以前写专利，最头疼的往往不是技术交底书，而是画图。特别是那种复杂的机械结构或者电子产品的装配示意图，找外包画图师沟通成本极高，来回改个三五次是常态。这两年大模型能力上来了，很多代理所开始尝试用AI直接出图。这事儿听起来很美，但真上手操作，你会发现这中间的坑一点不少。
很多人觉得，既然是AI，我直接输入“画一个新能源汽车电机装配图”，它就该给我一张完美的线条图。这种想法太天真了。目前的AI绘图工具，哪怕是专门针对工业设计的，本质上还是更擅长“渲染”出一张看起来很真实的照片，而不是专利局要求的那种黑白线条、结构清晰的示意图。如果你直接拿渲染图去用，审查员那边肯定过不了，因为光影、材质这些在专利图里都是干扰信息。更麻烦的是，AI有时候会“脑补”出一些不存在的零件，或者把两个本该分开的部件画成一体，这在专利审查中是致命的硬伤。
想要用好AI画装配图，得把它当成一个“辅助建模师”或者“草图师”，而不是最终画师。比较稳妥的流程是：先让AI根据你的文字描述生成几个不同视角的3D概念图，确认结构逻辑没错——比如齿轮咬合对不对、线路板插接顺序是否合理。确认无误后，再利用一些边缘检测或者风格化插件，把渲染图转成线稿。这时候，你需要做的是人工介入，修补那些AI没画好的连接处，把遮挡的地方用虚线表达出来。
在处理这类专利附图时，提示词的写法非常关键。不要用形容词去堆砌美感，要用工程语言。比如“正交视图”、“隐藏线显示虚线”、“无填充”、“纯白背景”。我在实际工作中发现，加上这些工程限定词，AI生成的废图率能降低一半以上。另外，对于爆炸图，明确指定“沿Z轴分解”往往比笼统说“爆炸图”效果要好得多。有些时候，为了展示内部结构，我们还需要做剖视图，这时候可以尝试提示“半剖视图”或者“透明外壳”，然后后期把透明部分涂黑实心化，比直接让AI画剖视线要容易控制得多。
这么做的好处不仅仅是省了画图费。很多时候，发明人给的技术交底书只有文字或者模糊的照片，我们在撰写时其实很难在脑中构建出精确的装配关系。用AI先跑出一个大概的模型，能帮我们反向验证技术方案的可行性。如果发现AI画不出来，或者画出来结构很怪，往往意味着技术方案本身存在描述不清甚至逻辑漏洞。这时候，配合像专利Pro这样的工具去梳理权利要求逻辑，再回头让AI修正图纸，整个撰写质量会提升一个档次。我最近在处理一个关于自动化设备的案子时，就是靠AI快速生成了十几张装配分解图，帮助客户直观理解了我们的保护范围，沟通效率高了很多。
当然，千万别完全依赖AI。我见过有人直接把AI生成的线图贴进申请文件，结果连螺丝孔的螺纹方向都画反了，闹了笑话。AI没有物理常识，它只是在模仿图形数据的分布规律。所以，所有的连接关系、配合公差体现，最终必须经过有机械背景的人眼复核。特别是涉及到核心创新点的局部放大图，AI很难自动捕捉到重点，这部分还得人工手绘或者精细修图。此外，还要注意图面的统一性，不同附图中的引线数字要保持一致，标号顺序不能乱，这些细节AI目前还很难完美处理，往往需要批量替换或者手动调整。
说到底，AI生成装配示意图目前处于“好用但需要盯紧”的阶段。它能解决80%的重复性绘图工作，把代理人从繁琐的线条勾勒中解放出来，把精力更多放在技术方案的理解和法律逻辑的构建上。只要你把好最后一道审核关，这确实是个提效神器。未来也许会有专门针对专利审查标准的垂直模型出现，但在那之前，这种“人机协作”的模式才是最务实的。