企业官网建设流程全解析

1. 为什么拿AI写专利这件事这么容易“翻车”

1.1 专利文本和普通文章根本不是一回事

很多人第一次让AI写专利，都是拿一段技术交底书丢进去，然后说“帮我写成一个专利”。第一版出来往往看着挺像那么回事，结构也有，语言也通顺，甚至还有“本发明的有益效果”这种小标题。但拿去给代理人一看，问题立刻暴露：权利要求书写得像论文摘要，独立权利要求没有前序部分和特征部分的分隔，从属权利要求和它引用的基础条款逻辑接不上，甚至出现了“根据权利要求1所述的方法，其特征在于：所述数据处理步骤包括预处理、特征提取和分类”这种典型的概括式写法——它把三个并列步骤放进了同一个从权特征里，保护范围反而被锁死。

专利文件和普通技术文章的根本区别在于：技术文章是“把事讲清楚”，专利是“把边界画出来”。权利要求书里每一个字都是在定义保护范围，独立权利要求要尽可能有概括性，从属权利要求要一层层补充细节。AI如果没有被明确要求按这个逻辑去组织，它天然会顺着“说明文”的方向走。这不是模型不够聪明，而是它默认你的任务是“介绍一个技术方案”，不是“构建一个有层次的权项体系”。

实际操作中，我拿同一个交底书分别让几款AI写过初稿，最常见的问题是三类：

• 独权和从权层级混乱，从权写的内容比独权还宽；
• 技术特征缺少限定层级，几个并列步骤被写进同一句话里；
• 有益效果堆砌过度，但技术方案的关键细节被压缩到一段话里。

所以第一步，必须先明确告诉AI：你写的是专利权利要求书，不是项目总结。

1.2 AI的“幻觉”在专利场景下特别致命

通用AI有个通病：它为了“流畅”会自己补全信息。在普通写作场景里这问题不大，但在专利场景里，你可能直接因此丢掉一份申请。

我遇到过最典型的例子，是让AI写背景技术部分，它自动编了一段：

“当前已有文献（JP2019-123456A）公开了基于卷积神经网络的图像识别方法，但该方法在低光照条件下识别率显著下降……”

当时我一看就觉得不对劲，去检索平台查了这串文献号——根本不存在。AI纯粹是随机拼了一个近似格式的编号出来。更危险的是，如果你不查证，这一段就会进入正式申请文件，审查员检索时会把它当作现有技术来评判，轻则下发审查意见，重则影响创造性认定。

类似的幻觉还有：

• 编造不存在的技术参数范围，比如“温度控制在25-35℃”但交底书里根本没有这个限定；
• 编造对比文件的公开内容，比如“现有技术的准确率为87.4%”，这个数字完全是模型自己“脑补”出来的；
• 编造IPC分类号、申请人名称、附图标号。

所以我现在的原则是：AI生成的所有涉及“现有技术”“对比文件”“文献编号”“参数数值”的内容，一律当作待核实内容处理，必须人工检索确认。任何编造痕迹一旦进入正式申请稿，后期返工成本远高于你手工写这部分的时间。

1.3 AI味和降AI率：形式审查也会找你麻烦

这几年还有一个很现实的问题：专利审查员见过的AI生成文本，可能比普通读者还多。AI写出来的专利文件有一个典型特征——高频套话结构。比如“进一步地”“可选的”“所述”的密集使用，每一段都以“在一些实施例中”开头，权项写完以后必然跟一句“从而提高了本发明的……”。这种写作模式在审查员眼里一眼就能看出来。

有一些团队会专门用“降AI率”工具处理文本，但我试下来发现一个问题：单纯把词换掉、把句子打散，根本解决不了问题。专利文本的“AI味”本质上是逻辑叙事的模板化——它总是先给一个概括，再展开一个“例如”，最后补一句“因此”。如果不在内容结构上动手，只是同义改写，审查员看了照样别扭，而且容易把技术术语改得不准。

我自己的做法是：让AI把每一个技术特征都写得“实”。不是“通过图像处理模块对图像进行处理”，而是“所述图像处理模块采用边缘检测算法提取PCB板图像中焊盘区域的轮廓特征”。当每个句子都包含具体的技术术语和操作对象时，AI模板腔自然就消失了。

2. 横评实录：我把几类AI都喂了同一篇交底书

为了写这个选题，我专门拿同一份技术交底书做了一次横向测试：“一种基于激光点云的三维货物体积测量方法”，原始交底书大概1500字，包含一个算法流程和两个硬件结构描述。我用三类方案分别跑了一遍：

2.1 通用对话大模型：文档漂亮，权项拉胯

我用的是一款在现有技术理解上表现还不错的国际主流大模型。让它直接输出“完整专利申请文件”，生成速度很快，结构完整，技术领域、背景技术、发明内容、具体实施方式全都有，语言也通顺。

问题出在权利要求书部分。它给出的独立权利要求是：

“一种基于激光点云的三维货物体积测量方法，其特征在于，包括：获取激光点云数据；对所述激光点云数据进行处理；根据处理结果计算货物体积。”

这种写法，审查员看了只会问一个问题：“对所述激光点云数据进行处理”——处理成什么？怎么处理？这个权项把整个创新核心压缩进了一个模糊的“处理”动作，等于什么都没保护。而且从属权利要求引用的也不是“如权利要求1所述的方法”，而是“所述步骤S2中”，混了两种撰写格式。这类模型适合做技术方案的梳理，不适合直接产出可用权项。

2.2 专利信息平台的AI助手：检索强，写得过于保守

第二类是用某专利信息平台内置的AI辅助撰写功能。这类工具最大的优势是自带检索库，它写背景技术时会引用真实存在的对比文件，基本不会编造文献编号，这一点比通用大模型让人放心得多。

但它的缺点是“过于保守”。生成的权项非常模板化，每一条的措辞都像是同一个模板套出来的：

“所述对获取的激光点云数据进行处理，包括：对获取的激光点云数据进行去噪处理；对去噪后的激光点云数据进行滤波处理。”

它会把“去噪”“滤波”“分割”这些动作一个接一个列成从权，但完全没有考虑这些技术特征之间是否存在上下位关系、哪些细节才是真正区别于现有技术的核心。写出来的内容可以用，但基本是“套格式”，发明点在哪、怎么布局，它完全不理解。适合做一个辅助草稿，不太可能被经验丰富的代理人直接采用。

2.3 用Agent方式自己搭“写专利助手”：最惊喜

最后一类，其实是我自己基于通用大模型搭的一套工作流——用提示词让AI扮演“专利代理人助理”，把“写专利”拆成“分析交底书、构建权项树、扩写说明书、自检审查”四个子任务，每个子任务用独立的提示词和输出模板控制。

这套方案是我试下来“最顺手”的。它不依赖某个特定平台，只靠一套结构化的工作流和提示词，就能让通用大模型产出接近代理人口味的初稿。后面我会详细展开这套流程。

2.4 三类方案的横评对比

3. 我最后留下的那套“专利AI工作流”长什么样

3.1 核心思路：让AI分角色干活，而不是一次成稿

我最早犯过一个错误：让AI“一篇生成所有内容”。后来发现，一篇专利文件里的每个部分，对AI的能力要求是完全不同的：

• 理解交底书、提炼创新点，需要“分析型”提示词；
• 构建权项体系，需要“逻辑型”提示词；
• 扩写说明书，需要“场景扩写型”提示词；
• 自查问题，需要“审查型”提示词。

所以我把流程拆成了三个阶段：

1. 权项树构建：让AI先把交底书里的技术特征拆成“独权内容+从权细节”，每一层都明确引用关系；
2. 说明书分块生成：按技术领域、背景技术、发明内容、附图说明、具体实施方式五个部分分别生成，每个部分单独喂入对应的上下文；
3. 自检修正：用审查员视角让AI检查权项逻辑、重复表述、特征缺失，输出问题清单，再逐项修改。

这个方法的好处是：每一步的输入输出都是可控的，AI是在“按你的框架填充内容”，而不是“替你构思全部”。对专利这种严谨文体来说，这种可控性比智能更重要。

3.2 最关键的提示词：权利要求树生成器

这套工作流里，投入产出比最高的是下面这个“权利要求树生成器”提示词。它解决的是通用AI写权项时“逻辑混乱”的核心痛点。

你是资深专利代理人助理，请根据我提供的技术交底书，生成权利要求树的完整框架。 要求如下： 1. 先提取技术交底书中所有技术特征，按照“必要技术特征”和“附加技术特征”分组； 2. 必要技术特征用于构建独立权利要求，附加技术特征用于构建从属权利要求； 3. 独立权利要求采用“前序部分+特征部分”的两段式写法； 4. 从属权利要求必须明确列出引用的权利要求编号，以及相对于所引用权利要求的附加限定内容； 5. 各从属权利要求之间不得存在重复限定； 6. 每个技术特征必须使用具体的技术术语，不得出现“进行处理”“对数据进行操作”等模糊表述； 7. 输出格式为： 独立权利要求1： - 前序部分：... - 特征部分：... 从属权利要求2： - 引用权利要求：1 - 附加技术特征：... 以此类推。

这个提示词的核心价值在两点：

一是它强制AI先“分组”再做“排列组合”。必要技术特征是独权的骨架，少了它方案不完整；附加技术特征是创新的细化，写在从权里可以逐步退守。多数通用AI写不好权项，就是因为它没有这个分组意识。

二是它规定了从权必须标注“引用权利要求编号”。很多人没注意到，从权一旦引用错对象，整个保护体系就乱套了。让AI在生成的阶段就强制输出引用关系，后续检查只需要“按格式核对”，而不是“逐条推理逻辑”。

3.3 说明书生成与“实施例补齐”

权项树完成后，说明书就是一个“把树展开成文章”的过程。这一步对AI来说很容易，但有一个特别需要注意的点：具体实施方式部分，AI通常写得过于概括。

我给常用的生成提示词是：

请以权利要求1和权利要求3的技术特征为基础，撰写“具体实施方式”部分。要求： - 每一步处理流程都必须给出具体的参数范围、算法选择、判断条件； - 涉及硬件结构的，明确各部件的连接关系和安装位置； - 至少提供两个实施例，一个是最佳实施例，一个是可替代方案； - 每个实施例必须包含“技术手段”和“技术效果”的对应关系。

为什么要强调“参数范围”和“可替代方案”？因为专利说明书的核心功能是“支持权项保护范围”。权项里写的宽度，必须能在说明书中找到足够的实施例支撑，否则审查阶段会被指出“权利要求得不到说明书支持”。

AI天然倾向于用概括语言描述，比如“设置合适的学习率”而不是“学习率设为0.001”，这在实际撰写中是要避免的。所以每生成一段，我都会补一句指令：“如果交底书中没有明确给出具体参数，请标注‘待确认’，不要自行编造。”

3.4 每次生成完必须过的6个自检关卡

AI初稿出来之后，我有一套固定的人工检查清单，每一篇都不会跳过：

1. 权项引用关系检查：所有从权的“引用权利要求编号”是否有效、是否存在回路引用；
2. 特征完整性检查：独立权利要求的“前序部分”是否包含了实现方案不可缺少的必要特征；
3. “编造内容”标记检查：所有“待确认”标注是否都完成了实际确认，是否存在AI擅自填写的参数；
4. 重复限定检查：两个从权是否在描述同一个限定特征，如果有，合并或拆分；
5. 说明书一致性检查：说明书里出现的步骤编号、图号、部件名称是否与权项完全一致；
6. AI模板腔检查：是否有“进一步地”“可选的”连续出现三次以上的段落，是否存在整段以“所述”开头的句式排列。

这套检查清单大概每次多花10-15分钟，但能拦下90%的低级错误。

4. 实战：一篇“基于YOLOv8的PCB缺陷检测方法”是怎么从交底书到初稿的

4.1 输入材料

最近一次实践，是一份来自硬件团队的交底书：“基于YOLOv8的PCB板缺陷检测方法”。交底书写得不算差，有背景、有方案流程、有两张示意图，但距离专利初稿还有很大距离。

我喂给AI的材料包括：

• 技术交底书全文；
• 创新点列表（团队手写了三点：基于改进YOLOv8的注意力模块、缺陷分类阈值自适应方法、检测结果与PCB坐标的映射输出方式）；
• 两张草图的文字描述。

4.2 权项生成结果与人工修改

用权利要求树生成器跑完，AI输出的权项框架是：

• 独立权利要求1：一种基于改进YOLOv8的PCB板缺陷检测方法，覆盖“输入图像-改进YOLOv8网络处理-输出缺陷类别和坐标”的整体流程；
• 从属权利要求2：限定注意力模块的插入位置和结构；
• 从属权利要求3：限定自适应阈值计算方式；
• 从属权利要求4：限定坐标映射方式；
• 从属权利要求5：限定缺陷分类的具体类别；
• 从属权利要求6：限定训练数据的增强方式；
• 从属权利要求7：限定硬件实现载体。

这个框架基本合理，但我在人工检查时发现三个问题：

第一，权利要求2把注意力模块限定得太死了——“在Backbone的第四层后插入CBAM注意力模块”。但交底书里明确提到，这个模块在其他位置也试验过，CBAM只是其中一种实现。改成“在Backbone的至少一层后插入注意力模块”才能覆盖更多变体。

第二，权利要求3里“自适应阈值”的计算公式是AI自己补的，我在交底书里根本没写过那个公式。最后这一条从权完全改写了。

第三，缺少一条保护“如何避免背景纹理干扰”的从权，这其实是他们团队实验数据里体现出来的核心优势，交底书里提了一句，但AI没有识别出它的重要性。人工加了一条从权来保护它。

4.3 说明书里的坑与修改

说明书生成时，AI最大的问题是背景技术部分写得“太通顺”了。它用了两页篇幅描述PCB检测的传统方法，引用的对比文件也都是真实存在的（这是通用大模型很少能做到的，但我仍然逐条验证了），但整体框架是“现有方法一到现有方法二到现有方法三”，非常模板化。

我把背景技术压缩到了一页半，去掉了“随着电子制造业的快速发展”这种空话开头，保留了两篇最相关的对比文件，并且把发明内容里针对性的改进点提前到背景技术最后一段做了承上启下。

另一个坑出现在“具体实施方式”部分。AI写完第一个实施例之后，直接开始写“在另一个实施例中，检测网络还可以为其他目标检测模型”，这句等于自己缩小了保护范围，与权项1中限定的“改进YOLOv8网络”是矛盾的。我删除并重新表述为“所述改进YOLOv8网络还可以采用不同深度的参数配置”。

4.4 用时统计

完整流程跑下来，从处理交底书到生成可提交给代理人的初稿，耗时大约40分钟，其中：

对比之前纯手工写初稿大约2-3小时的时间，效率提升是肉眼可见的。不过这里的“初稿”指的是一份逻辑完整、代理人可以在此基础上直接修改的稿子，而不是直接递交的申请文件。

5. 使用边界：哪些环节AI不该碰，哪些必须人来兜底

5.1 AI能做的和不能做的

用了一段时间之后，我给自己画了一张清晰的“AI能力边界表”：

简单说：AI是“打字快但没主见的助手”，不是“替代代理人的律师”。

5.2 为什么审查意见答复不能靠AI

很多人尝试让AI直接生成审查意见答复，我试过几次之后完全放弃了。原因是审查意见答复的核心不是“语言表达”，而是“技术争辩”。你需要认真阅读审查员引用的对比文件，分析它公开了哪些技术特征、你的权利要求还有哪些特征没有被公开、这些特征组合起来是否有非显而易见性。

这套分析需要结合具体的检索结果和技术理解，AI做不到。我见过用AI生成的答复意见，通篇是“本申请与对比文件1存在明显区别，上述区别技术特征带来了预料不到的技术效果”这种套话，审查员看了只会觉得你在回避问题，根本不会认真对待。

我的建议是：审查意见答复全部人工撰写，顶多让AI帮忙起草开头和结尾的形式化段落。

5.3 保密合规与署名问题

最后必须提醒一句：专利交底书往往涉及公司核心技术，很多企业内部规定禁止直接粘贴到公有AI平台。我的做法是优先选用企业内部部署的模型，或者至少隐去产品名称、客户名称、具体型号后再输入。如果实在没有内部方案，可以只让AI处理脱敏后的技术逻辑，而不是完整的商业细节。

另一个常被忽略的问题是署名。AI不能作为发明人，也不能作为申请人。它只是辅助工具，所有提交文件必须由真实发明人审核确认。曾经有团队因为初稿高度依赖AI生成，最后在发明人署名上产生争议，其实只要流程中保留了人工修改和确认环节，这个问题就不会发生。

最后再分享一个小技巧：如果你所在的公司有已经授权的专利，可以把它们的权项结构和说明书格式提取出来，做成一个“风格样本”放进提示词里。让AI按你们公司已有的授权专利风格去写新申请，这样出来的初稿在语言习惯和格式规范上，会更接近代理人多年磨合出来的风格，后续修改量会大幅减少。