我接触过不少做研发的朋友，平时搞技术攻关一把好手，一提写专利就头大。要么写得像学术论文，全是理论分析没有可落地的实施例，要么写得太直白，把核心技术细节全抖出去，最终拿到的保护范围缩得比针尖还小。找代理机构写，单件发明动辄大几千的费用，小团队或者独立发明人很难承担得起，这两年AI工具普及，不少人开始尝试用AI写专利申请书，但踩坑的也不在少数。
很多人踩的第一个坑，就是直接把技术交底书扔给通用大模型，等着拿现成的申请书提交。我之前见过一个做算法的朋友，把自己的算法流程图和效果数据扔给GPT，生成的申请书看起来像模像样，交上去三个月就被驳回了，审查员给出的理由是权利要求没有新颖性，和两年前公开的一篇专利几乎一模一样。后来翻AI的训练数据才知道，那篇公开专利刚好是同领域的，AI直接套了对方的权利要求结构，把他的技术点往里填，相当于直接抄了现有技术的框架，不被驳回才怪。还有的人拿到AI生成的内容连看都不看，里面混了很多不属于自己技术的特征，甚至AI瞎编的实验参数都没发现，实审的时候被审查员问住，连解释都找不到依据。
想要用AI写出能过审的专利申请书，不能图省事丢给它一堆材料就不管，得拆成模块一步步来。首先你得自己先理清楚三个核心部分：现有技术的痛点是什么，你的技术方案解决了这个痛点的核心创新点是什么，有几个可落地的实施例，每个实施例的具体参数、实际效果分别是多少。把这些内容整理成清晰的条目，再喂给AI，不要给它模糊的信息，不然它只能靠瞎编补全内容。
之后不要让AI一次性生成完整的申请书，要分模块让它生成，先写背景技术部分，你要明确告诉AI，哪些内容是已经公开的现有技术，现有技术的缺陷具体体现在哪几个点，生成之后你要逐句核对，不要让AI把你的创新点混到背景技术里，不然等于直接把技术捐出去了。接下来写权利要求书的时候，要先把独立权利要求的核心必选特征列出来，告诉AI按照国知局的规范格式组织语言，写完之后你要逐条核对，有没有把非必要的技术特征加进去，比如你实现这个功能用了某个型号的芯片，但其实换其他芯片也能实现，就不要把芯片型号写到权利要求里，不然会直接缩小保护范围。如果不知道权利要求书的规范撰写逻辑，可以参考AI写专利申请书的模块拆分提示词模板，能省不少自己磨格式的时间。
我自己平时用得比较多的是专利Pro，它内置的撰写模块是直接按国知局的审核要求训练的，生成的初稿格式不用大改，还能顺便做个初步的新颖性筛查，比通用大模型靠谱很多，不用自己到处找提示词模板。生成完初稿之后，一定要逐段和你自己的技术资料比对，尤其是实施例部分，每个参数是不是和你实际测试的一致，有没有把你不想公开的核心机密写进去，比如有些工艺参数是你独有的，只要写能支撑权利要求范围的数值区间就行，不用把精确值写到公开的说明书里。
用对方法的话，AI辅助撰写的效率提升是很明显的。之前我们团队写一个实用新型专利，自己憋了两周才写出初稿，找代理修改花了五千多，从提交到授权花了八个月。去年用AI辅助写同领域的另一个专利，加上自己核对调整总共花了三天，代理只收了一千块的审核费，六个多月就拿了授权，成本直接降到原来的三分之一，速度还快了不少。对于中小团队和独立发明人来说，相当于把申请专利的门槛拉低了一大截，之前可能只能攒着核心技术攒够钱才申请，现在有了创新点就能及时提交，不用怕被别人抢注。如果是第一次写专利的发明人，还可以通过专利申请书撰写的案例库，参考同领域授权专利的撰写逻辑，不用自己瞎摸规则。
最后也要说清楚，AI只是辅助工具，不能完全替代人的判断。核心的权利要求布局一定要自己或者找懂行的人把关，AI不知道你这个技术后续的商业化方向，比如你后续要做衍生产品，权利要求要怎么布局才能覆盖到这些产品，这个是AI现在做不到的。另外尽量不要用公共的通用大模型传输涉密的技术资料，最好用专门的专利撰写工具，避免技术泄密。提交之前一定要找有资质的专利代理人做最终审核，哪怕AI生成的内容再完善，也可能有术语不统一、权利要求引用关系不对这类小问题，这些细节很容易导致补正，平白耽误几个月的时间。
