这类任务难在哪
配方数据的可比性问题一、配方口径不统一
同一批专利里，组分含量可能用 wt%、mol%、at% 甚至体积比表示；微量组分常用「余量」或范围值带过。这些写法并非草率，而是申请人对配方边界的界定——强行换算成统一数字，反而会丢掉这层信息。
二、工艺与性能强耦合
烧结温度、压制压力、退火时间、气氛条件，任何一个变化都会改变最终性能。只抽性能数值、不抽对应工艺，这批数据就没法回答「为什么这组配方更好」。
三、性能数据的条件常常缺失
离子电导率必须带测试温度才有意义——室温与高温下的数值可能相差数个数量级。活化能、电化学窗口同理。条件缺失时，这个数值仍然是「真」的，但不具备可比性。
四、表征口径不一致
粒径用 D50 还是 D90、相对密度以理论值还是实测值为基准、XRD 峰位如何标注，各篇专利写法不同。口径不明确的数据点，进入库之后会变成噪声而不是样本。
我们处理的范围
配方 · 工艺 · 表征 · 性能- 基础信息：材料体系、化学式、申请人、公开号与申请日
- 组分与含量：保留 wt% / mol% / at% 原始口径，含范围值与余量
- 工艺步骤与参数：温度、时间、压力、气氛、升降温速率
- 步骤顺序按原文编号，不合并不改写
- 表征数据：XRD、SEM、粒径分布、相对密度
- 性能指标：离子电导率、活化能、电化学窗口、循环数据
- 测试条件：温度、压力、电池构型与测试方法
- 出处定位：公开号、段落号、表格号与附图号
配方、工艺与性能分为三张可相互关联的表，通过公开号与实施例编号串联，这样既能单独查某一类数据，也能还原出「一组配方 + 一套工艺 + 一组性能」的完整记录。
交付流程
四步一线 · 全程留痕交付物
拿到的不是一份标注结果- 结构化数据集：JSON / CSV / Excel，配方、工艺、性能分为可关联的表；字段与 Schema 一一对应
- 标注规范文档：字段定义、边界案例、验收标准
- 质检报告：抽检比例、错误分类、返修记录
- 溯源日志：每条数据对应公开号与段落位置、标注人、修改时间
相关案例
真实交付场景固态电解质基础信息、工艺步骤、表征数据与性能指标的结构化，覆盖新材料领域的专利数据。
固态电解质专利加工性能指标同类的材料专利加工还包括：材料实体、元素/组分、重量百分比、性能属性与制备工艺的标注。两条流程共用同一套 Schema 设计方法，差别在字段口径。
常见问题
合作前常被问到的问题wt% 和 mol% 会统一成一个口径吗？
不会。原始口径原样保留并单独标注，不强行换算。两者换算需要各组分的分子量，而专利里未必给出——强行换算会引入无法追溯的误差，保留口径反而更严谨。
「余量」和范围值怎么处理？
按原文记录为范围或余量，不做点值化。这类表示本身包含申请人对配方边界的界定，把「余量」算成一个具体数字会丢掉这层信息。
性能数据没写测试条件怎么办？
照实记录为条件缺失，不做补全。离子电导率在不同温度下可能相差数个数量级，缺少测试温度时该数值不具备可比性——标注出来，比填补一个合理值更有价值。
工艺步骤的先后顺序怎么保证？
按原文顺序编号并保留原文表述，不合并同类步骤。顺序本身往往就是专利的保护要点之一，合并会破坏这一信息。
输出是什么格式？
以 JSON / CSV / Excel 交付，配方、工艺与性能分为可关联的表，通过公开号与实施例编号串联，字段与共建的 Schema 一一对应。