---
title: 【专利代理人解读】解读Salesforce多智能体专利的权利要求（US2025/0265443）｜AI智能体专利申请的实例与撰写方法
description: 专利代理人将结合Salesforce的多代理AI专利US2025/0265443 A1的实际权利要求原文，进行深入详尽的解读。内容涵盖权利要求结构（方法、系统、介质）、从属权利要求策略、AI代理发明权利要求及说明书的撰写参考示例，乃至日美欧三地的审查评估。这是一本有助于企业获取专利权的实务指南。
---

[EVORIX 知识产权博客](https://www.evorix.jp/zh/blog)

# [【专利代理人解读】解读Salesforce多智能体专利的权利要求（US2025/0265443）｜AI智能体专利申请的实例与撰写方法](https://www.evorix.jp/zh/blog/salesforce-hierarchical-agent-patent)

 Written by 弁理士 杉浦健文 | 2026/07/18

“通过协调多个AI代理来解决复杂任务”——在当前备受瞩目的**多代理AI领域**，Salesforce公司提交的一项美国专利申请已公开（US2025/0265443 A1，2025年8月21日公开，共20项权利要求）。本文将**引用实际的权利要求（权利要求范围）**原文，由精通AI知识产权的专利代理人对技术内容及权利要求结构进行深入解读。

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。

**💡 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”**。关于基础要件，[请参阅基础篇](https://www.evorix.jp/blog/ai-agent-patent-application)；关于日美欧案例比较，请[参阅案例篇](https://www.evorix.jp/blog/ai-agent-patent-cases-japan-us-europe)。

目录

1. [30秒读懂本专利要点](https://www.evorix.jp/zh/blog/salesforce-hierarchical-agent-patent?hs_amp=true#summary)
2. [专利基本信息](https://www.evorix.jp/zh/blog/salesforce-hierarchical-agent-patent?hs_amp=true#basic)
3. [技术解析｜分层式多智能体架构](https://www.evorix.jp/zh/blog/salesforce-hierarchical-agent-patent?hs_amp=true#tech)
4. [具体应用案例（4个）](https://www.evorix.jp/zh/blog/salesforce-hierarchical-agent-patent?hs_amp=true#examples)
5. [【本文核心】阅读独立权利要求1的原文](https://www.evorix.jp/zh/blog/salesforce-hierarchical-agent-patent?hs_amp=true#claim1)
6. [权利要求结构分析｜method／system／媒体的三要素组合](https://www.evorix.jp/zh/blog/salesforce-hierarchical-agent-patent?hs_amp=true#structure)
7. [从从属权利要求中窥见“权利分层”战略](https://www.evorix.jp/zh/blog/salesforce-hierarchical-agent-patent?hs_amp=true#dependent)
8. [参考｜AI智能体发明的权利要求撰写方法](https://www.evorix.jp/zh/blog/salesforce-hierarchical-agent-patent?hs_amp=true#draft-claim)
9. [参考｜AI代理发明说明书的撰写方法](https://www.evorix.jp/zh/blog/salesforce-hierarchical-agent-patent?hs_amp=true#draft-spec)
10. [在日、美、欧的审查中将如何评价](https://www.evorix.jp/zh/blog/salesforce-hierarchical-agent-patent?hs_amp=true#exam)
11. [对本公司申请的5个启示](https://www.evorix.jp/zh/blog/salesforce-hierarchical-agent-patent?hs_amp=true#lessons)
12. [注意｜本案已公开（正在审查中）](https://www.evorix.jp/zh/blog/salesforce-hierarchical-agent-patent?hs_amp=true#status)
13. [常见问题（FAQ）](https://www.evorix.jp/zh/blog/salesforce-hierarchical-agent-patent?hs_amp=true#faq)

## 30秒了解本专利要点

**● 发明内容：**一种分层式多智能体架构，其中“管理智能体”将复杂任务分解为子任务，**动态选择**最优的子模型，通过API向目标模型传递**符合其格式**的数据包，并根据输出结果生成下一项任务。  
**● 申请人：**Salesforce Inc.（美国）  
**● 规模：**共20项权利要求（独立权利要求3项＝方法、系统、介质）  
**● 状态：**美国专利申请公开（A1）＝  
审查中**● 为何重要：**因为这是一项试图直接对“经理-工作者型”这一AI代理实现的主流模式进行权利保护的申请。

## 专利基本信息

| 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） |

## 技术说明｜分层型多智能体架构

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：

\[接收任务指令\]（通过数据接口） ▼ \[第一模型\] ── 根据任务指令生成“第一子任务” ▼ \[选择第二模型\] ── 根据子任务从多个模型中动态选择 ▼ \[建立API连接\] ── 在第一模型与第二模型之间建立连接 ▼ \[生成子任务包\] └ 以符合第二模型要求的格式生成 ▼ \[第二模型执行 → 接收输出\]（通过API连接） ▼ \[第一模型生成“第二子任务”\] └ 基于任务指令＋第一模型的输出

### 三层代理结构

| 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 |

### 代理之间的通信与优化

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。

## 具体应用示例（4个）

| 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 |

## 【本文核心】阅读独立权利要求1的原文

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）

一种构建用于执行任务的多个神经网络模型的分层结构的方法，  
①通过数据接口**接收任务指令**的步骤；  
②由第一模型基于所述任务指令**生成第一子任务的**步骤；  
③基于所述第一子任务，从多个模型中**选择第二模型的**步骤；  
④通过第一API，在第一模型与第二模型之间**建立第一连接的**步骤；  
⑤由第一模型**生成符合**第二**模型格式的第一子任务包的**步骤；  
⑥通过所述第一连接，从执行该包的第二模型**接收第一输出**；  
⑦由第一模型基于任务指示和第一输出**生成第二子任务**；  
⑧基于所述第二子任务（至少部分地），由选定的一个或多个模型**协同执行任务指令的**步骤；

### 逐条解读权利要求1

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。

## 权利要求构成的分析｜方法／系统／介质的“三要素组合”

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。

【权利要求树（独立／从属关系）】 ● 权利要求1（方法・独立） ├─ 权利要求2（进一步选择第3模型・联动） ├─ 权利要求3（包＝适配提示） ├─ 权利要求4（输出＝完成状态等） ├─ 权利要求5（考虑人类指示） ├─ 权利要求6（与第4模型协作生成包） │ ├─ 权利要求7（由第4个模型对初始子任务进行精细化处理） │ └─ 权利要求8（将任务拆分，由各模型分担） ├─ 权利要求9（向第5、第6个模型进行多级委托） └─ 权利要求10（各模型独立学习） ● 权利要求11（系统独立） └─ 权利要求12～19（对应权利要求2～10的从属权利要求） ● 权利要求20（介质独立）

## 从从属权利要求中可见的“权利多层化”战略

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。

## 参考｜AI代理发明权利要求的撰写方法

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）

**【**  
**反面案例｜过于抽象，**易被驳回**】**“利用多个AI代理自动执行用户任务的系统。”

→ **驳回理由：**“由多个AI执行任务”仅停留在构想／功能的描述层面，技术手段不明。根据美国Alice案及日本发明性标准，驳回风险极高。

📝 权利要求撰写参考示例（并非本专利的权利要求）

**【**  
良好示例｜**具体化**处理流程】“接收任务指令的接收部；  
将前述任务指令分解为多个子任务的第一模型；  
基于各子任务的内容，从多个执行模型中**选择**执行模型的选择部；  
生成将所选执行模型转换为该模型可解析**的预定格式的**指令包的转换部；  
与前述执行模型**建立API连接**，发送前述指令包并接收执行结果的通信部；以及基于  
前述执行结果**生成下一个子任务的**控制部；所构成的信息处理装置。”

→ **通过“**接收→分解→选择→转换→通信→生成下一子任务”的具体处理步骤，明确了与硬件/API的协作关系。

**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**。

## 参考｜AI代理发明说明书的撰写方法

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。

## 日美欧审查中的评价标准

### 美国（USPTO）｜Alice/Mayo测试

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。

### 日本（JPO）｜与硬件资源的协同

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。

### 欧洲（EPO）｜技术贡献（COMVIK）

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。

关于AI代理专利在日、美、欧三国审查实务及案例的比较，详见[《AI代理能获得专利吗？日本、美国、欧洲的专利案例与审查实务》](https://www.evorix.jp/blog/ai-agent-patent-cases-japan-us-europe)。

## 针对企业自主申请的5条经验教训

**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。

## 注意｜本案为公开申请（审查中）

**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。

**关于权利要求引用的来源：**本文中的权利要求原文基于FreePatentsOnline上发布的公开公报数据。若用于具有法律重要性的用途（如无效、侵权、FTO鉴定或申请），请通过USPTO专利公开检索（Patent Public Search）的正本PDF文件逐字核对。日语译文是由专利代理人提供的便于理解的参考译文，正文以英文原文为准。

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](https://www.evorix.jp/free-consultation)[IT·AI知识产权服务](https://www.evorix.jp/it-ip-portal)

## 常见问题（FAQ）

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。

**推荐阅读（AI代理专利系列）：**  
・[AI代理](https://www.evorix.jp/blog/ai-agent-patent-application)技术能否[申请专利？审查标准与获得专利权的要点（基础篇）](https://www.evorix.jp/blog/ai-agent-patent-application)  
・[AI代理能获得专利吗？日本、美国、欧洲的专利案例与审查实务（案例篇）](https://www.evorix.jp/blog/ai-agent-patent-cases-japan-us-europe)

## 来源

- US2025/0265443 A1（Google Patents）：[https://patents.google.com/patent/US20250265443A1/en](https://patents.google.com/patent/US20250265443A1/en)
- 权利要求原文（FreePatentsOnline）：[https://www.freepatentsonline.com/y2025/0265443.html](https://www.freepatentsonline.com/y2025/0265443.html)

[View full post](https://www.evorix.jp/zh/blog/salesforce-hierarchical-agent-patent)

```json
{
  "@context" : "http://schema.org",
  "@type" : "BlogPosting",
  "author" : {
    "@type" : "Person",
    "name" : "弁理士 杉浦健文"
  },
  "dateModified" : "2026-07-18T10:49:43.409Z",
  "datePublished" : "2026-07-18T10:49:43Z",
  "headline" : "【专利代理人解读】解读Salesforce多智能体专利的权利要求（US2025/0265443）｜AI智能体专利申请的实例与撰写方法",
  "image" : {
    "@type" : "ImageObject",
    "height" : 768,
    "url" : "https://20920988.fs1.hubspotusercontent-na2.net/hubfs/20920988/Gemini_Generated_Image_gvuml3gvuml3gvum.jpg",
    "width" : 1376
  },
  "mainEntityOfPage" : "https://www.evorix.jp/zh/blog/salesforce-hierarchical-agent-patent",
  "publisher" : {
    "@type" : "Organization",
    "logo" : {
      "@type" : "ImageObject",
      "height" : 60.0,
      "url" : "https://20920988.fs1.hubspotusercontent-na1.net/hubfs/20920988/cropped-EVORIX%E3%83%AD%E3%82%B4-e1547405364171-768x181.png",
      "width" : 254.58563
    },
    "name" : "evorix blog"
  }
}
```