Install any skill in seconds. Free to start, no credit card required.
Get Started Free →涵盖 EUIPO(欧盟)、USPTO(美国)和 WIPO Madrid Protocol(国际)的商标 申请步骤。引导您完成申请前冲突检查、Nice 分类、描述性评估、商标类型决策、 申请基础策略、办公室特定的电子申请步骤、Madrid Protocol 扩展、申请后监视 以及开源商标政策起草。在运行 screen-trademark 确认商标无冲突后、准备好 在一个或多个司法管辖区获取商标权时使用。
.claude/skills/thomasmoreai-file-trademark/SKILL.md| Test case | Without → With | Effect | Δ tokens | Δ turns |
|---|---|---|---|---|
| case-01 | ✗→✓ | ▲ Improved | 60% | 0% |
| case-05 | ✗→✓ | ▲ Improved | 241% | 0% |
| case-15 | ✗→✓ | ▲ Improved | 219% | 0% |
| case-14 | ✓→✓ | = Same ✓ | 369% | 0% |
| case-06 | ✓→✓ | = Same ✓ | 173% | 0% |
向 EUIPO(欧盟)、USPTO(美国)或 WIPO Madrid Protocol(国际)提交商标申请。本技能涵盖实际申请步骤 —— 从申请前验证到注册后监视和开源商标政策。它假定冲突筛查已通过 screen-trademark 完成。
| 办公室 | 基本费用 | 每类别 | 备注 | |--------|----------|-----------|-------| | EUIPO | 850 EUR | +50 EUR(第 2 类)、+150 EUR(第 3 类+) | SME Fund:75% 退款 | | USPTO(TEAS Plus) | $250 | 每类 | 外国申请人需要美国律师 | | USPTO(TEAS Standard) | $350 | 每类 | 商品描述更灵活 | | Madrid Protocol | 653 CHF | 因国家而异 | 5 年内依赖基础商标 |
在投入申请费用前验证商标已可申请。
screen-trademark 已运行:"mark text"[BI])预期结果: 确认目标司法管辖区中不存在阻塞商标。申请前清晰记录记录尽职调查并支持任何未来异议辩护。
失败处理: 若发现冲突商标,评估严重性:相同商标 + 相同商品 = 不要申请。相似商标 + 相关商品 = 寻求关于混淆可能性的法律咨询。若冲突仅限于单一司法管辖区,考虑仅在清晰司法管辖区申请。
在 Nice 分类系统下识别正确的商品和服务类别。
预期结果: 一份最终的 Nice 类别列表,附每个类别的具体、预先批准的商品和服务描述。描述匹配实际业务使用。
失败处理: 若 TMclass 没有建议明确匹配,咨询 Nice 分类说明性注释(WIPO Nice 页)。模糊商品有时跨越多个类别 —— 在所有相关类别申请,而非冒被排除的风险。
评估商标是否可注册或可能面临描述性反对。
预期结果: 商标在 Abercrombie 谱系上分类为暗示性、任意性或臆造性 —— 全部无第二含义即可注册。边界案例标记缓解策略。
失败处理: 若商标是描述性或通用,不要申请 —— 它会被拒绝。重新设计商标使其上移独特性谱系。若存在显著使用历史,考虑美国第 2(f) 节主张(获得的独特性)或欧盟 Art. 7(3) EUTMR 下的类似主张。
选择最好保护品牌的注册类型。
预期结果: 一个带有战略推理的清晰商标类型决策。文字商标是默认建议,除非徽标承载独立品牌价值。
失败处理: 若不确定单独名称是否足够独特,通过询问测试:"消费者会在没有徽标的纯文本中识别这个名称吗?"若是,申请文字商标。若徽标与品牌身份不可分割,考虑分别申请文字和图形商标。
确定申请的法律基础(主要与 USPTO 相关)。
预期结果: 选定申请基础,记录时间表和样本要求。若使用欧盟优先策略(EUIPO 然后 44(d) 到 USPTO),6 个月优先窗口已日历化。
失败处理: 若不存在商业使用且无外国申请待处理,第 1(b) 节(使用意图)是 USPTO 的唯一选项。考虑额外的使用声明成本和截止日期。对 EUIPO,申请时不需要使用 —— 意图声明就足够。
在线提交欧盟商标申请。
预期结果: EUIPO 申请已提交并附确认收据。记录申请号和申请日期。若使用 Fast Track,审查通常在 1 个月内完成。
失败处理: 若在线门户拒绝申请(技术错误),保存截图并重试。若商品/服务描述被拒绝,切换到预先批准的 TMclass 术语。若支付失败,申请保存为草稿 30 天。
在线提交美国联邦商标申请。
预期结果: USPTO 申请已提交并分配序列号。申请收据已保存。审查通常需要 8-12 个月以获得首次办公室行动。
失败处理: 若 TEAS 系统拒绝申请,审查错误消息 —— 常见问题包括不正确的实体类型、缺失样本(对 1(a) 申请)或商品描述与 ID Manual 术语不匹配(TEAS Plus)。若外国申请人无美国律师申请,申请将被拒绝。
通过 WIPO Madrid 系统将保护扩展到国际。
预期结果: Madrid 申请通过原产地办公室提交。指定国家已选定,费用计算已记录。5 年依赖风险已被承认,基础商标保护计划已就位。
失败处理: 若原产地办公室拒绝 Madrid 申请(如与基础商标不匹配),纠正差异并重新申请。若指定国家拒绝保护,在指定办公室的截止日期内(通常 12-18 个月)通过 Madrid 系统响应。
通过审查跟踪申请并响应行动。
预期结果: 所有截止日期带提醒日历化。通过每个办公室的在线系统监视申请状态。提前准备异议或办公室行动响应策略。
失败处理: 错过截止日期可能致命 —— 大多数商标办公室截止日期不可延长。若错过截止日期,检查是否可复活或重新启用(USPTO 允许为非故意延迟提交复活请求)。对 EUIPO,错过的异议截止日期通常是最终的。
若商标涵盖开源项目,起草商标使用政策。
TRADEMARKS.md、TRADEMARK-POLICY.md 或 CONTRIBUTING.md 中的部分README.md 和项目网站链接预期结果: 一个清晰、公平的商标政策,保护品牌同时使能健康社区使用。政策遵循已建立的开源基金会模型,可从项目主文档访问。
失败处理: 若项目无商标注册或申请,先申请(第 6-8 步)再起草政策。未注册商标可执行性有限。若社区推回政策,研究 Rust Foundation 的方法 —— 它在社区反馈后修订,被认为是平衡保护与开放的良好模型。
screen-trademark 直接申请会浪费费用(若存在冲突商标)。始终先筛查screen-trademark —— 必须先于此申请步骤的冲突筛查assess-ip-landscape —— 包括商标景观映射的更广 IP 景观分析search-prior-art —— 适用于商标独特性研究的现有技术搜索方法| Case | Status | Duration (ms) | Turns | Tokens | Tool calls | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Without | With | Δ | Without | With | Δ | Without | With | Δ | Without | With | Δ | ||
case-14 | pass→pass | 7,448 | 7,466 | +0% | 1 | 1 | 0% | 1,441 | 6,758 | +369% | 0 | 0 | — |
case-01 | fail→pass | 32,246 | 23,267 | -28% | 1 | 1 | 0% | 6,064 | 9,681 | +60% | 0 | 0 | — |
case-02 | fail→fail | 25,118 | 20,170 | -20% | 1 | 1 | 0% | 3,143 | 8,835 | +181% | 0 | 0 | — |
case-03 | fail→fail | 30,786 | 20,645 | -33% | 1 | 1 | 0% | 3,873 | 9,193 | +137% | 0 | 0 | — |
case-04 | fail→fail | 16,719 | 16,365 | -2% | 1 | 1 | 0% | 2,880 | 8,183 | +184% | 0 | 0 | — |
case-05 | fail→pass | 12,549 | 11,661 | -7% | 1 | 1 | 0% | 2,183 | 7,438 | +241% | 0 | 0 | — |
case-06 | pass→pass | 20,729 | 14,479 | -30% | 1 | 1 | 0% | 2,788 | 7,614 | +173% | 0 | 0 | — |
case-07 | pass→pass | 12,234 | 10,710 | -12% | 1 | 1 | 0% | 2,039 | 6,910 | +239% | 0 | 0 | — |
case-08 | pass→pass | 11,688 | 11,436 | -2% | 1 | 1 | 0% | 2,203 | 7,513 | +241% | 0 | 0 | — |
case-09 | pass→pass | 9,383 | 11,978 | +28% | 1 | 1 | 0% | 2,038 | 7,647 | +275% | 0 | 0 | — |
case-10 | pass→pass | 10,388 | 8,163 | -21% | 1 | 1 | 0% | 1,839 | 6,867 | +273% | 0 | 0 | — |
case-11 | pass→pass | 8,825 | 7,422 | -16% | 1 | 1 | 0% | 1,665 | 6,674 | +301% | 0 | 0 | — |
case-12 | pass→pass | 5,498 | 8,011 | +46% | 1 | 1 | 0% | 1,027 | 6,306 | +514% | 0 | 0 | — |
case-13 | pass→pass | 8,727 | 10,692 | +23% | 1 | 1 | 0% | 1,515 | 7,129 | +371% | 0 | 0 | — |
case-15 | fail→pass | 13,994 | 10,223 | -27% | 1 | 1 | 0% | 2,256 | 7,204 | +219% | 0 | 0 | — |
case-16 | pass→pass | 13,753 | 12,042 | -12% | 1 | 1 | 0% | 2,342 | 7,512 | +221% | 0 | 0 | — |
case-17 | pass→pass | 11,697 | 8,043 | -31% | 1 | 1 | 0% | 2,040 | 6,660 | +226% | 0 | 0 | — |
case-18 | pass→pass | 7,454 | 6,091 | -18% | 1 | 1 | 0% | 1,405 | 6,405 | +356% | 0 | 0 | — |
case-19 | pass→pass | 8,605 | 5,710 | -34% | 1 | 1 | 0% | 1,687 | 6,344 | +276% | 0 | 0 | — |
case-20 | pass→pass | 10,110 | 9,726 | -4% | 1 | 1 | 0% | 1,912 | 7,228 | +278% | 0 | 0 | — |
case-21 | pass→pass | 9,647 | 10,268 | +6% | 1 | 1 | 0% | 1,995 | 7,172 | +259% | 0 | 0 | — |
case-22 | pass→pass | 11,284 | 9,026 | -20% | 1 | 1 | 0% | 2,072 | 6,857 | +231% | 0 | 0 | — |
DecimalAI ran this skill against gemini-3.6-flash twice over the same eval suite — once with the skill loaded and once without — and compared the two runs case by case. 22 cases were attempted. The headline lift of +14 percentage points is the difference between those two pass rates over the 22 comparable cases.
Without the skill loaded, the model failed this case. With it loaded, the same prompt on the same model passed. This is one improved case from the latest verified run; every case, including any that regressed, is in the table above.
Other measured skills in the registry, with their headline benchmark lift.