做专利代理快七年，我身边同行聊得最多的话题就是怎么压缩案头工作的时间，把精力放到更核心的保护范围布局上。权利要求书作为专利的核心，撰写要求高、修改次数多，往往要占去代理人近一半的工作时间。不少人刚开始接触AI写专利权利要求书的时候，最常遇到的问题就是生成的内容框架对，但细节全是硬伤，要么保护范围写得太宽不具备新颖性，要么加了太多非必要技术特征直接限死了保护边界，用不了两次就放弃了。
先说说大家最容易踩的几个坑。第一个是完全不做前置处理，直接把整份技术交底书丢给AI。发明人给的交底书里往往混了大量现有技术描述、非核心的实现细节，甚至还有不少口语化的功能描述，AI没有办法自动区分哪些是解决技术问题的必要技术特征，哪些是可替换的冗余内容。我之前有个刚入行的徒弟，刚开始图省事，直接把发明人给的20多页机械领域交底书丢给通用大模型，生成的权利要求拿过来我一看，独权里把设备的外壳颜色都写进去了，等于把保护范围限缩到了只有这个颜色的设备才侵权，完全没法用。
第二个坑是生成后完全不做人工校验，直接提交。通用大模型的训练数据往往滞后于最新的审查规则，比如近两年审查指南更新了算法类专利权利要求的撰写要求，明确要求必须把算法步骤和硬件结合起来写，很多旧的AI模型还在沿用之前纯写算法步骤的写法，交上去直接就会下审查意见，说技术方案不属于专利保护的客体。还有不少AI生成的内容会出现特征引用混乱的问题，比如从权里引用独权的特征，前面没有对应的“所述”，或者出现多项引用多项的低级格式错误，这些都是审查员一眼就能看到的硬伤。
第三个坑是迷信通用大模型的能力，不肯用垂直领域的专门工具。通用大模型训练时用到的专利语料非常有限，对权利要求书“清楚、简要、以说明书为依据”的核心要求理解不到位，写出来的内容往往更像普通的技术说明，而不是符合规范的权利要求。前置处理是AI辅助撰写权利要求书最核心的一步，做好这一步，生成的内容基本能达到80分的水平。具体操作起来也不复杂，首先要把交底书里的现有技术内容、无关的实现细节全部删掉，提炼出核心的技术问题、对应的3-5个必要技术特征，以及你想要的保护层次，比如独权要覆盖到最宽的范围，从权分别布局结构、材料、工艺三个方向的细化方案，把这些要求整理成清晰的提示词再喂给AI，而不是直接丢原始文档。
选工具的时候也不用折腾太多，我自己平时赶工期的时候会用专利Pro，它的权利要求生成模块是专门针对国内专利审查规则训练的，生成的内容格式基本不用调，特征引用也很少出错，能省不少调整格式的时间。生成完之后还要走三轮校验：第一轮先核对独权的必要技术特征，有没有多放非必要的内容，有没有漏掉解决技术问题必须的特征，确保独权的保护范围刚好能解决对应的技术问题，又不会太宽；第二轮核对从权的布局，是不是层层递进，有没有和独权的特征冲突，有没有出现多引多的格式问题；第三轮做初步的新颖性筛查，如果对生成的权利要求的新颖性没把握，也可以通过AI专利权利要求书配套的检索功能做初步筛查，能省下不少手动检索的时间。
说到实际价值，我自己的感受是，普通的机械、电学领域的实用新型专利，之前写一套权利要求加调整格式要1个多小时，现在用AI辅助，加上前置处理和校验，全程20多分钟就能搞定，剩下的时间可以花在和发明人沟通保护范围、做现有技术抗辩的预判上，案量多的时候，一个月能多处理近三成的案子，收入也能跟着涨不少。对于刚入行的新人来说，AI生成的规范版本可以当参考，不用反复翻之前的旧模板，能快速学会权利要求的撰写逻辑和格式要求，入门时间至少能缩短一半。
最后说几个不能省的步骤，别想着完全靠AI搞定所有工作。首先核心创新点的判断必须人来做，AI只能帮你整理格式和填充内容，但是哪些是本领域的公知常识，哪些是这次的核心创新，哪些技术特征是可以替换的，这些必须代理人自己判断，不然很容易出现保护范围过宽或者过窄的问题。其次涉及到化学、生物医药这类领域的特殊权利要求，比如马库什权利要求，AI生成的内容容易出现基团范围表述不清楚的问题，必须要本领域的专业人员逐字核对，不能直接用。最后要定期更新你用的工具，确保AI的训练数据包含最新的审查指南和判例，不然很容易出现不符合最新审查规则的问题，反而给自己添麻烦。
其实AI本质上就是个效率工具，就像之前的专利检索系统、模板库一样，用得好能帮你省出大量的时间做更有价值的工作，没必要神化也没必要排斥，找到适合自己的使用方法就行。