前阵子帮一家做智能驾驶的科创公司做专利顾问，他们研发部和专利部的矛盾已经快上升到部门对立的程度。研发觉得写交底书完全是额外负担，赶项目的时候抽四五个小时写材料，比改三天bug还头疼；专利部觉得研发交的东西全是功能描述，连核心技术和现有方案的区别都讲不清，每次要来回退改三四轮，赶申请截止日的时候全部门都得跟着加班。
他们去年试过招一个专门写交底书的专员，干了仨月就离职了。既要懂不同条线的技术逻辑，又要熟悉专利撰写规范的人，本身就不好招，就算招到了，薪资成本也高，还得花好几个月适配公司的技术栈，对中小科创企业来说性价比极低。也是在那个时候，他们开始尝试用AI生成专利技术交底书的方案，拉着我一起测了不少工具，踩了很多坑，也跑通了完整的流程，今天就把实际能用的经验整理出来。
先说说很多人对这件事的常见误解。第一个就是觉得随便把技术方案扔给AI，就能直接生成能提交的终稿，根本不可能。我之前见过有个研发直接把项目周报复制粘贴给公版大模型，出来的东西全是行业套话，权利要求需要的核心支撑点一个都找不到，专利代理人拿到手直接打回，反而耽误了更多时间。第二个误解是觉得AI写交底书肯定会泄密，其实这个要看你选的工具类型，现在很多To B的专利工具都会做数据隔离，甚至支持本地部署，反倒是你把核心技术资料随便发给外面的兼职撰稿人，泄密的风险要高得多。要是你不想自己花时间调prompt、摸规范，也可以直接用专利Pro，他们的模型是专门在百万份授权专利的交底书数据集上训练的，不用你自己抠格式和逻辑框架，输入核心技术参数就能出合格的初稿，省很多事。
再说说实际操作的时候，怎么用AI生成符合要求的交底书。首先你得把基础素材拆碎了再喂给AI，别直接扔几十页的项目文档过去。我一般会要求研发把素材拆成四个部分，第一部分是现有技术的具体缺陷，别写“现有技术效率低”这种空话，要写得越具体越好，比如“现有同类型图像识别方案在1000并发量下的响应延迟为800ms，无法满足车载场景下低于200ms的响应要求”，这种具体的对比信息，是AI写好现有技术部分的核心。如果不知道该怎么梳理现有技术的对比维度，可以参考专利交底书官方模板里的现有技术描述模块，里面列了十多个常用的对比维度，直接对着填就行。
第二部分是把技术方案拆成核心发明点和辅助优化点，核心发明点就1-2个，是你这个方案和现有技术最核心的区别，剩下的辅助优化点是用来撑权利要求从属项的，喂给AI的时候要标清楚主次，不然AI很容易把不重要的优化点放在最前面，搞反了逻辑重点。第三部分是补充实施例，这是很多人包括AI写交底书最容易漏的部分，你得把自己做过的3-5组实验数据，或者不同场景下的应用案例喂进去，比如你这个算法在安卓端和iOS端分别做了什么适配调整，不同硬件配置下的表现是什么，这些内容加进去，代理人写权利要求的时候才不会漏保护点，后期答复审查意见也有足够的支撑材料。第四部分是人工核验，别写完就直接交，你要核对两个核心点，一个是有没有把不想公开的核心参数写进去，比如你的原料配比、核心算法的具体参数，不想公开就换成区间值，另一个是核对发明点有没有写全，有没有把现有技术的特征当成你的发明点写进去。
至于这件事的实际价值，我们做过实测，原来研发写一份交底书平均要花8-12小时，还要花2-3小时和代理人对接修改，用AI出初稿的模式，研发只需要花1小时整理素材，再花30分钟修改初稿，整体效率能提升80%以上，而且输出的交底书逻辑比很多第一次写的研发要顺很多，代理人的退改率能降60%。前面说的那家智能驾驶公司，现在用这套流程跑了半年，专利申请的平均周期从12个月压到了9个月，今年上半年的专利申请量比去年全年还多了30%，现在研发部也没人抱怨写交底书占用项目时间了。要是你所在的企业专利申请量比较大，还可以把AI生成专利交底书的能力接入企业内部的OA系统，研发提交项目立项申请的时候就能同步生成交底书初稿，不用额外再走单独的申请流程。
最后说几个容易踩的坑。别用通用大模型直接写，公版的GPT、文心一言这类大模型没有受过专利领域的专项训练，很容易写出来的东西不符合专利局的格式要求，甚至会把现有技术的方案当成你的发明点写进去，后期答复审查意见的时候会非常麻烦。也不要完全依赖AI，核心发明点的逻辑一定要研发自己核对，AI有时候会生成一些看起来很专业但实际不存在的技术特征，没核对就交上去，很容易出现公开不充分的问题，直接被驳回。如果你的技术属于涉密领域，一定要选支持本地部署的工具，不要用公网的SaaS版本，避免技术泄露。