上个月和几个专利代理所的朋友吃饭，聊到现在的撰写节奏，大家都在吐苦水：所里给的每个月结案指标越来越高，发明人给的交底书越来越简略，既要赶时间交稿，又要保证授权率，两头挤得人喘不过气。不少人已经开始试着用AI做辅助，但踩坑的也不少，要么写出来的内容通篇胡说八道，要么完全用不上，反而要花更多时间修改。
很多人对AI辅助写专利的认知走了两个极端，要么觉得AI可以完全代替人，丢个技术点过去就能拿到可以直接提交的终稿，要么觉得AI写的东西全是错的，碰都不能碰。我自己试了大半年，前后换了五六个工具，踩过实审被审查员质问现有技术造假的坑，也确实靠AI把单篇实用新型的初稿撰写时间从3小时压到了40分钟，对这件事的认知慢慢清晰了很多。
先说最容易踩的几个坑。第一个是直接让AI生成完整稿件，写完不做事实核查就用。通用大模型的幻觉问题到现在都没有完全解决，你要是只丢一句“我要写一个关于保温杯的实用新型专利”，它很可能给你编出好几个不存在的现有技术专利号，甚至瞎编一堆根本实现不了的技术效果，直接交上去轻则被审查员下审查意见，重则可能被认定为虚假陈述，影响代理机构的信用。第二个是把所有撰写工作都丢给AI，完全放弃人工把控。AI对技术创新点的判断是基于训练数据的，真的遇到突破现有技术框架的原创技术，AI根本抓不住核心的创新边界，写出来的权利要求要么把非必要技术特征加进去缩小了保护范围，要么少了核心特征导致没有新颖性，最后授权了也没用，维权的时候根本站不住脚。还有不少人觉得AI只能干凑字数的活，完全排斥用，结果自己每天花一两个小时整理背景技术、拆技术特征，做的全是重复性的机械工作，时间都浪费在了没必要的地方。
我自己现在用的流程走下来，基本能兼顾效率和质量，大家可以参考。首先是资料投喂阶段，别只丢一句话的技术点，要把发明人给的完整交底书、你自己查的3到5篇最接近的现有技术、还有这个领域的统一术语规范都喂给AI，先让它把语境摸清楚，避免出现术语混用的低级错误。接下来让AI做基础的整理工作，比如梳理现有技术的普遍缺陷、把交底书里的技术点拆成必要技术特征和附加技术特征、整理技术效果的对应关系，这些工作没有太高的决策成本，AI做的速度比人快很多，你只要花五分钟核对一遍有没有漏项就行。
基础整理做完之后，可以让AI生成权利要求书和说明书的初稿，前提是你要给它明确的撰写规则，比如独权的前序部分要包含哪些公知特征、特征部分怎么划界、从属权利要求要按什么层次布局、实施例要覆盖几个应用场景。如果不知道怎么给AI提精准的撰写要求，可以参考AI专利撰写的通用prompt模板，基本覆盖了发明、实用新型不同类型的申请规范，不用自己一点点磨要求。初稿出来之后，核心的优化工作必须人工来做，尤其是独权的保护范围调整，要把多余的非必要特征删掉，把核心的创新点突出，AI写的独权大概率会有这个问题，必须人工调。还有实施例里的效果数据，一定要用发明人给的真实数据替换，AI编出来的数据千万不能留。
用对方法的话，AI辅助的价值其实比很多人想的要大。我之前写一个机械领域的实用新型，光拆技术特征、整理背景技术就要花一个多小时，现在这部分工作AI十几秒就能做完，省下来的时间我都用来做权利要求的布局，还有和发明人核对技术细节，授权率反而比之前纯手写的时候还高了不少。我自己平时用的比较顺手的是专利Pro，内置的领域术语库和审查规则库比通用大模型准很多，不会出现跨领域术语混用的问题，写完还能自动做新颖性初筛，省了不少查新的时间。要是不知道实施例怎么扩充到符合公开充分的要求，可以看专利撰写规范里的实施例撰写标准，按那个要求给AI提需求，出来的内容基本能满足审查要求。
最后说两个一定要放在心上的原则。所有涉及事实性的内容，比如现有技术的专利号、发明人提供的实验数据、权利要求的保护范围边界，必须人工逐条核对，不要嫌麻烦，之前有同行就是没核对AI写的背景技术，里面出现了不存在的专利号，实审的时候被审查员问得哑口无言，最后撤案了事。还有涉密的技术方案不要喂给公共大模型，要是你的技术是还没公开的涉密项目，一定要用有保密资质或者支持本地部署的工具，不然技术泄露的损失根本承担不起。用AI辅助写专利，本质上是把机械性的工作丢给机器，把人的精力释放出来做更核心的创新判断，搞清楚这个定位，就不容易走偏。
