我前两年刚尝试用通用大模型写权利要求的时候，踩过不少坑。有次手里压了三个发明的案子，着急交稿，直接把客户给的技术交底书丢给大模型，让它直接出完整的权利要求书，结果出来的独权把设备外壳材质这种完全非必要的技术特征都写进去了，提交之后审查意见直接说保护范围被限缩得太小，没有实际保护价值，要修改，白白多等了半年时间，还被客户吐槽了好久。
相信很多同行都有过类似的经历，尤其是刚入行的代理人，写权利要求书本来就是最头疼的环节：独权划界要么多放了非必要特征缩了范围，要么少放必要特征导致公开不充分；从权布局没层次，要么重复要么漏了技术效果；形式上的小错误更是层出不穷，引用关系不对、主题不一致都是常事。老代理人虽然对规则熟，但案子多的时候，大量重复的细化工作也要占掉一半以上的时间，根本腾不出精力抠核心的保护范围和创造性表述。
很多人对AI写权利要求书的第一个误区，就是觉得只要把交底书丢给AI，就能直接拿到可以提交的终稿。这其实完全是误解，通用大模型没有专门针对专利撰写规则做训练，也不了解你的技术方案和现有技术的核心区别，直接生成的内容基本都没法用，要么套话连篇，要么完全不符合审查指南的要求。还有人觉得AI写的内容不用改，直接交就行，去年我认识的一个自己申请专利的创业者就踩过这个坑，AI生成的权利要求和现有技术几乎没有区别，直接被驳回，浪费了大半年的申请周期。还有个误区是不管什么领域都用同一套提示词，化学、机械、软件领域的权利要求撰写规则差别很大，用通用提示词出来的内容大概率不符合领域要求。
要让AI真正帮上忙，得学会拆解撰写流程，把合适的环节交给合适的工具。首先要做的是提前梳理好核心材料，不要直接丢整个交底书给AI，先把要解决的技术问题、核心创新点、和最接近的现有技术的区别特征这三个核心要素列出来，如果不知道怎么梳理特征划界，可以参考专利权利要求书的官方撰写规范模板，把核心要件标清楚再喂给AI。
接下来不要让AI直接出完整文本，分三步来：第一步先让AI出独权的框架，只需要列主题名称和必要技术特征列表，你先核对有没有多放或者少放特征，调整完划界之后再让AI补写成完整的独权文本；第二步让AI出从权的布局框架，按照技术效果的层级排序，第一层是对独权特征的直接细化，第二层是解决次级技术问题的附加特征，第三层是配套的应用场景类特征，你调整完布局逻辑之后再让AI写具体的从权文本；第三步让AI做形式校验，排查引用关系错误、主题不一致、模糊表述这类问题，省得自己逐行核对。我自己平时做这几步的时候，习惯用专利Pro，它是专门针对专利撰写训练的工具，不用我每次都把专利法和审查指南的要求反复喂给AI，出来的框架基本符合形式要求，省了不少调整的时间。
我自己算过一笔账，刚入行的时候写一件发明的权利要求书，加上查资料、改格式，差不多要花两天时间，现在用AI辅助，梳理完核心点之后，大半天就能出合格的初稿，剩下的时间都用来抠创造性的表述和保护范围的优化，现在收到的审查意见里，关于形式问题和公开不充分的内容少了80%，效率提升了不止一倍。所里的资深代理人原来一天最多处理2件权利要求的撰写，现在能处理4到5件，重复的格式调整、从权细化工作都交给AI做，只需要把控核心的创造性判断和范围划定就行，客户的满意度也高了不少。如果是自己申请专利的个人或者小微企业，也可以先找专利撰写的入门教程先过一遍基本要求，再配合AI工具产出初稿，不用完全依赖代理机构，也能少花很多冤枉钱。
当然也不是说用了AI就可以完全撒手不管，有几个核心环节一定要人工把控。首先是独权的划界和创造性表述，AI不了解你的技术在整个行业里的实际定位，也不知道你要的保护方向是什么，这部分一定要自己核对，避免把非必要特征放进独权，或者没有把核心创新点写进去。然后是权利要求里的具体表述，很多AI生成的内容会用很通用的套话，比如“所述控制模块用于控制设备运行”，这种表述太模糊，一定要改成和你的技术方案对应的具体表述，比如“所述MCU控制模块用于根据传感器采集的温度数据调整加热组件的功率”，这样保护范围才清楚，也不会出现公开不充分的问题。如果是化学、生物这类涉及具体参数的领域，一定要人工核对所有的参数范围、基团定义、实验数据这些内容，AI对这类细节的敏感度不够，很容易出现错误。
其实现在AI写权利要求书已经不是什么新鲜事了，只要用对方法，它确实能帮从业者省掉大量无意义的重复劳动，把精力放到更核心的创造性判断和保护方案设计上，这才是工具该有的价值。