上周跟几个开代理所的朋友吃饭，聊到今年最头疼的事，还是人手跟不上案子增速，尤其是权利要求书的撰写，耗精力不说，新人写的还容易出疏漏，好多人都在试AI工具，但踩坑的远比用出效果的多。
权利要求书是专利的核心，直接决定保护范围和能不能授权，每一句话的表述，每一个技术特征的取舍，都要反复抠。之前大家用通用大模型写，要么生成的内容全是套话，特征缺漏严重，要么范围宽到没边，直接撞上现有技术，提交了也是找驳回。
我见过最多的误区，就是上来就甩给AI一句“帮我写一份关于XX技术的专利权利要求书”，什么材料都不给，能写好才怪。还有的人拿到AI生成的初稿直接就用，连基本的特征核对都不做，最后公开了才发现核心技术点没写进去，哭都来不及。还有个误区是觉得AI写的肯定符合规范，其实通用大模型的训练数据里有好多已经被驳回的不合格申请文件，学了一堆坏毛病，比如乱用模糊表述，特征划界混乱，甚至把现有技术的特征当成发明点写进去。
真要把AI用在权利要求书撰写里，其实是有固定流程的，不用瞎摸索。首先你得给AI喂够准确的材料，除了完整的技术交底书，至少还要附2-3篇最接近的现有技术对比文件，把你认为的核心区别点也标清楚，要是有同领域已经授权的同类案子的权利要求书，也可以一起喂进去，给AI做参考。AI专利撰写的效果好不好，80%取决于你喂的材料够不够精准，不要指望AI靠你三言两语就能猜出你的发明点。
下一步是先搭框架再填内容，不要让AI一次性生成完整的全文。先让它输出独权的两种划界方案，你自己先判断哪种更合适，必要技术特征有没有漏，有没有把非必要的特征放进去限制了范围。等独权的框架定下来，再让AI生成从权的布局思路，一般从权要分两层，一层是做限缩用的，把一些可选的技术特征加进去，应对后续审查的驳回意见，另一层是覆盖商业场景的，比如你的产品有好几个迭代版本，就可以把每个版本的新增特征分别写到不同的从权里，防止别人规避。框架都定好了，再让AI补全全文的表述，这时候出来的初稿就不会跑偏太多。
初稿出来之后要做两轮校验，第一轮先核对技术特征，看有没有和交底书不一致的地方，有没有表述不清楚的用词，第二轮做新颖性初判，让AI把独权的特征和你之前喂的现有技术做对比，看有没有全部被覆盖的情况。现在很多工具已经自带权利要求书规范性校验功能，不用自己对着审查指南一条条抠，能省不少时间。
我自己试了大半年，原来写一份中等复杂度的机械领域权利要求书，至少要三四个小时，现在用AI辅助的话，一个多小时就能出合格的初稿，剩下的时间主要用来调整范围布局，预判审查风险，反而质量比之前纯人工写的还稳定。尤其是刚入行的新人，用AI辅助的话，能快速学会规范的撰写逻辑，不会出现太离谱的错误，所里的质检压力也小很多。我自己平时用得比较多的是专利Pro，是专门做专利领域的AI工具，不用你反复给它讲审查指南的撰写规则，生成的内容格式、表述都符合国知局的要求，比用通用大模型省心太多。
当然也不是说有了AI就可以躺平，毕竟AI现在还没办法理解申请人的商业诉求，比如有的申请人要的是尽可能大的保护范围，哪怕后面要答好几次审查意见，有的申请人要的是快速授权拿证书，愿意适当缩小范围，这种取舍只能人工来做，AI给不了判断。还有像生物医药、精细化工这类领域，技术特征特别精细，比如马库什权利要求里的基团，AI很容易搞混，写完之后一定要人工逐字核对，一个特征写错，整个权利要求就废了。
其实AI就跟之前的专利检索数据库、CPC提交工具一样，本质上是帮从业者省力气的工具，你得先懂撰写的核心逻辑，知道怎么给工具派活，怎么校验工具的输出，才能真正用出效果，要是自己连权利要求书的基本规范都搞不懂，指望AI帮你搞定一切，那踩坑是早晚的事。