我接触专利代理这个行当快八年了，前几年最头疼的就是赶案子的高峰期，手上同时堆七八个发明申请，每天熬到凌晨两三点是常态，去年开始试着用AI辅助写初稿，一开始也踩过不少坑，直到慢慢摸出了一套可行的流程，现在的工作效率至少提了一倍。
很多人踩的第一个坑，就是直接把零散的技术点扔给大模型，生成全文后不加任何审核就提交。我之前认识的一个入行两年的代理师，去年接了个智能门锁的发明申请，客户给的技术交底书只有三页纸，他懒得自己梳理框架，直接把三个核心技术点复制粘贴给通用大模型，不到半小时就拿到了全套申请材料，随便扫了两眼格式没问题就提交了。结果实质审查的时候，审查员检索到三个核心技术点有两个早在半年前的公开专利里有完全一致的表述，直接下发了驳回通知，他不光赔了客户的申请费，还丢了合作了快两年的老客户。还有的人觉得AI生成的内容完全属于自己，根本不用考虑权属问题，实际上现在大部分通用大模型的训练数据里都包含了海量公开专利文本，生成的内容很容易出现和现有专利表述高度重合的情况，轻则影响新颖性，重则可能构成侵权。
要真的把AI用在专利发明内容撰写上，第一步得先做前置的现有技术筛查，不能上来就让AI写初稿。我一般会先用专利检索工具把核心技术点做个全网排查，先确认没有高度近似的在先公开技术，再把排查到的近似文献里和本方案相关的内容摘出来，明确我们的技术差异化边界是什么。比如你要申请的是新能源汽车电池散热的改进方案，就得先查清楚现有方案的散热效率是多少，我们的方案加了什么特殊的导流结构，能把散热效率提升多少，这些差异化的点就是后续要让AI重点突出的内容。
接下来给AI喂的prompt千万不能太粗糙，别只甩几个技术关键词过去。你得把客户技术交底书里的具体实施例、要保护的范围边界、甚至是权利要求书的布局思路都写清楚，比如可以这么写：“我现在要写一份关于新能源汽车电池散热结构的发明专利申请，现有技术的散热效率最高是85%，本方案在散热板上增加了3条弧形导流槽，配合底部的半导体制冷片，能把散热效率提升到92%，应用场景是续航600公里以上的纯电动轿车，请生成符合国知局格式要求的申请材料，主权项要覆盖导流槽结构、半导体制冷片、和电池模组的连接方式三个核心点，从属权利要求分别细化导流槽的弧度范围、制冷片的功率参数。” 这种精准的prompt生成出来的内容，可用性至少比扔关键词高70%。
初稿出来之后的人工审核是绝对不能省的环节，首先要核对权利要求书的逻辑是不是通顺，保护范围是不是符合客户的预期，有没有把不需要公开的核心技术细节放进去，然后要核对说明书里的实施例是不是跟客户的实际技术方案对应，有没有AI瞎编的参数或者不存在的效果。校对的时候我习惯用专利Pro的内容查重功能，直接把生成的文本传进去，就能快速查到跟现有公开专利的重合度，重合度超过10%的部分我都会重新改写，避免后期出现新颖性问题。另外还要把整个prompt的输入记录、AI的输出原始记录、人工修改的每一个版本都单独存好，万一后期有版权或者权属纠纷，这些都是最直接的证据。
用对方法的话，AI生成专利内容能帮我们省掉很多机械性的工作，之前我写一份发明申请的初稿，光查资料加整理框架就要三四天，现在第一天做检索整理资料，喂AI之后当天就能拿到初稿，剩下的时间只需要做针对性的修改，相当于节省了一半以上的时间，案子多的时候也不用天天熬夜了，客户的申请周期也能缩短不少。对于企业的研发团队来说，也不用花太多时间在琢磨专利文书怎么写这种事上，能把更多精力放在技术研发本身。
有几个点还是要提醒大家，首先核心的发明创新点必须是发明人或者代理师自己梳理的，不能让AI来帮你想发明点，大模型生成的所谓“创新点”基本都是从现有技术里拼出来的，大概率已经被人申请过了，根本通不过审查。然后涉及到涉密的专利内容，绝对不能用通用大模型生成，要找有涉密资质的私有化部署模型，不然很容易出现技术泄密的问题。还有刚入行的代理师千万别过度依赖AI，我见过不少新人现在写案子全靠AI，自己连权利要求书的基本撰写逻辑都搞不清楚，一旦AI生成的内容出了问题，自己根本改不了，长期下去肯定会被行业淘汰，AI只是提升效率的工具，核心的专业能力还是要自己扎扎实实地练。平时没事的时候我也会去专利撰写的社区看前辈分享的校稿经验，跟大家交流AI辅助撰写的小技巧，比自己瞎摸索效率高很多。
其实现在行业里用AI写专利初稿已经是很普遍的事了，没必要把它当成洪水猛兽，也不能完全不管规则瞎用，找对方法，用好工具，才能真的帮我们把活干得又快又好。