1. 技术交底书不是给AI喂一句话那么简单很多人第一次尝试用AI辅助撰写专利文件时脑子里想的都是我把想法打出来AI帮我扩写成专利。实际操作一遍就会发现AI产出的内容要么空洞得像产品说明书要么把非必要技术特征写进了独立权利要求导致保护范围被自己限缩。问题的根源不在AI而在于输入的信息质量太差。技术交底书是整个专利撰写流程的起点。它的本质是把发明人脑子里的技术方案转化成专利代理人或AI能理解的结构化文档。你给AI的信息越接近一份合格的技术交底书AI的输出就越接近可用的专利底稿。反过来如果你只丢一句我做了一个基于深度学习的图像识别系统AI只能靠猜猜出来的东西你不敢用。这篇文章要解决的问题很具体在打开AI工具之前你应该准备哪些信息、这些信息为什么重要、每类信息应该细到什么程度。我会按照一份完整技术交底书应该包含的模块逐一拆解每个模块都说明为什么需要和准备到什么颗粒度最后给出一份可以直接对照使用的检查清单。适合阅读这篇文章的人包括第一次写专利的工程师、需要给代理机构交底的技术负责人、想用AI提效但不知道怎么组织输入的研发人员。不需要你有专利法背景但需要你对自己的技术方案有清晰的认知。2. 先搞清楚发明点到底是什么再动手写任何东西2.1 发明点不是项目介绍而是一个可保护的技术方案这是最容易出问题的地方。我见过太多技术交底书前面花了两千字介绍项目背景、团队构成、市场前景到了核心技术方案部分只有三行字。这种交底书交给AIAI也只能把背景部分扩写成一堆废话。发明点的核心是你做了什么技术上的改变这个改变带来了什么技术效果。注意技术两个字——商业模式的创新、管理流程的优化、UI交互的调整这些在发明专利里很难单独构成保护客体。你需要把发明点收敛到一个具体的技术手段上。举个虚构的例子。假设你做了一个智能仓储调度系统不要这样写发明点设计了一套智能仓储调度系统提高了仓储效率。这不是发明点这是项目目标。你应该这样写在仓储调度中采用基于时间窗约束的改进遗传算法对AGV路径进行动态规划通过引入实时拥堵因子修正适应度函数使多AGV冲突率降低。这才是可保护的技术方案。2.2 用三句话测试法验证你的发明点是否清晰在把发明点写进交底书之前先用三句话测试一下自己第一句我解决的是什么技术问题不是提高效率这种笼统表述而是在多AGV协同调度场景下传统遗传算法因适应度函数未考虑实时拥堵导致路径冲突频繁第二句我用了什么技术手段在适应度函数中引入基于实时位置信息的拥堵因子并设计自适应交叉变异概率第三句这个手段带来了什么可验证的技术效果在模拟环境中冲突率从X降到Y路径规划耗时缩短Z%如果你发现第一句说不清楚技术问题说明你还没想明白发明到底解决了什么。如果第二句说不清楚技术手段说明你的方案还停留在想法层面。如果第三句拿不出任何数据说明你还没有验证过方案的有效性。这三句话写出来之后直接就是技术交底书发明内容部分的核心骨架。AI拿到这三句话至少不会跑偏方向。2.3 区分核心发明点和外围改进点一个项目往往不止一个创新点。你需要区分哪些是核心发明点必须写进独立权利要求哪些是外围改进点可以写进从属权利要求。这个区分直接决定了AI生成的权利要求书层次是否合理。核心发明点的判断标准去掉这个特征整个技术方案是否还能成立如果去掉之后方案就不完整了那它就是必要技术特征必须进独立权利要求。外围改进点则是有了更好没有也能跑的特征适合放在从属权利要求里做层层递进的保护。在交底书里我建议用不同标记把这两类点分开。比如用【核心】和【外围】做前缀AI在处理时能更准确地分配权利要求的层级。3. 技术背景要写到让外行看懂问题在哪的程度3.1 背景技术的作用不是凑字数而是划定问题边界专利文件里的背景技术部分很多人以为是走形式随便写两段行业概述就完了。实际上背景技术决定了审查员和公众如何理解你的发明所要解决的问题。写得不好可能导致你的技术问题被理解为现有技术已经解决了。背景技术的正确写法是描述与你的发明最接近的现有技术方案然后指出这个方案在特定场景下存在什么不足。这个不足就是你后面要解决的技术问题。比如你的发明是一种新型散热结构背景技术不应该泛泛地写电子设备散热很重要而应该具体到现有技术中某类电子设备通常采用鳍片式散热器配合风扇进行主动散热但在密闭或高粉尘环境下风扇的可靠性下降且维护成本高。这样你的发明动机就非常清晰了。3.2 给AI提供背景信息时要包含现有方案的具体做法AI在生成背景技术部分时如果只给它一个模糊的领域描述它会生成非常泛化的内容。你需要告诉它现有技术具体是怎么做的、用了什么结构或方法、在什么条件下会出现问题。我通常建议在交底书里用这样的结构来写背景现有方案A描述其核心结构或步骤说明其适用场景现有方案A的局限在什么条件下会出现什么问题最好有定性或定量的描述现有方案B如有同上总结因此需要一种能够解决上述问题的技术方案这个结构直接对应专利文件中背景技术的标准写法AI拿到之后基本可以原样使用只需要做语言润色。3.3 一个常见误区把现有技术的缺点写成了我比别人强背景技术里描述现有技术的不足目的是建立技术问题的客观性不是让你做竞品分析。我见过一些交底书写成竞品A的响应速度慢竞品B的精度低我们的方案全面优于它们——这种写法在专利审查中没有任何意义反而可能引入不必要的对比。正确的做法是只描述与你的技术方案最相关的那个技术问题用客观的技术语言说明现有方案为什么解决不了。不要做产品对比不要提任何具体的商业产品名称。4. 技术方案的颗粒度写到别人照着能做出来才算合格4.1 为什么大概描述会让AI产出不可用的内容这是AI辅助写专利时最核心的痛点。你给AI的信息如果是采用深度学习模型对数据进行处理AI只能生成所述深度学习模型可以为卷积神经网络、循环神经网络或Transformer这种毫无价值的堆砌。因为AI不知道你的具体场景、具体数据形态、具体处理流程它只能把所有可能性都列一遍。专利法要求说明书充分公开使所属技术领域的技术人员能够实现。这个标准反过来要求你的技术交底书必须写到别人照着能做出来的程度。具体来说你需要提供整体流程从输入到输出经过哪些步骤每步做什么关键参数涉及具体数值的地方给出范围或典型值数据结构如果涉及数据变换说明输入输出数据的格式和含义硬件/软件环境如果实现依赖特定环境需要说明4.2 用流程图思维组织技术方案描述在写技术方案之前先在纸上画一个流程图不需要很正式自己能看懂就行。然后按照流程图的每个节点逐一展开描述。每个节点回答三个问题这一步的输入是什么这一步做了什么处理用了什么方法或规则这一步的输出是什么以虚构的基于多传感器融合的定位方法为例步骤S1获取来自惯性测量单元IMU和视觉传感器的原始数据。IMU输出三轴加速度和角速度采样频率100Hz视觉传感器输出RGB图像分辨率1920×1080帧率30fps。步骤S2对IMU数据进行预积分处理得到相邻关键帧之间的位姿变化量。预积分时间窗口为0.1秒。步骤S3对视觉图像提取ORB特征点与上一关键帧进行特征匹配通过PnP算法估计相机位姿。步骤S4构建误差函数将IMU预积分残差和视觉重投影残差加权求和通过非线性优化求解最优位姿。这种颗粒度的描述AI拿到之后可以直接生成说明书中具体实施方式部分的内容而且不会出现所述模型为任意一种机器学习模型这种废话。4.3 参数和范围的写法给出端点典型值理由专利文件中涉及数值范围时不能只写一个范围就完了。审查员会关注这个范围是否有实验数据支持。在技术交底书阶段你至少需要提供范围的上下限范围内的一个或多个典型值选择这个范围的依据可以是实验数据也可以是理论推导比如所述温度范围为200-400摄氏度优选300摄氏度。在该范围内反应速率和产物纯度达到平衡低于200摄氏度时反应不完全高于400摄氏度时副产物增加。这种写法在AI生成权利要求时可以帮助AI正确使用优选、进一步优选等层次表述构建合理的保护范围。5. 附图不是可选项而是技术交底书的必要组成5.1 为什么没有附图AI就写不好具体实施方式专利说明书中的具体实施方式部分本质上是对附图的文字解释。如果你没有提供附图AI在生成具体实施方式时就没有参照物只能凭空编造结构关系或流程细节产出的内容往往逻辑混乱。附图不需要很精美手绘草图拍照或者用简单的绘图工具画都可以。关键是要把技术方案的组成、连接关系、流程顺序表达清楚。对于方法类发明流程图是必须的对于产品类发明结构示意图是必须的。5.2 附图标记的命名规则要提前统一在交底书阶段就要给每个附图标记分配好名称和编号并且全文保持一致。比如1-壳体、2-散热片、3-导热管、4-风扇不要一会儿写外壳一会儿写壳体也不要出现两个不同的部件用同一个编号。这个工作看起来琐碎但如果不做AI在生成说明书时会出现前后指代不一致的问题后期修改非常麻烦。我通常建议在交底书里单独列一个附图标记说明表格把所有标记和名称对应关系列清楚。5.3 附图数量的建议对于大多数机械结构类发明3-5张附图比较合适整体结构图、关键部件细节图、不同视角或不同状态的示意图。对于方法类发明1-2张流程图通常足够。对于电路类发明需要提供电路原理图和关键节点的波形图。不要为了凑数量而放无关的附图每一张附图都应该在说明书中被引用和解释。6. 实施例的准备工作AI最需要你提供的具体场景6.1 实施例和技术方案的区别是什么技术方案是我做了什么实施例是我在什么具体条件下怎么做的结果如何。技术方案描述的是必要技术特征的集合实施例则是把这些特征放到具体应用场景中展示。AI在生成实施例时最需要的是具体的数据和场景细节。如果你只给技术方案不给实施例素材AI生成的实施例往往是技术方案的简单重复缺乏说服力。6.2 准备实施例素材的三要素一个合格的实施例素材应该包含应用场景这个方案用在什么设备上、什么环境下、处理什么对象具体操作按照技术方案的步骤逐步说明实际操作过程结果数据最终产出了什么结果有没有对比数据或性能指标以虚构的一种基于注意力机制的文本分类方法为例实施例素材可以这样写本实施例应用于某类工单自动分类场景。训练数据集包含5万条标注工单文本类别数为12。采用BERT-base作为基础模型在倒数第二层后接入一个多头注意力层注意力头数为8隐藏层维度为768。训练时batch size设为32学习率2e-5训练3个epoch。在测试集上本方法的F1值为0.87相比未加注意力机制的基线模型提升3.2个百分点。这种素材AI拿到之后可以直接生成一个完整的实施例段落而且包含具体参数和效果数据符合专利审查对充分公开的要求。6.3 准备几个实施例比较合适一般来说至少准备一个详细实施例。如果技术方案涉及参数范围最好准备2-3个不同参数下的实施例分别展示不同端点值或典型值下的效果。这样在答复审查意见时有更多的实验数据可以引用。如果方案有多个应用场景也可以针对不同场景各写一个实施例。但要注意实施例不是越多越好每个实施例都应该有明确的目的——要么展示参数范围要么展示应用广度要么展示变体方案。7. 把信息交给AI之前的最后一步自查清单7.1 一份可以直接对照使用的检查表在打开AI工具之前对照下面这张表逐项检查。每一项都确认准备好了再开始否则AI生成的内容你需要花更多时间去修正。检查项合格标准常见问题发明点能用三句话清晰表述技术问题、手段、效果写成了项目介绍或产品功能列表核心/外围区分明确标注了哪些是必要技术特征所有特征混在一起没有层级背景技术描述了最接近的现有方案及其具体不足泛泛的行业概述没有具体技术问题技术方案按流程或结构逐步骤描述含关键参数只有功能描述没有实现细节附图有流程图或结构图标记统一没有附图或附图标记混乱实施例至少一个含具体场景、操作、数据的实施例实施例是技术方案的重复术语一致性全文同一概念用同一术语前后用词不统一7.2 术语一致性为什么重要专利文件对术语一致性的要求非常高。同一个部件在全文只能用一个名称同一个步骤在全文只能用一个表述。如果在交底书阶段就出现了术语不一致AI生成的内容会继承这个问题后期修改时很容易遗漏。我自己的做法是在交底书开头维护一个术语表把关键术语的中文名称、英文缩写如有、首次出现时的定义都列出来。写正文时严格对照术语表使用。这个习惯看起来麻烦但能省掉大量后期修改的时间。7.3 给AI的提示词应该怎么组织当你把上述信息都准备好之后给AI的输入不应该是零散的几段话而应该是一个结构化的文档。我通常按照以下顺序组织发明名称技术领域一句话背景技术现有方案不足发明内容核心发明点三句话测试结果技术方案按步骤或结构详细描述附图说明附图列表标记说明具体实施例至少一个完整实施例术语表这个结构直接对应专利说明书的标准结构AI拿到之后可以按部分生成你也能清楚地知道哪部分信息不足需要补充。7.4 一个实操中的小技巧在把交底书交给AI之前先自己通读一遍问自己一个问题如果我是审查员看到这份交底书能不能理解这个发明在做什么、怎么做的、为什么有效如果答案是否定的说明信息还不够充分先补充再交给AI。另外不要把交底书一次性全部丢给AI让它生成完整专利。更好的做法是分部分生成先生成背景技术和发明内容确认方向正确后再生成技术方案和实施例。这样每一部分的输出你都能及时检查和修正避免一次性生成大量内容后发现问题需要全部返工。我在实际使用中发现把交底书准备到可以直接发给专利代理人的程度AI生成的底稿大约能省掉60%-70%的撰写时间。但如果交底书只准备到自己能看懂的程度AI生成的内容基本需要重写。这个投入产出比非常明显——前期多花两小时整理交底书后期能省两天修改时间。