专利交底书是从“我有一个 idea”到“专利代理人能理解并动笔”之间的关键桥梁。很多研发人员写论文、跑实验、调模型都很顺利但一到写专利交底书就卡住不知道背景技术写到什么程度不知道发明内容怎么分层手头明明有完整的实验数据和对比结果却因为表达太口语化或者缺少结构化归纳变成一份让代理人反复追问的草稿。本文讨论的并不是什么“神秘专利生成器”而是把论文 idea 转化为发明专利交底书的一套可复用方法结构化模板、提示词工程、素材清单和人工校验流程。这套方法的目标不是绕过撰写而是把重复劳动压缩到最低让发明人把精力集中在真正需要专业判断的技术方案描述上。专利交底书不是专利申请书它不需要满足《专利法》第 26 条那种严格的法言法语格式。它的读者是专利代理人核心任务是让代理人在最短时间内理解你的技术解决什么问题、和现有技术有什么不同、关键实现手段是什么、有没有实验数据支撑。因此交底书的质量直接决定后续申请文件的质量。如果交底书把发明点写散、写模糊、写漏代理人只能反复沟通甚至有可能在沟通中丢失关键技术细节。反过来如果发明人有一套固定、可复用的撰写框架配合 AI 辅助工具做内容整理、术语规范和结构扩展一份交底书的初稿时间可以从两三天压缩到半天甚至几小时剩下的时间用来做技术准确性和法律合规性的人工核对。1. 先理解专利交底书为什么难写它要求的不是“写”而是“结构化表达”1.1 交底书要回答的问题和论文完全不同论文和交底书虽然共享同一份技术素材但两者的叙事逻辑差异很大。论文的逻辑是“我提出了什么方法实验证明它有效”读者是同行评审关注创新性、严谨性和可复现性。交底书的逻辑是“我解决了什么技术问题用什么技术手段为什么这个手段和以前不一样”读者是专利代理人关注的是技术特征的层次、保护范围和可替换方案。一份合格的专利交底书至少要清楚回答以下问题问题交底书中的位置如果没写清楚的后果现有技术是什么背景技术代理人无法判断发明点在哪里现有技术有什么缺陷背景技术发明目的不成立权利要求难以布局本方案用什么手段解决缺陷发明内容核心发明点抓不住申请范围过窄或过宽这个手段的关键特征是什么发明内容代理人无法提炼技术特征有没有具体实现方式和数据具体实施方式支持不足后期答复审查意见时没有依据有没有替代方案、变体具体实施方式保护范围被锁死在单一实现上技术效果是什么为什么有效发明内容/实施方式创造性论证缺乏支撑很多发明人写交底书困难不是因为不知道自己的技术方案而是没有把论文里的“方法”“实验”“结果”重新翻译成交底书需要的“技术问题”“技术特征”“技术效果”。一旦带着这个翻译意识去写难度会下降一大截。1.2 专利交底书的常见结构模板不同代理机构对交底书的格式要求略有差异但核心章节基本一致。下面给出一个通用 Markdown 模板这个模板可以直接作为团队内部的知识库模板使用# 专利交底书发明名称 ## 一、技术领域 本发明涉及领域名称具体涉及细分方向。 ## 二、背景技术 2.1 现有实现方式 2.2 现有实现方式的缺点 ## 三、发明内容 3.1 要解决的技术问题 3.2 技术方案核心发明点 3.3 技术效果 ## 四、具体实施方式 4.1 实施方式一 4.2 实施方式二可选 4.3 替代方案/变体 ## 五、附图说明 图1整体流程图 图2模块结构图 图3对比效果图 ## 六、关键术语表 | 术语 | 本文含义 | 备注 | | --- | --- | --- | ## 七、发明人信息 发明人姓名 研发项目名称 联系方式这个模板看似简单但它把最容易遗漏的内容都固定了下来。背景技术里的“2.1 现有实现方式”和“2.2 缺陷”是很多发明人容易混在一起写的部分分开写能逼着自己把“现有方案”和“现有方案的问题”用两段独立文字说清楚。发明内容里的“要解决的技术问题”和“技术方案”也要严格分开否则代理人很难提取权利要求。1.3 为什么 AI 辅助撰写在专利场景有实用价值AI 辅助撰写专利交底书的定位是“素材整理器”和“初稿生成器”而不是“最终决策者”。论文中的技术内容往往分散在摘要、引言、方法、实验、结论和附录中把这些内容按交底书结构重新组织是一个典型的高重复度、低创造性的信息整理任务。AI 在这一步可以做三件事第一把论文段落按交底书章节重新归类减少手工复制粘贴。第二把口语化描述改写为技术文档表达比如“我们的模型比原来快了挺多”改写为“相对于现有方法本方案的推理时间降低了约 30%”。第三根据发明人给出的技术要点扩展出替代方案和实施方式的写作建议帮助发明人发现自己没写在论文里、但可能在实验中已经尝试过的变体方案。这里要反复强调AI 生成的内容不能直接作为交底书提交。专利文件涉及法律权利边界技术特征的准确性和支持充分性必须由发明人和代理人共同确认。AI 的作用是帮助发明人更快地完成初稿而不是替代发明人的技术判断。2. 搭建自动辅助撰写流程核心是提示词模板和素材结构化2.1 环境准备工具链和依赖搭建这套流程不需要复杂环境核心工具包括一个支持自定义提示词的 AI 对话工具或 API一个支持 Markdown 的编辑器以及一个用于管理素材的目录结构。如果使用 Python 调用大模型 API 做批量处理通常需要准备以下依赖pip install openai这里以 OpenAI 兼容接口为例但实际使用时请根据自己公司或团队选择的模型服务商确认接口地址和模型名称。一个最小示例配置如下from openai import OpenAI client OpenAI( api_keyyour-api-key, # 生产环境不要硬编码建议读取环境变量 base_urlhttps://your-api-endpoint/v1 # 根据实际服务商修改 )注意api_key不要写进代码仓库。生产环境建议使用环境变量或密钥管理服务。如果没有编程需求也可以直接使用 AI 对话工具的 Web 界面通过粘贴模板和论文片段的方式完成辅助撰写。两种方式各有适用场景Web 界面适合个人临时使用接口方式适合团队集成到内部知识库或项目管理平台。2.2 项目目录结构设计素材管理和模板管理是这套流程的关键。建议按以下目录结构组织patent_assistant/ ├── templates/ │ ├── patent_disclosure_template.md # 交底书模板 │ ├── prompt_extract_idea.md # 提示词从论文抽取技术要点 │ └── prompt_generate_disclosure.md # 提示词生成交底书初稿 ├── papers/ │ ├── paper_001.md │ └── paper_002.md ├── disclosures/ │ ├── disclosure_001.md │ └── disclosure_002.md ├── references/ │ └── patent_drafting_guide.md └── scripts/ └── build_disclosure.py其中templates目录存放固定模板papers目录存放论文的 Markdown 版本disclosures目录存放生成的交底书初稿references目录存放与专利撰写相关的规范资料scripts目录存放拼装脚本。这个结构对个人用户可能显得过度设计但如果是一个 5 人以上的研发团队统一目录结构可以大幅减少来回传文件的时间也让同一个提示词模板能被多人复用。2.3 构建提示词模板从论文抽取技术要点想让 AI 第一次输出就贴近交底书需求提示词必须给出明确的任务边界、输入格式和输出格式。下面是一个从论文中抽取技术要点的提示词模板你是一名专利代理人助理正在协助研发工程师撰写发明专利交底书。 请你从以下论文内容中提取撰写交底书所需的技术要素按照 JSON 格式输出 1. 技术领域论文涉及的技术领域和细分方向。 2. 背景技术论文中描述的现有技术方案及其不足。 3. 技术问题论文要解决的核心技术问题。 4. 技术方案实现该技术问题的主要手段包括关键步骤、模块、算法或结构。 5. 技术效果论文中描述的实验效果、性能指标或对比结果。 6. 可替代方案论文中提到的变体、扩展、未做实验但理论上可行的替代手段。 7. 关键术语论文中出现的术语及其含义。 以下是论文内容 将论文正文粘贴到这里 请以 JSON 格式输出不要输出其他内容。这里的每一个字段都直接对应交底书模板中的章节。输出 JSON 的好处是方便后续脚本程序化处理如果使用 Web 界面也可以让 AI 直接输出 Markdown 表格。生成示例输出{ 技术领域: 自然语言处理、文本摘要生成, 背景技术: 现有文本摘要方法主要基于序列到序列模型在长文本上存在信息丢失和关键句定位不准的问题。, 技术问题: 如何在长文本摘要任务中减少关键信息丢失并提升摘要生成质量。, 技术方案: 提出一种基于分层编码和关键句增强的摘要生成方法包括构建文档结构树对段落和句子进行分层编码设计关键句识别模块计算句子与文档主题的相关性将关键句特征与编码器输出融合输入到生成器中。, 技术效果: 在公开数据集上的 ROUGE 指标提升了约 4.2 个百分点在长文本测试集上的信息覆盖度提升显著。, 可替代方案: 关键句识别模块可以采用无监督的 TextRank 方法代替监督式分类器分层编码可以采用图神经网络代替 Transformer。, 关键术语: { 分层编码: 先对句子编码再对段落聚合的编码方式, ROUGE: 用于评估自动摘要质量的指标衡量生成摘要与参考摘要的 n-gram 重合度 } }这个输出基本把交底书需要的素材都归拢了。不过要特别注意“可替代方案”这部分 AI 可能编造。发明人需要核对论文是否真的提到过这些变体或者自己在实验阶段是否确实尝试过。凭空出现的替代方案写入交底书在法律上风险很大。2.4 构建提示词模板生成交底书初稿抽取完技术要点后下一步是把 JSON 素材扩展成交底书初稿。这个环节的提示词模板如下你是一名专利代理人助理正在协助研发工程师撰写发明专利交底书。 请根据以下从论文中提取的技术要素按照给定的交底书 Markdown 模板生成初稿。 要求 1. 背景技术部分应当描述当前现有技术的一般情况指出其技术缺陷。 2. 发明内容部分应当分层描述技术方案先写总体方案再写关键细节。 3. 具体实施方式部分应当给出至少一个完整实施例描述步骤和数据流转。 4. 不要编造论文中没有的实验数据。如果素材中缺少数据使用“附图数据”“见实验记录”等占位说明。 5. 输出为 Markdown 格式。 技术要素 将上一步生成的 JSON 粘贴到这里 交底书模板 粘贴 1.2 小节中的 Markdown 模板这个提示词的核心是“不要编造数据”这一条。AI 在生成文档时倾向于把不完整的实验数据补齐成“看起来合理”的数值这是专利辅助撰写中最危险的行为之一。如果你使用的 AI 服务不接受这种否定性指令可以把要求改为“只允许使用输入素材中出现的数值和实验结论禁止新增任何未出现的具体数值”。3. 用 Python 把提示词和模板串起来最小可运行示例3.1 一个简单的自动化拼装脚本下面给出一个最小脚本它读取论文 Markdown 文件调用 AI 接口完成“抽取技术要点”和“生成交底书初稿”两个任务并把结果保存到disclosures目录。这个脚本只用来演示流程实际项目需要根据自己的模型服务商、接口规范和错误处理机制调整。import json import os from pathlib import Path from openai import OpenAI # 建议从环境变量读取 client OpenAI( api_keyos.getenv(LLM_API_KEY), base_urlos.getenv(LLM_BASE_URL), ) # 读取提示词模板 def load_prompt(path: Path) - str: return path.read_text(encodingutf-8) # 调用模型 def chat(prompt: str, model: str gpt-4o-mini) - str: resp client.chat.completions.create( modelmodel, messages[ {role: system, content: 你是一名专利代理人助理。}, {role: user, content: prompt}, ], temperature0.3, # 降低随机性 ) return resp.choices[0].message.content.strip() # 从论文 markdown 抽取技术要素 def extract_idea(paper_path: Path, extract_prompt: Path) - dict: paper_text paper_path.read_text(encodingutf-8) prompt extract_prompt.read_text(encodingutf-8).replace( 将论文正文粘贴到这里, paper_text ) resp chat(prompt) # 期望返回 JSON实际使用时要处理解析失败 return json.loads(resp) # 根据 JSON 生成交底书初稿 def generate_disclosure(idea_json: dict, generate_prompt: Path) - str: prompt_template generate_prompt.read_text(encodingutf-8) prompt prompt_template.replace( 将上一步生成的 JSON 粘贴到这里, json.dumps(idea_json, ensure_asciiFalse) ) return chat(prompt) def main(): paper_path Path(papers/paper_001.md) disclosure_template Path(templates/patent_disclosure_template.md) extract_prompt Path(templates/prompt_extract_idea.md) generate_prompt Path(templates/prompt_generate_disclosure.md) # 可以把交底书模板也传给模型 template_text disclosure_template.read_text(encodingutf-8) generate_prompt_text generate_prompt.read_text(encodingutf-8) generate_prompt_text generate_prompt_text.replace( 粘贴 1.2 小节中的 Markdown 模板, template_text ) generate_prompt.write_text(generate_prompt_text, encodingutf-8) idea extract_idea(paper_path, extract_prompt) disclosure generate_disclosure(idea, generate_prompt) out_dir Path(disclosures) out_dir.mkdir(exist_okTrue) out_path out_dir / disclosure_001.md out_path.write_text(disclosure, encodingutf-8) print(fdone: {out_path}) if __name__ __main__: main()这里有几个需要说明的关键点第一temperature0.3是为了降低模型输出随机性。专利交底书初稿不需要创造性发挥保守、稳定、贴近输入素材更重要。第二json.loads(resp)在生产环境必须增加异常处理因为模型可能输出 Json 内容之外的字符也可能输出非法 JSON。第三脚本对generate_prompt模板做了原地替换这在实际项目中不推荐应该改成内存字符串处理避免多次运行导致模板内容被重复替换。3.2 运行前检查清单在使用自动化脚本之前建议逐项检查以下内容检查项检查方式通过标准API 地址和密钥可用运行一个最小 chat 请求能正常返回文本提示词模板存在检查templates目录三个模板文件都在论文文本是 Markdown 格式检查papers目录中的文件内容完整没有乱码输出目录可写手动创建disclosures目录目录存在且可写JSON 解析逻辑用一段测试文本模拟模型返回能正确解析出字段模型支持中文长文本查看服务商说明上下文窗口足够容纳论文和模板3.3 运行与验证如何判断初稿能否进入人工校对模型生成交底书初稿后先不要着急交给代理人。发明人应该按下面的顺序检查发明点是否被准确表达。如果 AI 生成的“技术方案”和论文核心方法不一致说明抽取环节丢失了信息需要补充论文片段或重新生成。技术效果是否有数据支撑。检查所有性能指标、百分比、时间对比是否在原文中出现。任何找不到出处的数字都应该删除或标记为待补充。背景技术是否客观。AI 可能会使用“现有技术效率低”“传统方法精度差”这类过于绝对化的表达在专利交底书中应改写成更客观的描述比如“现有方法在长文本场景下存在信息覆盖不足的问题”。替代方案是否真实。需要发明人本人核对。术语表是否准确。AI 对术语的解释可能不精确特别是领域特有名词需要发明人逐条确认。4. 从初稿到合格交底书人工审核与内容补全方法4.1 核心技术特征的提取方法交底书中的“技术方案”部分不能只描述总体思路还要给出足够的技术特征。所谓技术特征是构成一个技术方案的不可再分的基本单元例如“一种对句子进行编码的模块”“一个用于计算文本相似度的函数”“一种基于注意力机制的特征融合方式”。从论文方法中提取技术特征可以按以下层次拆解层次内容示例顶层总的技术方案一种基于分层编码的摘要生成方法中层主要模块或步骤文档结构树构建模块、关键句识别模块、生成器底层关键实现细节关键句识别模块使用一个二分类器输入是句子向量与文档向量的拼接AI 在生成初稿时通常只能做到中层底层细节需要发明人补充。这也是 AI 辅助撰写和“全自动”之间最本质的差距底层技术细节是发明人的核心智力成果一旦交给 AI 自动补全极有可能出现技术特征与真实实现不一致最后导致申请文件失去真实的技术支持。4.2 数据验证和效果描述不能依赖 AI效果描述是交底书中最不能“自动化”的部分。论文中的实验数据可以直接引用但需要注意表达方式。交底书中的技术效果应当与技术特征建立因果关系写法可以按照“因为采用了 X所以实现了 Y”的逻辑本方案通过分层编码的方式将段落级信息聚合到句子表示中因此即使在输入文本长度超过 2000 词时生成器仍然能够保留关键信息ROUGE-2 指标相比基线方法提升了约 4.2 个百分点。这种写法既有因果关系又有具体数据支撑。AI 很容易写出前半句但后半句的具体数值必须来自论文原文或实验记录。4.3 从交底书到专利申请文件仍需要代理人参与交底书合格之后代理人才开始撰写正式的专利申请文件。代理人需要根据交底书中的技术特征进一步设计权利要求的层次结构考虑独立权利要求的保护范围、从属权利要求的布局、说明书的支持程度以及可能的创造性答辩方向。发明人在这条流程中的职责边界是提供完整准确的技术方案配合代理人确认技术细节核对申请文件是否忠实于交底书。AI 参与的这个阶段不是取代代理人而是让发明人在提交给代理人之前交出去的是一份信息密度足够、结构清晰、不需要反复追问的文档。5. 常见问题与排查链路为什么生成结果总是不理想5.1 AI 生成的低质量结果往往出在素材和提示词问题现象常见原因检查方式处理建议生成的技术方案和论文不一致论文文本太长模型截断了关键方法部分检查输入内容是否被截断确认模型上下文窗口拆分论文章节一次只处理“方法”和“实验”部分再手动合并背景技术写成了论文的“相关工作”提示词没有明确区分“现有技术”和“本文工作”查看生成内容是否出现本文方法的描述提示词中要求“背景技术只描述当前已有方案不要出现本方案内容”技术效果出现原文没有的数据模型自行补全对照论文原文逐一核对数据在提示词中加入硬性约束只允许使用输入素材中的数值人工复查交底书章节缺失模板占位符没有正确替换检查提示词是否把模板完整传给了模型在自动化脚本中增加模板内容完整性校验JSON 解析失败模型输出包含 JSON 之外的文本查看模型原始输出增加格式约束提示或者在代码中提取 JSON 片段5.2 把“生成的初稿”变成“可提交的交底书”需要哪些人工环节AI 生成的初稿只是一份精心整理的素材距离“可提交”还有三个阶段。第一阶段是发明人自查。发明人需要逐节核对技术内容的准确性补充论文中未充分描述但实验中已经完成的替代方案删除不存在的实验数据统一术语表达。第二阶段是代理人初审。代理人对交底书提出的意见通常是独立权利要求的技术特征是否清楚从属权利要求是否有足够的层次技术效果是否有数据支撑背景技术是否完整覆盖最接近的现有技术。第三阶段是发明人与代理人共同确认。在申请文件初稿寄回后发明人需要重点关注权利要求书是否包含自己预期的保护范围、说明书是否公开了所有必要的实施细节、是否出现交底书中没有记载的新技术特征。5.3 如何降低反馈次数代理人对交底书的修改意见往往是交底书质量的直接反馈。降低反馈次数的方法是把“技术特征清晰度”和“数据支撑完整性”作为交底书提交前的硬性检查项。可以建立一份交底书自检清单检查项是否完成背景技术中是否准确描述了最接近的现有技术方案是否明确指出现有技术方案的技术缺陷技术问题是否与缺陷对应技术方案是否至少包含一个完整的实施例关键模块或步骤是否描述到足以让本领域技术人员实现技术效果是否包含具体数据或实验记录位置替代方案或变体是否被记载关键术语是否已定义是否有草图、流程图或结构图所有来自 AI 生成的内容是否经过发明人逐条确认6. 最佳实践与落地建议6.1 从个人技能到团队规范的扩展路径如果是单个研发人员使用这套流程重点是建立自己的素材库和提示词库。每写一份交底书就把用过的提示词、踩过的坑、代理人的修改意见存成一份复盘笔记。这些资料积累到一定程度后就能沉淀为个人的专利撰写知识库。如果是团队层面推广需要考虑的事情更多一些。第一统一交底书模板避免不同专利各自一套格式。第二建立论文和专利素材的共享目录减少重复整理。第三把提示词模板纳入团队知识库例如放到内部 Wiki 或代码仓库中配置变更时走统一的 review 流程。第四对 AI 生成的初稿建立“至少两名研发人员交叉审核”的机制降低技术内容写错的风险。6.2 安全与合规边界专利撰写过程中的 AI 使用需要特别注意信息保密。研发中的技术方案往往属于公司机密放入外部 AI 服务前需要确认公司的数据合规政策。更稳妥的做法是使用私有化部署的模型服务或者在内部网络中完成提示词调用。同时不要把 AI 生成的内容当作覆盖专利法律风险的保障。发明人和代理人必须在法律合规上承担最终责任。AI 只是把材料从无序变成有序不能替代专业判断更不能把不存在的数据“生成”进公开文件。6.3 扩展方向往“半自动交底书流水线”演进当前这套流程已经能在自动化层面完成“素材抽取、初稿生成、格式套用”但要做到更贴近实际业务还可以进一步扩展第一把交底书模板从静态 Markdown 改成可配置的 JSON Schema与内部研发项目管理平台对接从 Jira 或需求文档中直接拉取项目背景、迭代记录和实验数据自动填充背景技术和技术效果部分。第二增加多轮对话的交互式引导AI 不再是“一次性生成”而是先向发明人提问“你的方案和现有技术相比核心差异是什么”再根据回答生成初稿。第三加入审核留痕能力记录人工对 AI 初稿的每次修改用于评估哪类内容常见被改进而优化提示词模板。这套思路的本质是把专利交底书撰写从一个纯脑力劳动拆解成一个标准化流程。它不是让写专利变成一个自动填充的工程而是把发明人从信息整理和格式排版中解放出来让他们把时间投入到 AI 无法替代的部分准确描述技术到底做了什么以及为什么这个做法值得获得法律保护。对于第一次尝试用 AI 辅助写交底书的研发人员建议先不急着搭完整脚本只需要做两件事把交底书模板固定下来用一套自己的论文素材测试一次“从论文到初稿”的完整流程。跑通一次后再看哪些环节最耗时针对性地优化提示词或脚本就够了。
专利交底书是从“我有一个 idea”到“专利代理人能理解并动笔”之间的关键桥梁。很多研发人员写论文、跑实验、调模型都很顺利但一到写专利交底书就卡住不知道背景技术写到什么程度不知道发明内容怎么分层手头明明有完整的实验数据和对比结果却因为表达太口语化或者缺少结构化归纳变成一份让代理人反复追问的草稿。本文讨论的并不是什么“神秘专利生成器”而是把论文 idea 转化为发明专利交底书的一套可复用方法结构化模板、提示词工程、素材清单和人工校验流程。这套方法的目标不是绕过撰写而是把重复劳动压缩到最低让发明人把精力集中在真正需要专业判断的技术方案描述上。专利交底书不是专利申请书它不需要满足《专利法》第 26 条那种严格的法言法语格式。它的读者是专利代理人核心任务是让代理人在最短时间内理解你的技术解决什么问题、和现有技术有什么不同、关键实现手段是什么、有没有实验数据支撑。因此交底书的质量直接决定后续申请文件的质量。如果交底书把发明点写散、写模糊、写漏代理人只能反复沟通甚至有可能在沟通中丢失关键技术细节。反过来如果发明人有一套固定、可复用的撰写框架配合 AI 辅助工具做内容整理、术语规范和结构扩展一份交底书的初稿时间可以从两三天压缩到半天甚至几小时剩下的时间用来做技术准确性和法律合规性的人工核对。1. 先理解专利交底书为什么难写它要求的不是“写”而是“结构化表达”1.1 交底书要回答的问题和论文完全不同论文和交底书虽然共享同一份技术素材但两者的叙事逻辑差异很大。论文的逻辑是“我提出了什么方法实验证明它有效”读者是同行评审关注创新性、严谨性和可复现性。交底书的逻辑是“我解决了什么技术问题用什么技术手段为什么这个手段和以前不一样”读者是专利代理人关注的是技术特征的层次、保护范围和可替换方案。一份合格的专利交底书至少要清楚回答以下问题问题交底书中的位置如果没写清楚的后果现有技术是什么背景技术代理人无法判断发明点在哪里现有技术有什么缺陷背景技术发明目的不成立权利要求难以布局本方案用什么手段解决缺陷发明内容核心发明点抓不住申请范围过窄或过宽这个手段的关键特征是什么发明内容代理人无法提炼技术特征有没有具体实现方式和数据具体实施方式支持不足后期答复审查意见时没有依据有没有替代方案、变体具体实施方式保护范围被锁死在单一实现上技术效果是什么为什么有效发明内容/实施方式创造性论证缺乏支撑很多发明人写交底书困难不是因为不知道自己的技术方案而是没有把论文里的“方法”“实验”“结果”重新翻译成交底书需要的“技术问题”“技术特征”“技术效果”。一旦带着这个翻译意识去写难度会下降一大截。1.2 专利交底书的常见结构模板不同代理机构对交底书的格式要求略有差异但核心章节基本一致。下面给出一个通用 Markdown 模板这个模板可以直接作为团队内部的知识库模板使用# 专利交底书发明名称 ## 一、技术领域 本发明涉及领域名称具体涉及细分方向。 ## 二、背景技术 2.1 现有实现方式 2.2 现有实现方式的缺点 ## 三、发明内容 3.1 要解决的技术问题 3.2 技术方案核心发明点 3.3 技术效果 ## 四、具体实施方式 4.1 实施方式一 4.2 实施方式二可选 4.3 替代方案/变体 ## 五、附图说明 图1整体流程图 图2模块结构图 图3对比效果图 ## 六、关键术语表 | 术语 | 本文含义 | 备注 | | --- | --- | --- | ## 七、发明人信息 发明人姓名 研发项目名称 联系方式这个模板看似简单但它把最容易遗漏的内容都固定了下来。背景技术里的“2.1 现有实现方式”和“2.2 缺陷”是很多发明人容易混在一起写的部分分开写能逼着自己把“现有方案”和“现有方案的问题”用两段独立文字说清楚。发明内容里的“要解决的技术问题”和“技术方案”也要严格分开否则代理人很难提取权利要求。1.3 为什么 AI 辅助撰写在专利场景有实用价值AI 辅助撰写专利交底书的定位是“素材整理器”和“初稿生成器”而不是“最终决策者”。论文中的技术内容往往分散在摘要、引言、方法、实验、结论和附录中把这些内容按交底书结构重新组织是一个典型的高重复度、低创造性的信息整理任务。AI 在这一步可以做三件事第一把论文段落按交底书章节重新归类减少手工复制粘贴。第二把口语化描述改写为技术文档表达比如“我们的模型比原来快了挺多”改写为“相对于现有方法本方案的推理时间降低了约 30%”。第三根据发明人给出的技术要点扩展出替代方案和实施方式的写作建议帮助发明人发现自己没写在论文里、但可能在实验中已经尝试过的变体方案。这里要反复强调AI 生成的内容不能直接作为交底书提交。专利文件涉及法律权利边界技术特征的准确性和支持充分性必须由发明人和代理人共同确认。AI 的作用是帮助发明人更快地完成初稿而不是替代发明人的技术判断。2. 搭建自动辅助撰写流程核心是提示词模板和素材结构化2.1 环境准备工具链和依赖搭建这套流程不需要复杂环境核心工具包括一个支持自定义提示词的 AI 对话工具或 API一个支持 Markdown 的编辑器以及一个用于管理素材的目录结构。如果使用 Python 调用大模型 API 做批量处理通常需要准备以下依赖pip install openai这里以 OpenAI 兼容接口为例但实际使用时请根据自己公司或团队选择的模型服务商确认接口地址和模型名称。一个最小示例配置如下from openai import OpenAI client OpenAI( api_keyyour-api-key, # 生产环境不要硬编码建议读取环境变量 base_urlhttps://your-api-endpoint/v1 # 根据实际服务商修改 )注意api_key不要写进代码仓库。生产环境建议使用环境变量或密钥管理服务。如果没有编程需求也可以直接使用 AI 对话工具的 Web 界面通过粘贴模板和论文片段的方式完成辅助撰写。两种方式各有适用场景Web 界面适合个人临时使用接口方式适合团队集成到内部知识库或项目管理平台。2.2 项目目录结构设计素材管理和模板管理是这套流程的关键。建议按以下目录结构组织patent_assistant/ ├── templates/ │ ├── patent_disclosure_template.md # 交底书模板 │ ├── prompt_extract_idea.md # 提示词从论文抽取技术要点 │ └── prompt_generate_disclosure.md # 提示词生成交底书初稿 ├── papers/ │ ├── paper_001.md │ └── paper_002.md ├── disclosures/ │ ├── disclosure_001.md │ └── disclosure_002.md ├── references/ │ └── patent_drafting_guide.md └── scripts/ └── build_disclosure.py其中templates目录存放固定模板papers目录存放论文的 Markdown 版本disclosures目录存放生成的交底书初稿references目录存放与专利撰写相关的规范资料scripts目录存放拼装脚本。这个结构对个人用户可能显得过度设计但如果是一个 5 人以上的研发团队统一目录结构可以大幅减少来回传文件的时间也让同一个提示词模板能被多人复用。2.3 构建提示词模板从论文抽取技术要点想让 AI 第一次输出就贴近交底书需求提示词必须给出明确的任务边界、输入格式和输出格式。下面是一个从论文中抽取技术要点的提示词模板你是一名专利代理人助理正在协助研发工程师撰写发明专利交底书。 请你从以下论文内容中提取撰写交底书所需的技术要素按照 JSON 格式输出 1. 技术领域论文涉及的技术领域和细分方向。 2. 背景技术论文中描述的现有技术方案及其不足。 3. 技术问题论文要解决的核心技术问题。 4. 技术方案实现该技术问题的主要手段包括关键步骤、模块、算法或结构。 5. 技术效果论文中描述的实验效果、性能指标或对比结果。 6. 可替代方案论文中提到的变体、扩展、未做实验但理论上可行的替代手段。 7. 关键术语论文中出现的术语及其含义。 以下是论文内容 将论文正文粘贴到这里 请以 JSON 格式输出不要输出其他内容。这里的每一个字段都直接对应交底书模板中的章节。输出 JSON 的好处是方便后续脚本程序化处理如果使用 Web 界面也可以让 AI 直接输出 Markdown 表格。生成示例输出{ 技术领域: 自然语言处理、文本摘要生成, 背景技术: 现有文本摘要方法主要基于序列到序列模型在长文本上存在信息丢失和关键句定位不准的问题。, 技术问题: 如何在长文本摘要任务中减少关键信息丢失并提升摘要生成质量。, 技术方案: 提出一种基于分层编码和关键句增强的摘要生成方法包括构建文档结构树对段落和句子进行分层编码设计关键句识别模块计算句子与文档主题的相关性将关键句特征与编码器输出融合输入到生成器中。, 技术效果: 在公开数据集上的 ROUGE 指标提升了约 4.2 个百分点在长文本测试集上的信息覆盖度提升显著。, 可替代方案: 关键句识别模块可以采用无监督的 TextRank 方法代替监督式分类器分层编码可以采用图神经网络代替 Transformer。, 关键术语: { 分层编码: 先对句子编码再对段落聚合的编码方式, ROUGE: 用于评估自动摘要质量的指标衡量生成摘要与参考摘要的 n-gram 重合度 } }这个输出基本把交底书需要的素材都归拢了。不过要特别注意“可替代方案”这部分 AI 可能编造。发明人需要核对论文是否真的提到过这些变体或者自己在实验阶段是否确实尝试过。凭空出现的替代方案写入交底书在法律上风险很大。2.4 构建提示词模板生成交底书初稿抽取完技术要点后下一步是把 JSON 素材扩展成交底书初稿。这个环节的提示词模板如下你是一名专利代理人助理正在协助研发工程师撰写发明专利交底书。 请根据以下从论文中提取的技术要素按照给定的交底书 Markdown 模板生成初稿。 要求 1. 背景技术部分应当描述当前现有技术的一般情况指出其技术缺陷。 2. 发明内容部分应当分层描述技术方案先写总体方案再写关键细节。 3. 具体实施方式部分应当给出至少一个完整实施例描述步骤和数据流转。 4. 不要编造论文中没有的实验数据。如果素材中缺少数据使用“附图数据”“见实验记录”等占位说明。 5. 输出为 Markdown 格式。 技术要素 将上一步生成的 JSON 粘贴到这里 交底书模板 粘贴 1.2 小节中的 Markdown 模板这个提示词的核心是“不要编造数据”这一条。AI 在生成文档时倾向于把不完整的实验数据补齐成“看起来合理”的数值这是专利辅助撰写中最危险的行为之一。如果你使用的 AI 服务不接受这种否定性指令可以把要求改为“只允许使用输入素材中出现的数值和实验结论禁止新增任何未出现的具体数值”。3. 用 Python 把提示词和模板串起来最小可运行示例3.1 一个简单的自动化拼装脚本下面给出一个最小脚本它读取论文 Markdown 文件调用 AI 接口完成“抽取技术要点”和“生成交底书初稿”两个任务并把结果保存到disclosures目录。这个脚本只用来演示流程实际项目需要根据自己的模型服务商、接口规范和错误处理机制调整。import json import os from pathlib import Path from openai import OpenAI # 建议从环境变量读取 client OpenAI( api_keyos.getenv(LLM_API_KEY), base_urlos.getenv(LLM_BASE_URL), ) # 读取提示词模板 def load_prompt(path: Path) - str: return path.read_text(encodingutf-8) # 调用模型 def chat(prompt: str, model: str gpt-4o-mini) - str: resp client.chat.completions.create( modelmodel, messages[ {role: system, content: 你是一名专利代理人助理。}, {role: user, content: prompt}, ], temperature0.3, # 降低随机性 ) return resp.choices[0].message.content.strip() # 从论文 markdown 抽取技术要素 def extract_idea(paper_path: Path, extract_prompt: Path) - dict: paper_text paper_path.read_text(encodingutf-8) prompt extract_prompt.read_text(encodingutf-8).replace( 将论文正文粘贴到这里, paper_text ) resp chat(prompt) # 期望返回 JSON实际使用时要处理解析失败 return json.loads(resp) # 根据 JSON 生成交底书初稿 def generate_disclosure(idea_json: dict, generate_prompt: Path) - str: prompt_template generate_prompt.read_text(encodingutf-8) prompt prompt_template.replace( 将上一步生成的 JSON 粘贴到这里, json.dumps(idea_json, ensure_asciiFalse) ) return chat(prompt) def main(): paper_path Path(papers/paper_001.md) disclosure_template Path(templates/patent_disclosure_template.md) extract_prompt Path(templates/prompt_extract_idea.md) generate_prompt Path(templates/prompt_generate_disclosure.md) # 可以把交底书模板也传给模型 template_text disclosure_template.read_text(encodingutf-8) generate_prompt_text generate_prompt.read_text(encodingutf-8) generate_prompt_text generate_prompt_text.replace( 粘贴 1.2 小节中的 Markdown 模板, template_text ) generate_prompt.write_text(generate_prompt_text, encodingutf-8) idea extract_idea(paper_path, extract_prompt) disclosure generate_disclosure(idea, generate_prompt) out_dir Path(disclosures) out_dir.mkdir(exist_okTrue) out_path out_dir / disclosure_001.md out_path.write_text(disclosure, encodingutf-8) print(fdone: {out_path}) if __name__ __main__: main()这里有几个需要说明的关键点第一temperature0.3是为了降低模型输出随机性。专利交底书初稿不需要创造性发挥保守、稳定、贴近输入素材更重要。第二json.loads(resp)在生产环境必须增加异常处理因为模型可能输出 Json 内容之外的字符也可能输出非法 JSON。第三脚本对generate_prompt模板做了原地替换这在实际项目中不推荐应该改成内存字符串处理避免多次运行导致模板内容被重复替换。3.2 运行前检查清单在使用自动化脚本之前建议逐项检查以下内容检查项检查方式通过标准API 地址和密钥可用运行一个最小 chat 请求能正常返回文本提示词模板存在检查templates目录三个模板文件都在论文文本是 Markdown 格式检查papers目录中的文件内容完整没有乱码输出目录可写手动创建disclosures目录目录存在且可写JSON 解析逻辑用一段测试文本模拟模型返回能正确解析出字段模型支持中文长文本查看服务商说明上下文窗口足够容纳论文和模板3.3 运行与验证如何判断初稿能否进入人工校对模型生成交底书初稿后先不要着急交给代理人。发明人应该按下面的顺序检查发明点是否被准确表达。如果 AI 生成的“技术方案”和论文核心方法不一致说明抽取环节丢失了信息需要补充论文片段或重新生成。技术效果是否有数据支撑。检查所有性能指标、百分比、时间对比是否在原文中出现。任何找不到出处的数字都应该删除或标记为待补充。背景技术是否客观。AI 可能会使用“现有技术效率低”“传统方法精度差”这类过于绝对化的表达在专利交底书中应改写成更客观的描述比如“现有方法在长文本场景下存在信息覆盖不足的问题”。替代方案是否真实。需要发明人本人核对。术语表是否准确。AI 对术语的解释可能不精确特别是领域特有名词需要发明人逐条确认。4. 从初稿到合格交底书人工审核与内容补全方法4.1 核心技术特征的提取方法交底书中的“技术方案”部分不能只描述总体思路还要给出足够的技术特征。所谓技术特征是构成一个技术方案的不可再分的基本单元例如“一种对句子进行编码的模块”“一个用于计算文本相似度的函数”“一种基于注意力机制的特征融合方式”。从论文方法中提取技术特征可以按以下层次拆解层次内容示例顶层总的技术方案一种基于分层编码的摘要生成方法中层主要模块或步骤文档结构树构建模块、关键句识别模块、生成器底层关键实现细节关键句识别模块使用一个二分类器输入是句子向量与文档向量的拼接AI 在生成初稿时通常只能做到中层底层细节需要发明人补充。这也是 AI 辅助撰写和“全自动”之间最本质的差距底层技术细节是发明人的核心智力成果一旦交给 AI 自动补全极有可能出现技术特征与真实实现不一致最后导致申请文件失去真实的技术支持。4.2 数据验证和效果描述不能依赖 AI效果描述是交底书中最不能“自动化”的部分。论文中的实验数据可以直接引用但需要注意表达方式。交底书中的技术效果应当与技术特征建立因果关系写法可以按照“因为采用了 X所以实现了 Y”的逻辑本方案通过分层编码的方式将段落级信息聚合到句子表示中因此即使在输入文本长度超过 2000 词时生成器仍然能够保留关键信息ROUGE-2 指标相比基线方法提升了约 4.2 个百分点。这种写法既有因果关系又有具体数据支撑。AI 很容易写出前半句但后半句的具体数值必须来自论文原文或实验记录。4.3 从交底书到专利申请文件仍需要代理人参与交底书合格之后代理人才开始撰写正式的专利申请文件。代理人需要根据交底书中的技术特征进一步设计权利要求的层次结构考虑独立权利要求的保护范围、从属权利要求的布局、说明书的支持程度以及可能的创造性答辩方向。发明人在这条流程中的职责边界是提供完整准确的技术方案配合代理人确认技术细节核对申请文件是否忠实于交底书。AI 参与的这个阶段不是取代代理人而是让发明人在提交给代理人之前交出去的是一份信息密度足够、结构清晰、不需要反复追问的文档。5. 常见问题与排查链路为什么生成结果总是不理想5.1 AI 生成的低质量结果往往出在素材和提示词问题现象常见原因检查方式处理建议生成的技术方案和论文不一致论文文本太长模型截断了关键方法部分检查输入内容是否被截断确认模型上下文窗口拆分论文章节一次只处理“方法”和“实验”部分再手动合并背景技术写成了论文的“相关工作”提示词没有明确区分“现有技术”和“本文工作”查看生成内容是否出现本文方法的描述提示词中要求“背景技术只描述当前已有方案不要出现本方案内容”技术效果出现原文没有的数据模型自行补全对照论文原文逐一核对数据在提示词中加入硬性约束只允许使用输入素材中的数值人工复查交底书章节缺失模板占位符没有正确替换检查提示词是否把模板完整传给了模型在自动化脚本中增加模板内容完整性校验JSON 解析失败模型输出包含 JSON 之外的文本查看模型原始输出增加格式约束提示或者在代码中提取 JSON 片段5.2 把“生成的初稿”变成“可提交的交底书”需要哪些人工环节AI 生成的初稿只是一份精心整理的素材距离“可提交”还有三个阶段。第一阶段是发明人自查。发明人需要逐节核对技术内容的准确性补充论文中未充分描述但实验中已经完成的替代方案删除不存在的实验数据统一术语表达。第二阶段是代理人初审。代理人对交底书提出的意见通常是独立权利要求的技术特征是否清楚从属权利要求是否有足够的层次技术效果是否有数据支撑背景技术是否完整覆盖最接近的现有技术。第三阶段是发明人与代理人共同确认。在申请文件初稿寄回后发明人需要重点关注权利要求书是否包含自己预期的保护范围、说明书是否公开了所有必要的实施细节、是否出现交底书中没有记载的新技术特征。5.3 如何降低反馈次数代理人对交底书的修改意见往往是交底书质量的直接反馈。降低反馈次数的方法是把“技术特征清晰度”和“数据支撑完整性”作为交底书提交前的硬性检查项。可以建立一份交底书自检清单检查项是否完成背景技术中是否准确描述了最接近的现有技术方案是否明确指出现有技术方案的技术缺陷技术问题是否与缺陷对应技术方案是否至少包含一个完整的实施例关键模块或步骤是否描述到足以让本领域技术人员实现技术效果是否包含具体数据或实验记录位置替代方案或变体是否被记载关键术语是否已定义是否有草图、流程图或结构图所有来自 AI 生成的内容是否经过发明人逐条确认6. 最佳实践与落地建议6.1 从个人技能到团队规范的扩展路径如果是单个研发人员使用这套流程重点是建立自己的素材库和提示词库。每写一份交底书就把用过的提示词、踩过的坑、代理人的修改意见存成一份复盘笔记。这些资料积累到一定程度后就能沉淀为个人的专利撰写知识库。如果是团队层面推广需要考虑的事情更多一些。第一统一交底书模板避免不同专利各自一套格式。第二建立论文和专利素材的共享目录减少重复整理。第三把提示词模板纳入团队知识库例如放到内部 Wiki 或代码仓库中配置变更时走统一的 review 流程。第四对 AI 生成的初稿建立“至少两名研发人员交叉审核”的机制降低技术内容写错的风险。6.2 安全与合规边界专利撰写过程中的 AI 使用需要特别注意信息保密。研发中的技术方案往往属于公司机密放入外部 AI 服务前需要确认公司的数据合规政策。更稳妥的做法是使用私有化部署的模型服务或者在内部网络中完成提示词调用。同时不要把 AI 生成的内容当作覆盖专利法律风险的保障。发明人和代理人必须在法律合规上承担最终责任。AI 只是把材料从无序变成有序不能替代专业判断更不能把不存在的数据“生成”进公开文件。6.3 扩展方向往“半自动交底书流水线”演进当前这套流程已经能在自动化层面完成“素材抽取、初稿生成、格式套用”但要做到更贴近实际业务还可以进一步扩展第一把交底书模板从静态 Markdown 改成可配置的 JSON Schema与内部研发项目管理平台对接从 Jira 或需求文档中直接拉取项目背景、迭代记录和实验数据自动填充背景技术和技术效果部分。第二增加多轮对话的交互式引导AI 不再是“一次性生成”而是先向发明人提问“你的方案和现有技术相比核心差异是什么”再根据回答生成初稿。第三加入审核留痕能力记录人工对 AI 初稿的每次修改用于评估哪类内容常见被改进而优化提示词模板。这套思路的本质是把专利交底书撰写从一个纯脑力劳动拆解成一个标准化流程。它不是让写专利变成一个自动填充的工程而是把发明人从信息整理和格式排版中解放出来让他们把时间投入到 AI 无法替代的部分准确描述技术到底做了什么以及为什么这个做法值得获得法律保护。对于第一次尝试用 AI 辅助写交底书的研发人员建议先不急着搭完整脚本只需要做两件事把交底书模板固定下来用一套自己的论文素材测试一次“从论文到初稿”的完整流程。跑通一次后再看哪些环节最耗时针对性地优化提示词或脚本就够了。
![[光学原理与应用-521]：对光的错误理解与纠偏](http://pic.xiahunao.cn/yaotu/[光学原理与应用-521]：对光的错误理解与纠偏)
