IdeaForge：一个基于知识图谱的多智能体框架，用于跨方法论创新分析与专利权利要求生成

当前AI辅助创新系统通常采用单一创意方法论（如TRIZ或设计思维），使用不保留中间推理结构的顺序式提示工作流。因此，跨方法论产生的洞见仍然碎片化，限制了可追溯性、综合以及对新颖性的系统评估。我们提出IdeaForge，一个面向创新分析与专利权利要求生成的基于知识图谱的多智能体框架。IdeaForge通过运行在持久化FalkorDB知识图谱之上的专业化智能体，集成多种创新方法论（TRIZ、设计思维和SCAMPER）。每个智能体贡献结构化的实体与关系，用以表示矛盾、发明原理、用户需求、变换、类比以及候选权利要求。IdeaForge的核心贡献是一种通过基于图的权利要求链接实现的跨方法论收敛机制。被多种方法论独立支持的权利要求通过CONVERGENT关系相连接，从而能够通过图遍历识别高置信度的创新候选。下游的专利起草智能体基于收敛权利要求子图生成结构化专利草稿，减少对无约束语言模型生成的依赖。InnovationScore公式按收敛支持度、方法论多样性、权利要求强度和现有技术挑战数量对权利要求进行排序。我们描述了图模式、智能体架构、收敛检测流水线和专利综合工作流。在一个法律技术用例上的实验表明，与单一方法论基线相比，基于图的多方法论综合能产生更多样且更可追溯的创新候选。我们讨论了对计算创造力、可解释的AI辅助发明以及图原生创新系统的启示。