分层分解＋动态选择＋格式适配＋API集成 |
| 实施例（重要） | 通过多种多样的实施例确保可行性要求与支持要求 | 绘画、图像理解、数学、国际象棋的4个示例 |
| 术语定义 | 定义并具体化“任务包”、“适配格式”等功能性概念 | 包＝包含适配提示等 |
| 变体示例 | 人类介入、多级委托、独立学习等变体 | 在说明书中通过对应从属权利要求的变体进行佐证 |
注意可实施性要求和支持性要求：AI处理往往会成为“黑箱”。若仅以“输入AI即可获得良好结果”这类抽象表述，无论在日本还是美国都会被驳回。必须具体描述“采用何种输入”、“进行何种条件分支”、“选择何种模型”以及“转换为何种格式”，其具体程度需达到本领域技术人员能够复现的程度。本案之所以详细记载了多达4个实施例，正是为了满足这一要求。
💡 要点：说明书撰写的铁律是“以广泛的公开内容支撑广泛的权利要求”。如果权利要求中使用了上位概念（格式、模型选择），则应在说明书中列举多个具体示例（提示格式、选择算法），并预先设置中间概念的备选方案。这样，即使在审查中被要求进行限定，也能在不构成新增事项的情况下对权利要求进行缩减。
在美国，审查重点在于“是否针对抽象概念，以及若针对抽象概念是否存在发明性概念”。本案以包含神经网络模型群、API连接、适配格式包等技术实现的具体流程形式进行描述，其构成便于主张“针对技术问题的技术解决方案”。这也符合2024年7月USPTO发布的AI审查指南（案例47～49）中的思路。
在日本，“信息处理是否利用硬件资源具体实现”是判断标准。鉴于本案权利要求11明确指出了内存（memory）和硬件处理器（hardware processor），且记载了数据接口、API连接及格式转换等具体处理过程，因此认为其作为软件相关发明较易满足专利适格性要求。创造性的关键在于“动态模型选择”和“适配格式转换”的技术方案及其效果。
在欧洲，只有对技术性质有贡献的特征才会被计入进步性。本案中的“实现异构模型间互操作的格式转换”和“通过API连接实现的协作”，容易被定位为对技术课题（互操作性）的技术性解决方案，这种构成也更容易避免被评价为纯粹的商业方法。
① 不要描述“创意”，而要描述“处理流程”。将其分解为接收→分解→选择→转换→连接→输出→生成下一任务等具体步骤。
② 将代理之间的“接口”作为技术切入点。适配格式、API连接、通信协议是摆脱抽象论述的有力线索。
③ 按方法、系统、介质三大类别构建。以此涵盖不同的侵权主体，扩大保护范围。
④ 通过从属权利要求实现权利的分层。分阶段涵盖上位概念→下位概念、实现变体及构成特征。
⑤ 详尽描述实施例。通过多样化的应用实例满足可实施性要求和支持性要求，为广泛的权利要求提供支撑。
权利范围尚未确定：本案（US2025/0265443 A1）是美国专利申请公开，并非已注册专利。最终的权利范围将通过后续审查（应对审查意见通知书、修改等）确定。本文基于已公开的申请文件对技术和制度进行的一般性说明，并不保证特定的权利范围或有效性。第三方在进行商业决策（侵权分析、FTO等）时，请务必参考最新的审查进展信息、USPTO官方正本以及专家的个别分析。
我们将对贵公司的AI代理技术进行专利可行性诊断。
精通IT及软件领域的专利代理人将为您提供全方位支持，从技术需求沟通、免费可专利性诊断，到权利要求设计，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. US2025/0265443 A1是一项什么样的专利？
A. 这是Salesforce公司关于“任务导向的分层代理架构”的美国专利申请（2025年8月21日公开，共20项权利要求）。该专利涉及多智能体AI的基础技术，即上级“管理智能体”将复杂任务分解为子任务，动态选择最适合各子任务的下级模型，并通过API向对应模型传递符合其格式的数据包，从而实现协同处理。
问：这是一项已获授权的专利吗？
A. 不是。末尾的“A1”表示美国专利申请公开（published application），截至2026年，该申请仍处于审查中。最终的权利要求范围将在后续审查中确定。
Q. 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（方法/method）、权利要求11（系统/system）和权利要求20（非临时性机器可读介质/non-transitory machine-readable medium）这3个类别，均共享相同的核心限定。其余的权利要求2～10、12～19均为从属权利要求。
Q. 多智能体机制能否获得专利？
A. “使用多个AI”这一想法本身较为抽象，难以获得专利；但如果像本案这样，将其描述为“分解任务、生成符合格式的包、建立API连接以接收输出、生成下一个任务”这一具体的信息处理流程，那么无论在日本还是美国，获得专利的可能性都会提高。
Q. 为什么要提出方法、系统和介质这三类权利要求？
A. 这是为了扩大保护范围。方法权利要求保护处理步骤，系统权利要求保护设备（内存、处理器），媒体权利要求保护记录了程序的存储介质。通过这种方式，可以涵盖“实施者”、“制造或销售设备者”以及“分发程序者”等不同类型的侵权主体。
Q. 日本企业如何就多智能体技术申请专利？
A. 将代理间通信协议、动态选择逻辑、任务包格式转换等能够技术具体化的部分作为权利要求的核心是有效的。关键在于不要仅停留在单纯的商业构想或提示词的巧思上，而应将其作为系统的处理流程进行描述。
Q. 在AI代理发明说明书中应特别注意哪些要点？
A. 主要有以下三点：①将技术问题（例如：单一智能体无法解决复杂任务）与解决方案对应描述；②通过描述多种多样的实施例来满足可实施性要求和支持性要求；③将“适配格式”、“API连接”等功能性概念具体化为实际处理流程。
Q. 申请前已公开的技术还能获得专利吗？
A. 原则上，一旦通过论文、开源软件（OSS）、新闻稿等方式公开，该技术将丧失新颖性，无法获得专利。虽然日本在满足一定条件的情况下设有新颖性丧失的例外规定（第30条），但各国的条件各不相同，且并非万能，因此完成申请是铁律。