SWR 提问法：一句话把你的业务场景变成可专利的技术问题
做算法的同学常有这种感觉——写了一个挺巧的功能，但说不清它到底“新”在哪里，更不知道能不能申请专利。跟专利代理人聊两句，对方问“你这个技术问题是什么？”，你支支吾吾半天，最后说“反正就是效果好”。
这不是你的问题，是缺少一个把“业务巧思”翻译成“技术问题”的句型。
今天分享一个我们在机器人场景里反复打磨出来的提问框架——SWR 提问法。它的核心是一句话填空：
在
[场景]下，[系统]执行[任务]时，它不知道[自指缺口]，导致[不良后果]。如果能让它感知到[信号]，它就可以[调整动作/触发降级]。
填完这句话，你就站在了一件专利的入口。
一、SWR 三个齿轮：比你想的更简单
SWR 是“自指余行论”的缩写，但你不必背理论。它只是把任何技术系统拆成三个齿轮：
齿轮 | 含义 | 你问自己 |
|---|---|---|
余 (Φ) | 约束边界、容度、余量 | 系统“还能撑多久”？ |
行 (行为序列) | 动作、流程、决策链 | 系统“在做什么”？ |
自指 | 自我感知与反馈 | 系统“知道自己怎么了”吗？ |
大多数工程师的业务逻辑天然就有“行”（处理流程），也有“余”（阈值/边界/容错），唯独缺了自指——系统不知道自己正在出问题，直到崩了。
SWR 提问法就是帮你找到那个“它不知道”的瞬间。那个瞬间，就是一件专利的胚胎。
二、标准句型 + 三个算法场景例句
句型（填空即用）
在
[场景] 下，[系统/机器人] 执行[任务] 时，它不知道[自指缺口]，导致[不良后果]。如果能让它感知到[信号]，它就可以[调整动作/触发降级]。
例句一：推荐系统（你最熟悉的场景）
在信息流推荐场景下，系统执行“用户兴趣建模”任务时，它不知道用户兴趣已漂移，导致推荐相关性下降。如果能让它感知到点击率连续下降超过7天，它就可以触发兴趣向量重初始化+探索策略切换。
你看，这就把一个模糊的“推荐效果变差了”变成了：
场景：信息流推荐
自指缺口：不知道兴趣漂移
闭环：感知（点击率下降7天）→ 判断（漂移事件）→ 动作（重初始化+探索）
例句二：BMS 电池管理系统
在冬季低温场景下，BMS 执行“SOC 估算”任务时，它不知道电芯内阻突变导致估算误差，导致续航里程误判。如果能让它感知到内阻变化率超阈值，它就可以触发卡尔曼增益重调+温度补偿系数更新。
例句三：工业预测性维护
在产线连续运转场景下，系统执行“轴承状态监测”任务时，它不知道振动频谱出现早期故障特征，导致突发停机。如果能让它感知到故障特征频率幅值超基线3σ，它就可以触发预警+备件调度。
三个例句覆盖了推荐算法、嵌入式算法、工业算法——你会发现，所有“它不知道”的瞬间，本质上都是一个“感知缺失”的技术问题。而专利要保护的，恰恰是“如何感知+如何应对”这个闭环。
三、五个步骤：从场景到专利胚
Step 1：选场景
选你天天见、高频有痛点的场景。不一定要“高科技”，要“高频+有痛点”：
推荐系统 / 广告竞价 / 搜索排序
BMS / 电机控制 / 机器人运动控制
监控系统 / 日志异常检测 / 运维调度
自动驾驶 / 无人机 / 智能家居
原则：你越熟悉这个场景，你发现的“它不知道”越值钱。
Step 2：找任务
场景里的核心任务是什么？
推荐系统：用户兴趣建模 / 物品召回 / 排序
BMS：SOC估算 / SOH估算 / 均衡管理
运维：状态监测 / 故障诊断 / 寿命预测
原则：找“人觉得简单、机器觉得难”的任务。
Step 3：挖缺口
系统“不知道”什么？
不知道用户兴趣漂移了
不知道电芯内阻变了
不知道振动频谱出了早期特征
不知道通信链路断了
不知道自己的缓存快满了
原则：找“人本能知道、机器需要传感器/数据才能知道”的事情。
Step 4：写后果
这个“不知道”会导致什么不良后果？
推荐相关性下降 → 用户流失
SOC 误判 → 续航焦虑或过放
突发停机 → 产线损失
通信中断 → 失联
原则：后果越具体、越严重，专利的商业价值越高。
Step 5：给解法
如果能让它感知到什么，它可以做什么？
感知到点击率下降 → 重初始化+探索
感知到内阻突变 → 重调增益+补偿
感知到故障特征 → 预警+备件调度
原则：解法不必完美，只要有“感知→判断→动作”的闭环雏形就行。
四、从“一句话”到“专利”：三维度撰写法
SWR 提问法产出的是“一句话的问题描述”。要变成专利，还需要三维度撰写法（来自成都余行专利所 51283 的实践）：
维度 | 做法 | 例句 |
|---|---|---|
场景绑定 | 把 SWR 里的“场景”钉死成具体的设备、传感器、工况 | “一种用于双足人形机器人在养老院夜间陪护工况下的辅助起身方法……” |
技术动作化 | 把“感知到____”拆成可复现的技术步骤 | “步骤S1：通过关节力矩传感器以≥200Hz采样双臂力矩……” |
效果量化 | 用数据对比量化效果 | “与传统方法相比，肩部拉伤风险从3.2‰降至0.4‰（降幅87.5%）” |
算法专利的特别提醒：算法类专利容易被驳回的理由是“抽象”。三维度中的“场景绑定”和“技术动作化”正好解决这个问题——把算法和具体硬件/数据源绑定，把步骤写成“当XX条件成立时，执行XX运算”，审查员就没那么容易拿“智力活动的规则”来驳你了。
五、价值评估矩阵：你的“它不知道”值不值得写
不是每一个“它不知道”都值得写成专利。用下面这个矩阵快速打分（每项1-5分）：
维度 | 高分（值得写） | 低分（暂缓） |
|---|---|---|
场景频率 | 每天发生多次 | 每月一次或更少 |
后果严重性 | 人身伤害/重大财产损失 | 轻微不便 |
现有方案 | 无成熟方案 | 已有成熟商用方案 |
可专利性 | 有明确的“感知→判断→动作”闭环 | 只有“想法”没有“技术动作” |
池化潜力 | 接口件/SEP方向 | 纯外围/应用件 |
评分≥12分（每项1-5分），建议立即联系专利代理人做免费可专利性初评。
六、收束：SWR 是整条塔的“第一铲”
专知利乎提标准、余行写专利、自指专利池做流转——这条塔的起点，不是元公理，不是容度原理。
起点是一个“它不知道”的瞬间。
SWR 提问法，就是帮你找到那个瞬间的工具。
在
[场景]下，[系统]执行[任务]时，它不知道[自指缺口]，导致[不良后果]。如果能让它感知到[信号]，它就可以[调整动作/触发降级]。
填完这句话，你就站在了塔的入口。
如果你手头有一个正在做的项目，不妨花5分钟填一下上面的句型。填完后，可以把结果私信给我或发到 yuhang@hrpp.org.cn，我们可以帮你做一次免费的“可专利性初评”——48小时内给你反馈。