做专利代理快7年，我身边不少同行最近都在聊AI写专利说明书的事。有人说用了之后效率翻三倍，也有人说AI写的稿子交上去，审查意见下得比往常多三倍，完全不能用。我自己从去年开始试了不下五款AI工具，前前后后踩了十几个坑，现在总算摸出了一套能用的流程，手里一半的实用新型案子都能靠AI出初稿。
先说说大家最容易踩的两个坑。第一个是懒，直接把客户给的技术交底书原封不动扔给AI，让它直接生成整本说明书，出来的稿子乍一看有模有样，实则问题一堆：要么背景技术里的现有技术描述和实际领域的现状差了十万八千里，要么具体实施例里写的结构和交底书里的附图完全对不上，最离谱的是有次AI给我生成的背景技术，直接把某件还在审的专利内容抄了进去，幸好我查新的时候发现了，不然交上去直接就属于现有技术，根本不可能授权。第二个坑是神化AI，觉得AI写的就全对，连核对都不核对就直接提交，结果要么权利要求的技术特征在说明书里找不到支持，要么技术效果写得太夸张，审查员直接下了公开不充分的意见，后续答审要花的时间比自己从头写还多。
我现在用AI生成专利说明书，都是拆成步骤来做，不会让AI一次性搞定全稿。第一步先做交底书预处理，把客户给的零散材料整理成标准化的输入框架：核心创新点列3到5条，每条都标清楚和现有技术的差异点，现有技术的具体缺陷也要写清楚，不能只写“现有技术效率低”这种空泛的表述，要写清楚“现有技术的连接结构需要拧3个螺丝，组装时间长达15秒”这种具体的内容。输入材料越具体，AI生成的内容跑偏的概率就越低。如果不知道模块拆分的prompt怎么写，可以参考专利说明书AI撰写模板里的标准化提示词框架，能减少很多无效调整的时间。
第二步分模块生成，逐个校验。我一般会先让AI生成技术领域和背景技术，这两部分内容相对标准化，只要输入的现有技术缺陷没问题，AI基本不会出大错，顶多调整下表述的严谨度就可以用。接下来是发明内容部分，这部分要重点核对技术效果和创新点的对应关系，AI经常会多加一些和创新点无关的技术效果，这些都要删掉，不然答审的时候很容易被审查员质疑。最后是具体实施例和权利要求书，这两部分是重中之重，生成之后要逐句和交底书的附图、参数核对，要是涉及到数值范围、实验数据，必须要和客户的研发人员确认一遍才能留。我自己平时处理批量的消费电子类实用新型案子，会用专利Pro先跑第一版初稿，把格式、模块框架先搭好，剩下的时间只需要核对创新点对应的表述有没有到位，比自己从零开始写能省将近60%的时间。
很多人问我用AI写专利说明书到底有什么实际价值，其实最直观的就是不用再熬大夜做重复劳动了。之前我们团队一个代理人一个月最多能处理8到10件实用新型，现在用AI出初稿，每个人每月能处理20件左右，而且错误率反而降了——之前经常出现的术语前后不一致、说明书格式不符合国知局要求的问题，AI生成的初稿基本不会犯。省下的时间我们能用来做更有价值的工作：帮客户挖更多创新点，做专利布局，处理难度更高的发明专利案子，团队的整体收入反而比之前涨了不少。要是碰到现有技术查新的需求，也可以通过AI专利检索工具先做初筛，能减少很多专利库检索的工作量。
当然有几个底线是必须守的，碰都不能碰。首先绝对不能完全靠AI生成整件专利说明书，尤其是涉及创造性的论述部分，必须要代理人自己写，AI不知道你这个技术到底解决了行业里多久没解决的痛点，也不知道怎么针对性地和现有技术做对比，这部分要是用AI写，审查意见大概率会提到创造性不足。然后是化学、医药、生物领域的案子，AI生成的实验数据绝对不能直接用，我身边有个同行之前图省事用了AI生成的实验数据，结果和客户实际的实验结果差了两倍，交上去之后直接被审查员要求提供实验原始记录，差点闹到客户要解约的地步。还有就是不要用没做数据合规训练的小模型，你不知道它的训练数据里有没有包含别人未公开的专利内容，万一不小心用了，轻则申请被驳回，重则涉嫌侵权要赔钱。
其实说穿了，AI就是个效率工具，和当年代理师开始用CAD画专利附图、用专门的排版工具写说明书没什么区别。它不会替代会用工具的代理师，只会替代那些不肯接受新事物、还在靠纯体力熬时间写案子的人。毕竟大家干这行，核心价值从来不是把文字套进国知局的格式模板里，而是能看懂技术的核心价值，能帮客户拿到稳定有效的专利权。