很多刚入行的专利代理人，写实施例的时候最先犯愁的就是凑场景。尤其是机械、电学领域的发明，往往一个权利要求有七八个技术特征，每个特征要对应不同的应用场景，还要写清楚不同参数下的效果，一套写下来少则两三个小时，遇到复杂的案子熬大半天都是常事。这两年AI工具普及，不少人开始尝试用AI写实施例，但出来的结果要么和核心技术方案不搭，要么就是编出来的参数根本没有落地性，交上去要么被审查员发得不到支持的通知书，要么就是补正的时候超范围，反而多了很多麻烦。
最容易踩的坑就是直接把完整的技术方案丢给AI，让它直接生成完整的实施例全文。我之前见过一个刚入行的小朋友，把客户给的光伏清洁机器人的技术交底书直接丢给GPT，生成的实施例里居然加了一个自动巡检光伏板裂纹的模块，可客户的技术方案里根本就没有这个功能，提交之后才发现，最后只能主动撤回重新提交，白白耽误了大半年的申请周期。还有的人生成的时候不给AI限定参数范围，出来的内容里刷毛长度从1毫米到10厘米都有，完全不符合实际的工业生产标准，审查员一发审查意见，根本找不到对应的实验数据支撑，只能眼睁睁看案子被驳回。
我自己摸索了快半年，现在用AI生成实施例的流程已经很顺了。首先第一步一定是先拆权利要求的核心技术特征，把独权的每个技术特征都拆成单独的条目，明确哪些是不能改的核心创新点，哪些是可以扩展参数的常规结构。做完这一步，我通常会先把权利要求的核心技术特征拆成3到5个核心模块，先丢给AI生成专利实施例的工具做第一轮的场景扩展，注意这一步只让AI补每个模块对应的应用场景，不能让它改核心技术特征。比如核心特征是“可调节角度的刷毛组件”，就让AI只扩展不同安装角度对应的清洁场景，比如屋顶30度倾角的光伏板、地面平铺的光伏板分别对应什么角度，不能让它加额外的功能模块。
第一轮扩展出来的场景，我会先筛掉不符合技术逻辑的内容，然后给每个场景限定参数范围。还是拿光伏清洁机器人举例子，刷毛长度我会限定在1cm到3cm之间，行走速度限定在0.5m/s到1m/s之间，把这些限定条件一起丢给AI，让它给每个场景补全具体的参数和对应的效果数据。这一步我一般会要求AI每个特征至少对应2组不同的参数，还要写一组不用这个技术特征的对比例，写清楚效果差在哪里，这样后面审查员提创造性问题的时候，实施例里直接就能找到支撑的内容。之前整理这些参数对应关系我要花大半天，后来用专利Pro批量导入权利要求的特征项，它自动会给你标注哪些特征还没对应到实施例的场景里，省了好多核对的功夫。
这套流程跑顺了之后，我现在写一个发明的实施例，加上核对的时间也就40分钟左右，比之前快了三四倍。去年我手上有个智能家居门锁的案子，客户要求要覆盖租房、家用、办公三个场景，原来我自己写的话至少要一下午，用AI做扩展之后，两个小时就把三个场景的实施例都写全了，提交之后审查员完全没提实施例相关的问题，案子八个月就授权了。还有个之前被发了审查意见的案子，审查员说权利要求的技术特征得不到实施例的支撑，我用AI补了三个不同参数的实施场景，把效果数据列得清清楚楚，审查意见一次就答复通过了，客户后来还专门加了服务费。
当然也不是所有案子都适合直接用AI生成实施例，尤其是化学、医药领域的案子，涉及到实验数据的部分，绝对不能用AI编的内容，所有数据都要和客户给的实验报告一一对应，AI最多只能帮你整理数据的呈现逻辑，不能改数值。如果是第一次用AI生成专利实施例的从业者，建议先拿已经授权的专利的权利要求做练习，对比原来的实施例和AI生成的版本差在哪里，慢慢调整提示词的精度，不要一开始就直接用在要提交的案子上。还有一点很重要，AI生成的内容一定要逐字核对，哪怕是你给了明确的限定条件，偶尔也会出现AI乱加特征的情况，要是没核对出来提交了，后面的麻烦会非常大。
说到底AI只是个提效的工具，核心的逻辑还是要靠你自己把控，只要你把核心的技术特征和边界给清楚，AI能帮你省掉很多重复的体力劳动，把时间花在更重要的权利要求布局和创造性判断上，这才是用AI做专利撰写的正确姿势。