QiLinkOS 黄金样本结构模板（V1.0）
1. 基础元数据（Metadata）------ AI 检索与分类的锚点
●
TBL 唯一编号 ：例如 TBL-20260731-015（年份+日期+流水号，确保绝对不重）
●
解剖对象：企业全称 / 专利号 / 核心技术名称
●
关联代理机构：撰写该专利的代理所名称（用于后续追踪"流水线作业"源头）
●
风险模式标签 ： 积木拼接型 / 红海撞车型 / 参数微调型 / 伪需求型（单选或多选，这是未来 AI 自动打标的核心）
●
行业/赛道：例如 新能源 / 电池 / 储能 / 自动驾驶
2. 行业叙事 vs 技术事实（Narrative vs Fact）------ AI 语义对比的语料
●
官方/市场叙事（他们怎么吹的）：摘录招股书、公关稿或行业研报中的原话。（例："颠覆性全栈自研均衡效率技术"）
●
QiLinkOS 事实判定（实际是怎么做的）：用极其客观、冰冷的工程语言描述其真实技术路径。（例："基于现有开源架构的奇偶分组批量操作，无底层算法创新"）
3. 左链切片诊断（Technical Slicing）------ AI 逻辑推理的训练集
●
核心痛点/要解决的问题：该技术声称解决了什么工程难题？
●
技术实现路径：它是通过什么物理/化学/代码逻辑实现的？
●
致命缺陷/伪创新点：一针见血指出为什么它"不值钱"。（例："操作粒度调整"、"从权堆砌凑篇幅"、"未解决根本的热失控问题"）
4. 沉没成本核算（Sunk Cost）------ AI 商业价值评估的标尺
●
显性成本：专利申请费、代理费、研发材料费等（估算金额）
●
隐性成本：被误导的研发人力时间、错失的战略窗口期
●
商业转化概率：极低 / 低 / 中 / 高（AI 未来可据此生成风险预警指数）
5. 法医总结与行动建议（Conclusion & Action）------ AI 生成报告的模板
●
一句话定性：例如"典型的为凑高新企业认定而进行的低水平专利堆砌。"
●
避坑指南：给投资人或同行的建议（例如："尽调时若发现此类技术，建议直接否决或要求重新评估"）。
为什么这套模板是"为 AI 而生"的？
极度结构化：未来你不需要让 AI 去"阅读理解"一篇几千字的长文，你只需要把这份表格喂给它，它就能瞬间提取出"风险模式"和"沉没成本"。
强制客观化：模板里区分了"叙事"和"事实"，这就逼迫你在填写时，把主观情绪剥离，只留下客观的工程逻辑。AI 最擅长处理这种逻辑对比。
标签化思维：所有的风险模式都是"选择题"而不是"问答题"。未来 AI 只要学会了这套分类法，它就能自动给国知局每天新公开的几万份专利"贴标签"。
下一步建议：
你可以把这套模板直接导入到你的**多维表格（如飞书、Airtable 或 Notion）**中。接下来，你每人工解剖一份报告，就往这个表格里填一行数据。
当你填到 500 行时，你不仅拥有了一个极其漂亮的"失败样本库"看板，还顺手完成了一个完美的"AI 监督微调（SFT）数据集"。