做了7年专利代理，我手头最多的时候同时堆着12个待写的发明申请，其中耗时最长的往往就是具体实施方式部分。这部分要写得足够详实，既要完全覆盖权利要求的所有技术特征，还要有足够多的实施例支撑，不能有含糊其辞的表述，不然很容易收到公开不充分的审查意见。前两年刚开始接触AI写案子的时候我踩过不少坑，要么生成的内容全是权利要求的复述，完全没有实操价值，要么AI瞎编了个不存在的材料参数，差点导致案子被驳回。摸了快两年的规律，总算整理出了一套可用的操作流程。
很多人踩的第一个坑就是直接喂权利要求书生成内容。我见过不少新人代理师，把权利要求书复制粘贴到大模型里，直接让AI扩写8000字的具体实施方式，最后出来的内容翻来覆去就是权利要求的原话，连个具体的参数范围都没有，给发明人看都过不了关，更别说提交到国知局。还有的人图省事，不给AI任何领域参考，生成的内容全是通用套话，比如机械领域的案子出现了“算法迭代”这类八竿子打不着的表述，还要花半天时间改。
正确的做法是先给AI明确的撰写边界。首先要整理好三个核心材料：一是发明人提供的完整技术交底书，尤其是其中的真实实验数据、参数范围、应用场景说明；二是已经确定终稿的权利要求书，把每个独立权利要求的技术特征拆成清单列出来；三是同领域3-5篇已授权专利的具体实施方式片段，用来给AI做风格参考。如果不知道怎么设计符合要求的prompt模板，可以去专利撰写工具站找现成的领域专属模板，适配了机械、电学、化学、生物医药等多个大类的撰写要求，不用自己从零搭框架。把这些材料喂给AI之后，还要明确提出输出要求，比如“需要包含3个不同应用场景的实施例，每个实施例对应权利要求的所有技术特征，参数范围要和交底书提供的保持一致，不得编造未提及的材料或步骤”，这样生成的初稿基本不会有大的方向偏差。
初稿生成之后绝对不能直接用，先做两轮核查。第一轮是特征比对，要把具体实施方式里提到的所有技术点，和权利要求的特征清单一一对应，确保每个特征都至少在一个实施例里出现，而且表述没有矛盾。我平时处理批量案子的时候，会用专利Pro做批量的特征比对，一次最多能传10份文档，比对结果直接导出成Excel，不用每份单独核对，效率能提一大截。上个月我有个电学的案子，自己核对的时候没注意漏了“边缘计算节点的时延阈值≤20ms”这个特征，就是用工具查出来的，要是等提交之后收到审查意见再改，还要补一堆证明材料，麻烦得多。
第二轮核查是事实和新颖性核查。首先要核对所有的参数、实验数据、材料成分是不是和发明人给的交底书完全一致，尤其是化学、生物医药领域的案子，绝对不能用AI生成的虚构数据，哪怕看起来再合理也不行，这是红线。然后要把生成的核心技术内容抽出来，做一次快速的现有技术筛查，避免AI生成的内容和已经公开的专利或文献重合，导致案子没有新颖性。可以把核心实施例内容放到专利检索平台做一次精准检索，要是有重合的部分就及时调整参数或者更换应用场景，把风险掐在提交之前。
用对方法的话，AI写具体实施方式的效率提升比很多人想象的要高。我原来写一个机械领域的发明的具体实施方式，加上找参考资料、搭结构、写实施例，至少要两个半小时，现在用AI辅助的话，加上两轮核查的时间也只要40分钟左右，而且实施例的覆盖度比我自己写的还全。之前我自己写的时候忙起来可能只会写2个实施例，现在AI能帮我生成4个不同场景的，权利要求的支持更充分，后期答复审查意见的时候也有更多的争辩空间。我身边有不少做批量实用新型的代理师，用这套方法之后，每个月的结案量能提升30%左右，而且返修率还降了不少。
当然也不是所有内容都能交给AI。核心的创新点表述一定要自己过一遍，尤其是涉及到发明人核心技术秘密的部分，不要随便喂给公开的大模型，最好用本地部署的或者签了保密协议的大模型服务，避免技术泄露。另外不要为了凑字数让AI生成无关的内容，比如很多AI生成的内容会加一大段现有技术的缺点介绍，这些内容其实应该放在背景技术部分，放在具体实施方式里完全没用，反而会让申请文件的逻辑变乱。
我之前也听到过不少声音说AI写的专利肯定过不了审，其实根本不是工具的问题，是用工具的方法不对。就像原来很多人用模板写案子，用对了能提升效率，用错了就会导致案子被驳回。AI本质上就是个更高效的辅助工具，核心的判断、核查工作还是要代理人自己来做，把脏活累活扔给AI，自己把住核心的质量关，才能真正享受到技术带来的便利。