写专利交底书是很多研发人员和科研工作者都绕不开的“硬活”。论文里明明有一个不错的 idea实验数据也齐全但一旦动手写交底书就很容易卡壳技术方案描述不清楚、权利要求不知道怎么布局、实施例写得像实验记录、背景技术翻来覆去就那么几句话。更麻烦的是企业内部对交底书有固定模板代理机构又要求“技术问题—技术方案—技术效果”逻辑闭环手搓一份合格的交底书往往要两三天。后来我尝试把大模型和提示词工程引入这个流程把论文摘要、技术方案描述、实验结论交给 Claude 这类大模型配合一套专门设计的“专利撰写 Skill”基本上几十分钟就能产出一份结构完整的交底书初稿再花半天时间做技术审核和细节补充效率提升非常明显。这篇文章就围绕“专利撰写 Skill”展开内容涵盖专利交底书的标准结构、AI 写专利的能力边界、Skill 文件的设计与搭建、从论文到交底书的完整提示词实战以及我整理的整套 Skill 合集扩展思路。新手可以跟着一步步搭出自己的专利撰写助手有经验的开发者也可以直接复用其中的提示词模板和校验脚本。1. 专利交底书基础认知1.1 什么是专利交底书专利交底书是发明人向专利代理机构或企业知识产权部门提交的一种技术文档它记录了发明创造的技术领域、背景技术、要解决的技术问题、技术方案和有益效果等信息。交底书本身不是法律文件而是专利申请文件即代理人撰写的说明书、权利要求书等的“原料”。也就是说交底书的质量直接决定了后续专利申请文件的质量。交底书写得越清楚代理师越能准确理解你的发明点写出来的权利要求保护范围才更合理审查阶段答复也更有底气。反过来如果交底书内容残缺、技术方案含混代理师就只能反复找你沟通申请周期拉长甚至可能因为公开不充分导致专利被驳回。1.2 交底书的核心价值一份合格的交底书价值主要体现在三方面。第一它是技术公开的依据。专利制度的核心是“以公开换保护”交底书要把技术方案完整、清楚地公开出来这是获得授权的前提。第二它是代理人撰写申请文件的素材库。代理人需要从交底书中提取技术特征、整理从属权利要求、设计实施例交底书如果缺少这些素材代理人很难凭空发挥。第三它是审查意见答复时的技术支撑。专利申请进入实质审查阶段后审查员会下发审查意见这时候需要从交底书中找到技术支持点论证本申请具备新颖性和创造性。1.3 交底书的标准模块不同企业、不同代理机构的交底书模板会有差异但核心模块大致相同。我把常见模块整理如下模块主要内容常见问题技术领域本发明涉及哪个技术方向写得过于宽泛例如“涉及计算机领域”背景技术现有技术的方案和缺陷只罗列现状不分析痛点发明目的要解决什么技术问题与技术问题脱节问题描述不具体技术方案实现发明的完整技术手段步骤缺失、关键参数不明确有益效果相比现有技术有什么提升只写优点没有数据支撑具体实施方式至少一个可实现的实施例写得像论文实验记录附图说明结构图、流程图、时序图等附图与文字不对应替代方案其他可替换的实现方式经常被忽略导致保护范围过窄1.4 为什么交底书难写我自己在写交底书和指导团队写交底书的过程中总结了四个常见的“难写点”。第一个难点是语言转化。研发人员习惯用论文语言和技术黑话描述方案比如“我们用了注意力机制”“我们提出了一种端到端框架”但专利文本要求的是“技术特征 连接关系 执行步骤”这种结构化描述。同一件事两种表述差距很大。第二个难点是缺乏布局视角。交底书不仅是“把方案说清楚”还要考虑保护范围哪些特征是核心创新点哪些特征是可选方案哪些替代实现也要写进去。没有这个视角写出来的交底书往往保护范围过窄。第三个难点是实施例不充分。专利法要求“所属技术领域的技术人员能够实现”这意味着交底书至少要给一个完整、可实施的实施例包括具体参数、流程、数据结构等。很多发明人只给思路不给细节代理人根本没法写。第四个难点是技术问题与技术效果脱节。交底书的逻辑链是“现有技术存在什么问题—本发明怎么解决—解决后带来什么效果”如果问题写得模糊、效果写得空泛这条链就断了审查阶段容易被认为不具备创造性。2. AI 撰写专利的能力边界2.1 大模型能胜任什么在正式用大模型辅助写专利之前我们得先搞清楚它能做什么、不能做什么。这几年大模型发展很快Claude、GPT 系列都有很强的长文本理解、结构化输出和逻辑推理能力在专利写作辅助上它至少能胜任以下几类工作。第一从论文摘要和正文中抽取技术要素。你可以把论文摘要粘贴给模型让它提取“技术领域、背景技术、要解决的技术问题、技术方案步骤、技术效果”这一步准确率相当高。第二术语标准化和表达改写。大模型擅长把口语化的技术描述改写成专利风格的书面表达比如把“我们的模型又快又准”改写成“相较于现有技术本方案在保持较高准确率的同时显著降低了推理时延”。第三生成交底书框架和初稿。给定技术方案描述后模型可以自动生成一份包含技术领域、背景技术、发明内容、具体实施方式、有益效果等模块的交底书初稿。第四生成权利要求书初稿。虽然权利要求书的撰写有严格的法律要求但大模型可以基于技术方案生成独立权利要求和从属权利要求的草稿供代理人修改。第五模拟审查员提问。你可以让模型扮演专利审查员对权利要求的技术特征逐条质疑提前发现公开不充分、不清楚、缺乏创造性等问题。2.2 大模型不能替代什么大模型虽然强但它不能替代的东西同样重要。首先技术方案的真实性和可实施性必须由发明人负责。模型生成的内容可能逻辑通顺但技术上行不通甚至包含虚构参数。发明人必须逐条审核技术方案是否真实、可实现。其次实验数据不能由模型编造。专利中有益效果如果需要实验数据支撑这些数据必须真实来自实验不能为了让效果“好看”而让模型补数据——这是严重的诚信问题。第三现有技术检索不能被替代。模型的训练数据有截止时间而且它不会真的去数据库里检索对比文件。新颖性和创造性的判断需要依靠专业的专利检索工具和数据库。第四法律文本的最终审核必须由专利代理师完成。权利要求书的保护范围、专利法条文的适用都需要专业法律判断不能直接拿模型输出提交申请。2.3 发明人资格与合规底线这里要特别强调一个合规问题AI 模型不能作为发明人。中国专利法规定发明人应当是“对发明创造的实质性特点作出创造性贡献的人”。大模型生成的方案本质上是基于已有数据和提示词指令的产物它不能也不应当被列为发明人。目前国内外专利审查实践对 AI 生成内容的发明人资格都有严格要求在实际申请时发明人必须是真实参与研发的自然人。所以正确的用法是大模型作为“写作加速器”和“思路整理器”发明人的角色由你和你团队的研发人员承担申请文件的最终内容也必须经过人工审核确认。3. 认识 Claude Skill 与提示词工程3.1 什么是 SkillSkill 是 Claude 应用中的一种“技能包”机制。简单来说一个 Skill 就是一个包含指令文件SKILL.md和相关资源脚本、模板、资料的目录。把 Skill 安装到 Claude 后用户在对话中触发对应技能Claude 就会按照 SKILL.md 中预先定义的规则、流程和输出格式来工作。这种机制对“专利撰写”这种流程固定、要求明确的任务特别合适。你不用每次对话都重新写一遍提示词而是把专利撰写的完整方法论固化到 Skill 文件中让 Claude 每次都能稳定输出符合要求的交底书。3.2 Skill 文件结构一个典型的 Skill 目录结构如下patent_drafter/ ├── SKILL.md ├── assets/ │ ├── 交底书模板.md │ ├── 权利要求书模板.md │ └── 检索报告模板.md └── scripts/ ├── check_draft.py └── extract_idea.pySKILL.md技能的核心配置文件定义触发词、执行流程、输出格式、注意事项。assets存放模板、参考文档等静态资源。scripts存放辅助脚本比如交底书完整性校验脚本、Markdown 格式检查脚本。3.3 专利撰写 Skill 的设计思路在设计专利撰写 Skill 时我的思路是“流程拆解 模板驱动 可验证”。流程拆解是把专利交底书的写作过程拆成多个阶段理解技术方案、检索现有技术、撰写交底书、布局权利要求、模拟审查。每个阶段对应 Skill 中的一组指令。模板驱动是把交底书拆成固定模块每个模块有明确的写作要求。Claude 输出时按模板填充避免遗漏关键内容。可验证是通过辅助脚本对生成结果做完整性检查比如检查交底书是否包含“技术领域、背景技术、发明内容、具体实施方式”四大模块检查附图说明是否有对应描述检查是否有未定义的技术术语等。4. 搭建“专利交底书撰写 Skill”全流程4.1 创建 Skill 目录结构先在本地创建一个 Skill 项目目录建议使用如下结构mkdir -p patent_drafter/assets mkdir -p patent_drafter/scripts cd patent_drafter touch SKILL.md如果你的 Claude 应用支持自定义 Skill 目录直接把patent_drafter整个目录放入 Skill 加载目录即可。具体路径不同平台有差异建议先查阅你所用工具的自定义技能文档。4.2 编写 SKILL.mdSKILL.md 是整个 Skill 的灵魂。它相当于一份“给模型的详细说明书”告诉模型什么时候触发这个技能、按什么步骤执行、输出什么结构的内容。下面是一份可直接参考的 SKILL.md 模板路径patent_drafter/SKILL.md--- name: patent_drafter description: 根据用户提供的技术方案、论文摘要或实验数据自动生成专利交底书初稿并可进行权利要求书撰写、审查意见模拟问答。 trigger: 当用户提到“写专利”“专利交底书”“权利要求书”“专利撰写”等关键词时自动启动本技能。 --- # 专利交底书撰写助手 ## 功能概述 - 输入用户提供技术方案描述、论文摘要、算法流程图、实验数据等。 - 输出结构完整、可直接提供给专利代理机构参考的专利交底书初稿。 ## 执行流程 ### 第 1 步信息收集与确认 - 向用户询问技术方案所属的技术领域。 - 询问现有技术及其存在的问题。 - 询问本发明的核心技术改进点。 - 确认是否有实验数据、效果对比数据。 ### 第 2 步任务拆解 将专利交底书拆解为以下模块 1. 技术领域 2. 背景技术 3. 发明内容 4. 技术方案 5. 有益效果 6. 具体实施方式 7. 替代方案 ### 第 3 步生成交底书初稿 严格按照 assets/交底书模板.md 中的结构生成内容。 要求 - 技术方案描述必须步骤清晰、逻辑完整。 - 对关键技术术语必须给出定义。 - 有益效果优先引用真实实验数据没有数据时使用定性描述并标注“待补充实验数据”。 - 不得编造实验数据或技术效果数据。 ### 第 4 步生成权利要求书初稿 基于交底书的技术方案生成独立权利要求和从属权利要求。 权利要求书写要求 - 独立权利要求必须包含解决技术问题的必要技术特征。 - 从属权利要求至少写出 3 条对独立权利要求的特征作进一步限定。 - 使用“其特征在于”句式。 - 技术特征编号统一。 ### 第 5 步审查模拟与质量检查 - 模拟专利审查员对权利要求书提出质疑。 - 检查交底书是否存在公开不充分、权利要求不清楚、缺少必要技术特征等问题。 - 输出问题清单和修改建议。 ## 输出格式 使用 Markdown 输出按交底书模板分章节展示。 ## 安全与合规 - AI 仅作为辅助工具不得列为发明人。 - 不得编造实验数据。 - 生成内容仅供技术交底和申请参考最终申请文件需由专利代理师审核。这份 SKILL.md 的价值在于它把“写专利”这个宽泛任务拆成了可执行的步骤并限定了输出格式和合规底线。即使你完全不用 Claude 的 Skill 机制单纯把这段指令作为提示词模板也有很好的效果。4.3 编写交底书模板资产为了让 模型 输出时保持一致我建议把交底书模板单独放在assets/交底书模板.md中。# 专利交底书 ## 一、技术领域 说明本发明涉及的技术领域。 ## 二、背景技术 描述现有技术的实现方案。 分析现有技术存在的缺陷。 ## 三、发明内容 ### 3.1 要解决的技术问题 [基于背景技术中的缺陷明确本发明的技术问题] ### 3.2 技术方案 [给出解决技术问题的完整技术方案分步骤描述] ### 3.3 有益效果 [描述相对于现有技术的改进效果尽量量化] ## 四、具体实施方式 ### 4.1 实施例 1 [描述第一个实施例包括具体参数、步骤、数据结构] ### 4.2 实施例 2 [描述变体实现] ## 五、替代方案 [列出其他可替换实现方式] ## 六、附图说明 [列出需要的附图并描述每张附图的含义]在实际使用中模板可以根据你所在公司的要求进行调整。关键是把公司模板的“字段”转化成模型的“输出指令”模型才不会漏项。4.4 编写交底书完整性校验脚本为了让生成结果更可靠可以编写一个简单的 Python 脚本来校验交底书 Markdown 内容是否包含所有必要模块。#!/usr/bin/env python3 # 文件路径patent_drafter/scripts/check_draft.py 检查专利交底书 Markdown 文件的模块完整性。 用法python check_draft.py draft.md import re import sys REQUIRED_SECTIONS [ 技术领域, 背景技术, 发明内容, 技术方案, 有益效果, 具体实施方式, 附图说明, ] def check_draft(file_path: str) - int: with open(file_path, r, encodingutf-8) as f: content f.read() missing [] for section in REQUIRED_SECTIONS: # 检查是否出现该标题关键词 if not re.search(section, content): missing.append(section) if missing: print(f[FAIL] 缺少以下必要模块: {, .join(missing)}) return 1 # 额外检查是否存在明显的数据占位符 placeholders re.findall(r待补充|待完善|TODO|xxx|XX, content) if placeholders: print(f[WARN] 存在待补充标记 {len(placeholders)} 处请人工确认。) print([PASS] 交底书必要模块完整。) return 0 if __name__ __main__: if len(sys.argv) ! 2: print(用法: python check_draft.py draft.md) sys.exit(1) sys.exit(check_draft(sys.argv[1]))这个脚本的核心思路很简单用正则表达式检查交底书是否包含必要模块标题同时提示是否存在“待补充”标记。你可以在每次让模型生成交底书后把输出保存为 Markdown 文件并运行这个脚本。python scripts/check_draft.py draft.md5. 实战把论文 idea 转化为专利交底书5.1 准备输入材料现在进入核心实操环节。假设你手中有一篇论文现在想把它改写成专利交底书。你需要准备以下材料论文摘要。论文引言中关于现有技术缺陷的描述。论文方法部分的步骤描述。实验部分的关键数据和效果对比。如果有流程图或架构图最好附上文字描述。下面用一个示例来演示。假设你的手头有下面这个简化版摘要【示例输入】 题目基于动态路由的联邦学习客户端选择方法 摘要针对联邦学习在非独立同分布Non-IID数据场景下客户端选择效率低、模型收敛慢的问题本文提出一种基于动态路由的客户端选择方法。方法包括以下步骤服务器根据客户端数据分布特征构建路由表训练过程中根据客户端本地损失下降梯度动态更新路由表选择路由得分 Top-K 的客户端参与本轮聚合。在 CIFAR-10 数据集上的实验表明与随机选择方法相比本方法在 Non-IID 场景下将模型收敛轮数减少了 28%最终测试准确率提升了 3.1 个百分点。注意这只是一个示例你可以用任何一篇自己的论文替换。5.2 从论文摘要中抽取技术要素把摘要粘贴给 Claude并配合 Skill 的触发指令。例如使用专利撰写 Skill。 以下是我论文的摘要和技术背景请执行以下任务 1. 提取技术领域、背景技术、要解决的技术问题。 2. 列出本发明的核心技术方案步骤。 3. 提取实验数据中指出的有益效果。 论文摘要 【粘贴摘要内容】模型 的输出大致会是【输出示例】 技术领域本发明涉及联邦学习技术领域具体涉及一种基于动态路由的联邦学习客户端选择方法。 背景技术联邦学习是一种分布式机器学习框架它允许多个客户端在不共享原始数据的前提下协同训练模型。然而在实际场景中不同客户端的数据分布往往呈非独立同分布Non-IID直接采用随机客户端选择策略会导致模型收敛缓慢、通信开销大、模型精度下降。 要解决的技术问题如何在 Non-IID 场景下提高客户端选择效率加快模型收敛速度。 核心技术方案步骤 1. 服务器端根据客户端上传的数据分布特征构建初始路由表。 2. 在联邦训练过程中服务器根据客户端本地训练的损失下降梯度动态更新路由表。 3. 根据路由表计算客户端路由得分选择得分最高的 Top-K 个客户端参与本轮聚合。 有益效果在 CIFAR-10 的 Non-IID 场景下本方案相比随机客户端选择方法模型收敛轮数减少约 28%最终测试准确率提升约 3.1 个百分点。这一步的目的是把论文中的“技术叙述”转化成“专利要素”相当于做了一次信息结构化。你能很直观地看到模型从摘要中提取出的“技术问题—技术方案—技术效果”已经和交底书的逻辑框架对应上了。5.3 生成交底书初稿接下来让 Claude 基于提取出的技术要素生成完整交底书。基于上述提取的技术要素按照专利交底书模板生成一份完整的交底书初稿。 要求 - 背景技术要描述现有技术的具体实现和缺陷。 - 技术方案要分步骤描述并补充必要的模块构成和连接关系。 - 具体实施方式至少写一个实施例给出可操作的实现细节。 - 标注所有需要补充实验数据的位置。生成的交底书示例节选# 专利交底书 ## 一、技术领域 本发明涉及机器学习与分布式计算技术领域尤其涉及一种基于动态路由的联邦学习客户端选择方法。 ## 二、背景技术 联邦学习作为一种隐私保护的分布式训练范式已经被广泛应用于医疗、金融等数据敏感场景。在联邦学习的每一轮训练中服务器需要从大量客户端中选择一部分客户端参与本轮模型聚合。 现有技术中常见的客户端选择策略包括随机选择和基于数据量的加权选择。随机选择策略实现简单但在客户端数据分布不均匀时容易选到数据质量较差的客户端导致模型收敛缓慢、通信资源浪费。基于数据量的加权选择虽然考虑到了数据规模差异但忽略了数据分布质量尤其在 Non-IID 场景下效果不佳。 因此如何在联邦学习训练过程中动态评估客户端质量选择对模型收敛贡献更大的客户端是一个亟待解决的技术问题。 ## 三、发明内容 ### 3.1 要解决的技术问题 本发明的目的是提供一种基于动态路由的联邦学习客户端选择方法以解决现有技术中在 Non-IID 数据分布场景下客户端选择效率低、模型收敛慢的问题。 ### 3.2 技术方案 为实现上述目的本发明提供如下技术方案 一种基于动态路由的联邦学习客户端选择方法包括以下步骤 S1服务器接收多个客户端上传的数据分布特征信息构建初始路由表。 S2在联邦训练过程中客户端完成本地训练后向服务器上传本地损失下降梯度。 S3服务器根据所述本地损失下降梯度动态更新所述路由表中各客户端的路由得分。 S4服务器按路由得分从高到低选择 Top-K 个客户端作为本轮聚合参与者并将全局模型下发至选中的客户端。 ...后续内容省略可以看到模型已经能将摘要中的方法步骤转化成专利风格的分步骤描述并且自动补充了背景技术的对比分析。这个初稿虽然距离可以直接提交还有差距但已经省去了大量“从零开始写框架”的时间。5.4 生成权利要求书初稿交底书初稿生成后让 Claude 基于“发明内容”撰写权利要求书。请基于上述交底书的发明内容生成权利要求书初稿。 要求 - 权利要求 1 为独立权利要求包含解决技术问题的必要技术特征。 - 从属权利要求至少写 5 条对步骤细节、路由表更新规则、Top-K 选择策略等分别进行限定。 - 使用“其特征在于”句式技术特征用 S1、S2 等编号。模型生成的权利要求书示例权利要求书 1. 一种基于动态路由的联邦学习客户端选择方法其特征在于包括以下步骤 S1服务器接收多个客户端上传的数据分布特征信息根据所述数据分布特征信息构建初始路由表 S2在联邦训练过程中客户端完成本地训练后向服务器上传本地损失下降梯度 S3服务器根据所述本地损失下降梯度动态更新所述路由表中各客户端的路由得分 S4服务器按路由得分从高到低选择 Top-K 个客户端作为本轮聚合参与者并将全局模型下发至选中的客户端。 2. 根据权利要求 1 所述的方法其特征在于步骤 S1 中所述数据分布特征信息包括客户端本地数据样本的类别分布比例和样本数量。 3. 根据权利要求 1 所述的方法其特征在于步骤 S3 中所述路由得分的更新规则为 路由得分 上一轮路由得分 × 衰减系数 当前轮本地损失下降梯度 × 权重系数。 ...权利要求书是专利文件中最专业的部分。模型生成的初稿可以作为参考但最终的权利要求布局和保护范围设计仍然建议由专利代理师把关。尤其要注意权利要求 1 不能包含非必要技术特征否则会缩小保护范围从属权利要求要有梯度地增加限定形成“退守”空间。5.5 多轮对话优化与模拟审查交底书初稿和权利要求书生成后可以继续用对话方式优化。我常用的几个提示词如下现在请你扮演一名专利审查员对本发明的权利要求 1 提出质询重点检查是否清楚、是否得到说明书支持、是否具备创造性。请找出交底书中「公开不充分」的地方例如关键步骤缺少参数、实现细节不足、术语未定义并逐条给出补充建议。请把权利要求 1 中的技术特征拆解列表指出哪些是必要技术特征哪些是可选特征并给出修改建议。这些“模拟审查”式提问能提前发现很多撰写阶段的问题。有一次我在实践中让模型模拟审查员它指出了“路由得分更新规则缺少具体计算公式”“Top-K 的 K 值范围未定义”等问题这些恰恰是真实审查中容易被指出的缺陷。5.6 人工校验清单模型输出后人工校验是绝对不能跳过的步骤。我给自己定的校验清单如下技术方案描述是否与实际实现一致是否包含至少一个完整可实施的实施例所有参数、公式、数据结构是否有误实验数据是否真实可查权利要求 1 是否包含非必要技术特征从属权利要求是否符合逻辑梯度附图描述与文字内容是否对应是否涉及需要脱敏的敏感信息这份清单可以写入 SKILL.md 的“输出格式”或“校验规则”中让模型在生成结果后主动提示使用者完成。6. 全套 Skill 合集扩展单一的交底书 Skill 解决的是“从 idea 到交底书”的问题但专利工作远不止这一步。在实际项目中我建议把以下 Skill 组合起来形成一个完整的“专利生产工具箱”。6.1 专利查新辅助 Skill用途帮助使用者梳理关键词、构建检索式。输入技术方案描述。输出布尔检索式、IPC 分类号建议、重点对比文献筛选思路。注意检索必须在专业数据库中执行模型只负责检索策略设计。6.2 权利要求书布局 Skill用途生成多层级权利要求书初稿分析保护范围宽度。输入交底书技术方案。输出独立权利要求、从属权要、说明书支持部分。注意最终保护范围设计需要代理师判断。6.3 审查意见答复 Skill用途辅助分析审查意见通知书整理答复思路。输入审查意见正文 当前权利要求书。输出技术特征对比表、修改建议、答复理由提纲。注意答复内容涉及法律策略必须由专业人士确认。6.4 技术方案拆分 Skill用途把一个大型系统拆解成多个可单独申请的创新点。输入系统总体设计方案。输出多个可申请的候选创新点清单及其技术问题、技术方案。适用场景一个项目有多个创新点需要规划专利布局。6.5 专利交底英文翻译 Skill用途把中文交底书翻译成英文 PCT 申请参考文本。输入中文交底书 Markdown 文件。输出英文交底书初稿保留术语一致性。注意涉外专利翻译要求很高需专业翻译或代理机构审核。这些 Skill 之间可以串联使用。比如先用“技术方案拆分 Skill”把系统拆成多个创新点再逐个用“专利交底书撰写 Skill”生成交底书最后用“权利要求书布局 Skill”完善权利要求。熟练之后整个流程可以做到流水线作业。7. 常见问题与排查思路在多次使用模型写专利的过程中我整理了一些高频问题下表供参考问题现象常见原因解决思路预防方法生成内容过于泛化缺少技术细节输入材料太少模型只能基于常识发挥补充论文方法部分、流程图描述、参数细节在 Prompt 中要求“必须基于用户提供的材料不得自行补充未提供的参数”权利要求缺少层次全是并列特征没有明确要求从属权利要求梯度添加“从属权要至少 5 条每条限定一个具体技术特征”的指令在 SKILL.md 中固化权利要求撰写规则技术术语前后不一致长文本生成时术语漂移要求模型在输出前先列出术语表并统一定义在 Prompt 中加入“全文字术术语必须保持一致”有益效果写得像广告模型没有真实实验数据时容易泛泛而谈限定“没有数据时使用定性描述并标注待补充”在 SKILL.md 中写入数据合规底线模型生成的步骤在实际中不可行模型基于语义生成不保证技术上可实现发明人逐条审核核心算法步骤建立人工校验清单嵌入工作流输出模块顺序混乱未指定输出模板提供结构化的交底书模板在 SKILL.md 中引用 assets 模板文件模型拒绝执行或输出不稳定提示词触发词不明确检查 trigger 关键词是否覆盖“写专利”“交底书”等尽量使用直接明确的触发词如果遇到模型输出结果不稳定最直接的办法是把 SKILL.md 中的步骤细化把每一步的输入、处理、输出都写清楚。模型对“流程明确”的任务输出稳定性会明显提升。8. 最佳实践与工程建议8.1 输入材料的脱敏专利在申请前通常处于保密状态尤其是企业内部的研发成果。使用大模型时务必对输入材料进行脱敏处理具体包括删除公司名称、产品名称、客户信息。用“本实施例”“某服务器”“第一客户端”等中性词替代真实业务名称。如果单位有明确的数据安全规定先在本地使用私有化部署模型或合规的商用模型。8.2 人工复核是底线我始终坚持一个原则AI 输出只能是“初稿”不能是“终稿”。人工复核时重点关注技术方案是否真实、权利要求范围是否合理、实验数据是否真实、所有法律表述是否规范。如果是重要专利一定要由专利代理师做最终把关。8.3 建立模板资产库不同企业、不同国家的专利格式要求不同。建议把 SKILL.md 中引用的模板抽象成资产文件放在assets目录下统一管理。团队协作时可以维护一套公司级模板库避免每个人各写一套。8.4 版本管理与留痕专利撰写过程中会产生大量中间版本建议使用 Git 管理交底书和权利要求书文档。这样既能追溯修改历史也能在出现争议时提供依据。8.5 远离非正常申请风险近几年专利审查对“非正常申请”的监管趋严表现为技术方案明显不是实际研发活动产出、拼凑现有技术、无实际保护价值等。使用 AI 辅助撰写时要特别避免“为了写专利而写专利”。每件申请都应当有真实的研发基础和实际保护价值确保技术方案与实际研究一致。8.6 善用思维链与分步指令如果你的模型支持思维链或分步推理写专利时可以刻意把任务拆成多个小步骤而不是让它“一口气写完”。分步生成的优点是每个环节都可以人工介入纠偏避免最后一次性输出后大幅推翻重写。实操时建议按“技术要素抽取 → 交底书初稿 → 权利要求书 → 审查模拟 → 人工修订”五个步骤分开执行。9. 总结与自学路径这篇文章围绕“专利撰写 Skill”介绍了一套从论文 idea 到专利交底书的完整工作流。你可以按下面的路径逐步实践第一步搭建 Skill 目录把 SKILL.md、交底书模板和校验脚本准备好。第二步用自己的一篇论文跑一遍“技术要素抽取 → 交底书初稿 → 权利要求书 → 审查模拟”全流程。第三步找一位有经验的专利代理人对比你生成的交底书与专业代理师撰写的版本找出差距。第四步把反复验证有效的指令沉淀到 SKILL.md 中形成属于你自己的专利撰写技能包。如果后续想深入学习可以优先看三类资料中国专利法及其实施细则、专利审查指南、专利代理实务教材。前者讲法律框架中间讲审查标准后者讲撰写技巧。结合大模型辅助工具你不需要成为法律专家也能写出质量不错的交底书初稿。最后提醒一句工具是辅助核心仍然是你对技术方案的理解和对创新点的判断。AI 可以让“从 idea 到初稿”的效率提升一个量级但真正的核心价值永远来自你在研发过程中的深度思考。如果这份 Skill 合集对你有帮助可以收藏备用也欢迎在实际使用中根据自己的场景迭代出更适合自己的版本。 大模型+提示词工程：专利交底书高效撰写指南
写专利交底书是很多研发人员和科研工作者都绕不开的“硬活”。论文里明明有一个不错的 idea实验数据也齐全但一旦动手写交底书就很容易卡壳技术方案描述不清楚、权利要求不知道怎么布局、实施例写得像实验记录、背景技术翻来覆去就那么几句话。更麻烦的是企业内部对交底书有固定模板代理机构又要求“技术问题—技术方案—技术效果”逻辑闭环手搓一份合格的交底书往往要两三天。后来我尝试把大模型和提示词工程引入这个流程把论文摘要、技术方案描述、实验结论交给 Claude 这类大模型配合一套专门设计的“专利撰写 Skill”基本上几十分钟就能产出一份结构完整的交底书初稿再花半天时间做技术审核和细节补充效率提升非常明显。这篇文章就围绕“专利撰写 Skill”展开内容涵盖专利交底书的标准结构、AI 写专利的能力边界、Skill 文件的设计与搭建、从论文到交底书的完整提示词实战以及我整理的整套 Skill 合集扩展思路。新手可以跟着一步步搭出自己的专利撰写助手有经验的开发者也可以直接复用其中的提示词模板和校验脚本。1. 专利交底书基础认知1.1 什么是专利交底书专利交底书是发明人向专利代理机构或企业知识产权部门提交的一种技术文档它记录了发明创造的技术领域、背景技术、要解决的技术问题、技术方案和有益效果等信息。交底书本身不是法律文件而是专利申请文件即代理人撰写的说明书、权利要求书等的“原料”。也就是说交底书的质量直接决定了后续专利申请文件的质量。交底书写得越清楚代理师越能准确理解你的发明点写出来的权利要求保护范围才更合理审查阶段答复也更有底气。反过来如果交底书内容残缺、技术方案含混代理师就只能反复找你沟通申请周期拉长甚至可能因为公开不充分导致专利被驳回。1.2 交底书的核心价值一份合格的交底书价值主要体现在三方面。第一它是技术公开的依据。专利制度的核心是“以公开换保护”交底书要把技术方案完整、清楚地公开出来这是获得授权的前提。第二它是代理人撰写申请文件的素材库。代理人需要从交底书中提取技术特征、整理从属权利要求、设计实施例交底书如果缺少这些素材代理人很难凭空发挥。第三它是审查意见答复时的技术支撑。专利申请进入实质审查阶段后审查员会下发审查意见这时候需要从交底书中找到技术支持点论证本申请具备新颖性和创造性。1.3 交底书的标准模块不同企业、不同代理机构的交底书模板会有差异但核心模块大致相同。我把常见模块整理如下模块主要内容常见问题技术领域本发明涉及哪个技术方向写得过于宽泛例如“涉及计算机领域”背景技术现有技术的方案和缺陷只罗列现状不分析痛点发明目的要解决什么技术问题与技术问题脱节问题描述不具体技术方案实现发明的完整技术手段步骤缺失、关键参数不明确有益效果相比现有技术有什么提升只写优点没有数据支撑具体实施方式至少一个可实现的实施例写得像论文实验记录附图说明结构图、流程图、时序图等附图与文字不对应替代方案其他可替换的实现方式经常被忽略导致保护范围过窄1.4 为什么交底书难写我自己在写交底书和指导团队写交底书的过程中总结了四个常见的“难写点”。第一个难点是语言转化。研发人员习惯用论文语言和技术黑话描述方案比如“我们用了注意力机制”“我们提出了一种端到端框架”但专利文本要求的是“技术特征 连接关系 执行步骤”这种结构化描述。同一件事两种表述差距很大。第二个难点是缺乏布局视角。交底书不仅是“把方案说清楚”还要考虑保护范围哪些特征是核心创新点哪些特征是可选方案哪些替代实现也要写进去。没有这个视角写出来的交底书往往保护范围过窄。第三个难点是实施例不充分。专利法要求“所属技术领域的技术人员能够实现”这意味着交底书至少要给一个完整、可实施的实施例包括具体参数、流程、数据结构等。很多发明人只给思路不给细节代理人根本没法写。第四个难点是技术问题与技术效果脱节。交底书的逻辑链是“现有技术存在什么问题—本发明怎么解决—解决后带来什么效果”如果问题写得模糊、效果写得空泛这条链就断了审查阶段容易被认为不具备创造性。2. AI 撰写专利的能力边界2.1 大模型能胜任什么在正式用大模型辅助写专利之前我们得先搞清楚它能做什么、不能做什么。这几年大模型发展很快Claude、GPT 系列都有很强的长文本理解、结构化输出和逻辑推理能力在专利写作辅助上它至少能胜任以下几类工作。第一从论文摘要和正文中抽取技术要素。你可以把论文摘要粘贴给模型让它提取“技术领域、背景技术、要解决的技术问题、技术方案步骤、技术效果”这一步准确率相当高。第二术语标准化和表达改写。大模型擅长把口语化的技术描述改写成专利风格的书面表达比如把“我们的模型又快又准”改写成“相较于现有技术本方案在保持较高准确率的同时显著降低了推理时延”。第三生成交底书框架和初稿。给定技术方案描述后模型可以自动生成一份包含技术领域、背景技术、发明内容、具体实施方式、有益效果等模块的交底书初稿。第四生成权利要求书初稿。虽然权利要求书的撰写有严格的法律要求但大模型可以基于技术方案生成独立权利要求和从属权利要求的草稿供代理人修改。第五模拟审查员提问。你可以让模型扮演专利审查员对权利要求的技术特征逐条质疑提前发现公开不充分、不清楚、缺乏创造性等问题。2.2 大模型不能替代什么大模型虽然强但它不能替代的东西同样重要。首先技术方案的真实性和可实施性必须由发明人负责。模型生成的内容可能逻辑通顺但技术上行不通甚至包含虚构参数。发明人必须逐条审核技术方案是否真实、可实现。其次实验数据不能由模型编造。专利中有益效果如果需要实验数据支撑这些数据必须真实来自实验不能为了让效果“好看”而让模型补数据——这是严重的诚信问题。第三现有技术检索不能被替代。模型的训练数据有截止时间而且它不会真的去数据库里检索对比文件。新颖性和创造性的判断需要依靠专业的专利检索工具和数据库。第四法律文本的最终审核必须由专利代理师完成。权利要求书的保护范围、专利法条文的适用都需要专业法律判断不能直接拿模型输出提交申请。2.3 发明人资格与合规底线这里要特别强调一个合规问题AI 模型不能作为发明人。中国专利法规定发明人应当是“对发明创造的实质性特点作出创造性贡献的人”。大模型生成的方案本质上是基于已有数据和提示词指令的产物它不能也不应当被列为发明人。目前国内外专利审查实践对 AI 生成内容的发明人资格都有严格要求在实际申请时发明人必须是真实参与研发的自然人。所以正确的用法是大模型作为“写作加速器”和“思路整理器”发明人的角色由你和你团队的研发人员承担申请文件的最终内容也必须经过人工审核确认。3. 认识 Claude Skill 与提示词工程3.1 什么是 SkillSkill 是 Claude 应用中的一种“技能包”机制。简单来说一个 Skill 就是一个包含指令文件SKILL.md和相关资源脚本、模板、资料的目录。把 Skill 安装到 Claude 后用户在对话中触发对应技能Claude 就会按照 SKILL.md 中预先定义的规则、流程和输出格式来工作。这种机制对“专利撰写”这种流程固定、要求明确的任务特别合适。你不用每次对话都重新写一遍提示词而是把专利撰写的完整方法论固化到 Skill 文件中让 Claude 每次都能稳定输出符合要求的交底书。3.2 Skill 文件结构一个典型的 Skill 目录结构如下patent_drafter/ ├── SKILL.md ├── assets/ │ ├── 交底书模板.md │ ├── 权利要求书模板.md │ └── 检索报告模板.md └── scripts/ ├── check_draft.py └── extract_idea.pySKILL.md技能的核心配置文件定义触发词、执行流程、输出格式、注意事项。assets存放模板、参考文档等静态资源。scripts存放辅助脚本比如交底书完整性校验脚本、Markdown 格式检查脚本。3.3 专利撰写 Skill 的设计思路在设计专利撰写 Skill 时我的思路是“流程拆解 模板驱动 可验证”。流程拆解是把专利交底书的写作过程拆成多个阶段理解技术方案、检索现有技术、撰写交底书、布局权利要求、模拟审查。每个阶段对应 Skill 中的一组指令。模板驱动是把交底书拆成固定模块每个模块有明确的写作要求。Claude 输出时按模板填充避免遗漏关键内容。可验证是通过辅助脚本对生成结果做完整性检查比如检查交底书是否包含“技术领域、背景技术、发明内容、具体实施方式”四大模块检查附图说明是否有对应描述检查是否有未定义的技术术语等。4. 搭建“专利交底书撰写 Skill”全流程4.1 创建 Skill 目录结构先在本地创建一个 Skill 项目目录建议使用如下结构mkdir -p patent_drafter/assets mkdir -p patent_drafter/scripts cd patent_drafter touch SKILL.md如果你的 Claude 应用支持自定义 Skill 目录直接把patent_drafter整个目录放入 Skill 加载目录即可。具体路径不同平台有差异建议先查阅你所用工具的自定义技能文档。4.2 编写 SKILL.mdSKILL.md 是整个 Skill 的灵魂。它相当于一份“给模型的详细说明书”告诉模型什么时候触发这个技能、按什么步骤执行、输出什么结构的内容。下面是一份可直接参考的 SKILL.md 模板路径patent_drafter/SKILL.md--- name: patent_drafter description: 根据用户提供的技术方案、论文摘要或实验数据自动生成专利交底书初稿并可进行权利要求书撰写、审查意见模拟问答。 trigger: 当用户提到“写专利”“专利交底书”“权利要求书”“专利撰写”等关键词时自动启动本技能。 --- # 专利交底书撰写助手 ## 功能概述 - 输入用户提供技术方案描述、论文摘要、算法流程图、实验数据等。 - 输出结构完整、可直接提供给专利代理机构参考的专利交底书初稿。 ## 执行流程 ### 第 1 步信息收集与确认 - 向用户询问技术方案所属的技术领域。 - 询问现有技术及其存在的问题。 - 询问本发明的核心技术改进点。 - 确认是否有实验数据、效果对比数据。 ### 第 2 步任务拆解 将专利交底书拆解为以下模块 1. 技术领域 2. 背景技术 3. 发明内容 4. 技术方案 5. 有益效果 6. 具体实施方式 7. 替代方案 ### 第 3 步生成交底书初稿 严格按照 assets/交底书模板.md 中的结构生成内容。 要求 - 技术方案描述必须步骤清晰、逻辑完整。 - 对关键技术术语必须给出定义。 - 有益效果优先引用真实实验数据没有数据时使用定性描述并标注“待补充实验数据”。 - 不得编造实验数据或技术效果数据。 ### 第 4 步生成权利要求书初稿 基于交底书的技术方案生成独立权利要求和从属权利要求。 权利要求书写要求 - 独立权利要求必须包含解决技术问题的必要技术特征。 - 从属权利要求至少写出 3 条对独立权利要求的特征作进一步限定。 - 使用“其特征在于”句式。 - 技术特征编号统一。 ### 第 5 步审查模拟与质量检查 - 模拟专利审查员对权利要求书提出质疑。 - 检查交底书是否存在公开不充分、权利要求不清楚、缺少必要技术特征等问题。 - 输出问题清单和修改建议。 ## 输出格式 使用 Markdown 输出按交底书模板分章节展示。 ## 安全与合规 - AI 仅作为辅助工具不得列为发明人。 - 不得编造实验数据。 - 生成内容仅供技术交底和申请参考最终申请文件需由专利代理师审核。这份 SKILL.md 的价值在于它把“写专利”这个宽泛任务拆成了可执行的步骤并限定了输出格式和合规底线。即使你完全不用 Claude 的 Skill 机制单纯把这段指令作为提示词模板也有很好的效果。4.3 编写交底书模板资产为了让 模型 输出时保持一致我建议把交底书模板单独放在assets/交底书模板.md中。# 专利交底书 ## 一、技术领域 说明本发明涉及的技术领域。 ## 二、背景技术 描述现有技术的实现方案。 分析现有技术存在的缺陷。 ## 三、发明内容 ### 3.1 要解决的技术问题 [基于背景技术中的缺陷明确本发明的技术问题] ### 3.2 技术方案 [给出解决技术问题的完整技术方案分步骤描述] ### 3.3 有益效果 [描述相对于现有技术的改进效果尽量量化] ## 四、具体实施方式 ### 4.1 实施例 1 [描述第一个实施例包括具体参数、步骤、数据结构] ### 4.2 实施例 2 [描述变体实现] ## 五、替代方案 [列出其他可替换实现方式] ## 六、附图说明 [列出需要的附图并描述每张附图的含义]在实际使用中模板可以根据你所在公司的要求进行调整。关键是把公司模板的“字段”转化成模型的“输出指令”模型才不会漏项。4.4 编写交底书完整性校验脚本为了让生成结果更可靠可以编写一个简单的 Python 脚本来校验交底书 Markdown 内容是否包含所有必要模块。#!/usr/bin/env python3 # 文件路径patent_drafter/scripts/check_draft.py 检查专利交底书 Markdown 文件的模块完整性。 用法python check_draft.py draft.md import re import sys REQUIRED_SECTIONS [ 技术领域, 背景技术, 发明内容, 技术方案, 有益效果, 具体实施方式, 附图说明, ] def check_draft(file_path: str) - int: with open(file_path, r, encodingutf-8) as f: content f.read() missing [] for section in REQUIRED_SECTIONS: # 检查是否出现该标题关键词 if not re.search(section, content): missing.append(section) if missing: print(f[FAIL] 缺少以下必要模块: {, .join(missing)}) return 1 # 额外检查是否存在明显的数据占位符 placeholders re.findall(r待补充|待完善|TODO|xxx|XX, content) if placeholders: print(f[WARN] 存在待补充标记 {len(placeholders)} 处请人工确认。) print([PASS] 交底书必要模块完整。) return 0 if __name__ __main__: if len(sys.argv) ! 2: print(用法: python check_draft.py draft.md) sys.exit(1) sys.exit(check_draft(sys.argv[1]))这个脚本的核心思路很简单用正则表达式检查交底书是否包含必要模块标题同时提示是否存在“待补充”标记。你可以在每次让模型生成交底书后把输出保存为 Markdown 文件并运行这个脚本。python scripts/check_draft.py draft.md5. 实战把论文 idea 转化为专利交底书5.1 准备输入材料现在进入核心实操环节。假设你手中有一篇论文现在想把它改写成专利交底书。你需要准备以下材料论文摘要。论文引言中关于现有技术缺陷的描述。论文方法部分的步骤描述。实验部分的关键数据和效果对比。如果有流程图或架构图最好附上文字描述。下面用一个示例来演示。假设你的手头有下面这个简化版摘要【示例输入】 题目基于动态路由的联邦学习客户端选择方法 摘要针对联邦学习在非独立同分布Non-IID数据场景下客户端选择效率低、模型收敛慢的问题本文提出一种基于动态路由的客户端选择方法。方法包括以下步骤服务器根据客户端数据分布特征构建路由表训练过程中根据客户端本地损失下降梯度动态更新路由表选择路由得分 Top-K 的客户端参与本轮聚合。在 CIFAR-10 数据集上的实验表明与随机选择方法相比本方法在 Non-IID 场景下将模型收敛轮数减少了 28%最终测试准确率提升了 3.1 个百分点。注意这只是一个示例你可以用任何一篇自己的论文替换。5.2 从论文摘要中抽取技术要素把摘要粘贴给 Claude并配合 Skill 的触发指令。例如使用专利撰写 Skill。 以下是我论文的摘要和技术背景请执行以下任务 1. 提取技术领域、背景技术、要解决的技术问题。 2. 列出本发明的核心技术方案步骤。 3. 提取实验数据中指出的有益效果。 论文摘要 【粘贴摘要内容】模型 的输出大致会是【输出示例】 技术领域本发明涉及联邦学习技术领域具体涉及一种基于动态路由的联邦学习客户端选择方法。 背景技术联邦学习是一种分布式机器学习框架它允许多个客户端在不共享原始数据的前提下协同训练模型。然而在实际场景中不同客户端的数据分布往往呈非独立同分布Non-IID直接采用随机客户端选择策略会导致模型收敛缓慢、通信开销大、模型精度下降。 要解决的技术问题如何在 Non-IID 场景下提高客户端选择效率加快模型收敛速度。 核心技术方案步骤 1. 服务器端根据客户端上传的数据分布特征构建初始路由表。 2. 在联邦训练过程中服务器根据客户端本地训练的损失下降梯度动态更新路由表。 3. 根据路由表计算客户端路由得分选择得分最高的 Top-K 个客户端参与本轮聚合。 有益效果在 CIFAR-10 的 Non-IID 场景下本方案相比随机客户端选择方法模型收敛轮数减少约 28%最终测试准确率提升约 3.1 个百分点。这一步的目的是把论文中的“技术叙述”转化成“专利要素”相当于做了一次信息结构化。你能很直观地看到模型从摘要中提取出的“技术问题—技术方案—技术效果”已经和交底书的逻辑框架对应上了。5.3 生成交底书初稿接下来让 Claude 基于提取出的技术要素生成完整交底书。基于上述提取的技术要素按照专利交底书模板生成一份完整的交底书初稿。 要求 - 背景技术要描述现有技术的具体实现和缺陷。 - 技术方案要分步骤描述并补充必要的模块构成和连接关系。 - 具体实施方式至少写一个实施例给出可操作的实现细节。 - 标注所有需要补充实验数据的位置。生成的交底书示例节选# 专利交底书 ## 一、技术领域 本发明涉及机器学习与分布式计算技术领域尤其涉及一种基于动态路由的联邦学习客户端选择方法。 ## 二、背景技术 联邦学习作为一种隐私保护的分布式训练范式已经被广泛应用于医疗、金融等数据敏感场景。在联邦学习的每一轮训练中服务器需要从大量客户端中选择一部分客户端参与本轮模型聚合。 现有技术中常见的客户端选择策略包括随机选择和基于数据量的加权选择。随机选择策略实现简单但在客户端数据分布不均匀时容易选到数据质量较差的客户端导致模型收敛缓慢、通信资源浪费。基于数据量的加权选择虽然考虑到了数据规模差异但忽略了数据分布质量尤其在 Non-IID 场景下效果不佳。 因此如何在联邦学习训练过程中动态评估客户端质量选择对模型收敛贡献更大的客户端是一个亟待解决的技术问题。 ## 三、发明内容 ### 3.1 要解决的技术问题 本发明的目的是提供一种基于动态路由的联邦学习客户端选择方法以解决现有技术中在 Non-IID 数据分布场景下客户端选择效率低、模型收敛慢的问题。 ### 3.2 技术方案 为实现上述目的本发明提供如下技术方案 一种基于动态路由的联邦学习客户端选择方法包括以下步骤 S1服务器接收多个客户端上传的数据分布特征信息构建初始路由表。 S2在联邦训练过程中客户端完成本地训练后向服务器上传本地损失下降梯度。 S3服务器根据所述本地损失下降梯度动态更新所述路由表中各客户端的路由得分。 S4服务器按路由得分从高到低选择 Top-K 个客户端作为本轮聚合参与者并将全局模型下发至选中的客户端。 ...后续内容省略可以看到模型已经能将摘要中的方法步骤转化成专利风格的分步骤描述并且自动补充了背景技术的对比分析。这个初稿虽然距离可以直接提交还有差距但已经省去了大量“从零开始写框架”的时间。5.4 生成权利要求书初稿交底书初稿生成后让 Claude 基于“发明内容”撰写权利要求书。请基于上述交底书的发明内容生成权利要求书初稿。 要求 - 权利要求 1 为独立权利要求包含解决技术问题的必要技术特征。 - 从属权利要求至少写 5 条对步骤细节、路由表更新规则、Top-K 选择策略等分别进行限定。 - 使用“其特征在于”句式技术特征用 S1、S2 等编号。模型生成的权利要求书示例权利要求书 1. 一种基于动态路由的联邦学习客户端选择方法其特征在于包括以下步骤 S1服务器接收多个客户端上传的数据分布特征信息根据所述数据分布特征信息构建初始路由表 S2在联邦训练过程中客户端完成本地训练后向服务器上传本地损失下降梯度 S3服务器根据所述本地损失下降梯度动态更新所述路由表中各客户端的路由得分 S4服务器按路由得分从高到低选择 Top-K 个客户端作为本轮聚合参与者并将全局模型下发至选中的客户端。 2. 根据权利要求 1 所述的方法其特征在于步骤 S1 中所述数据分布特征信息包括客户端本地数据样本的类别分布比例和样本数量。 3. 根据权利要求 1 所述的方法其特征在于步骤 S3 中所述路由得分的更新规则为 路由得分 上一轮路由得分 × 衰减系数 当前轮本地损失下降梯度 × 权重系数。 ...权利要求书是专利文件中最专业的部分。模型生成的初稿可以作为参考但最终的权利要求布局和保护范围设计仍然建议由专利代理师把关。尤其要注意权利要求 1 不能包含非必要技术特征否则会缩小保护范围从属权利要求要有梯度地增加限定形成“退守”空间。5.5 多轮对话优化与模拟审查交底书初稿和权利要求书生成后可以继续用对话方式优化。我常用的几个提示词如下现在请你扮演一名专利审查员对本发明的权利要求 1 提出质询重点检查是否清楚、是否得到说明书支持、是否具备创造性。请找出交底书中「公开不充分」的地方例如关键步骤缺少参数、实现细节不足、术语未定义并逐条给出补充建议。请把权利要求 1 中的技术特征拆解列表指出哪些是必要技术特征哪些是可选特征并给出修改建议。这些“模拟审查”式提问能提前发现很多撰写阶段的问题。有一次我在实践中让模型模拟审查员它指出了“路由得分更新规则缺少具体计算公式”“Top-K 的 K 值范围未定义”等问题这些恰恰是真实审查中容易被指出的缺陷。5.6 人工校验清单模型输出后人工校验是绝对不能跳过的步骤。我给自己定的校验清单如下技术方案描述是否与实际实现一致是否包含至少一个完整可实施的实施例所有参数、公式、数据结构是否有误实验数据是否真实可查权利要求 1 是否包含非必要技术特征从属权利要求是否符合逻辑梯度附图描述与文字内容是否对应是否涉及需要脱敏的敏感信息这份清单可以写入 SKILL.md 的“输出格式”或“校验规则”中让模型在生成结果后主动提示使用者完成。6. 全套 Skill 合集扩展单一的交底书 Skill 解决的是“从 idea 到交底书”的问题但专利工作远不止这一步。在实际项目中我建议把以下 Skill 组合起来形成一个完整的“专利生产工具箱”。6.1 专利查新辅助 Skill用途帮助使用者梳理关键词、构建检索式。输入技术方案描述。输出布尔检索式、IPC 分类号建议、重点对比文献筛选思路。注意检索必须在专业数据库中执行模型只负责检索策略设计。6.2 权利要求书布局 Skill用途生成多层级权利要求书初稿分析保护范围宽度。输入交底书技术方案。输出独立权利要求、从属权要、说明书支持部分。注意最终保护范围设计需要代理师判断。6.3 审查意见答复 Skill用途辅助分析审查意见通知书整理答复思路。输入审查意见正文 当前权利要求书。输出技术特征对比表、修改建议、答复理由提纲。注意答复内容涉及法律策略必须由专业人士确认。6.4 技术方案拆分 Skill用途把一个大型系统拆解成多个可单独申请的创新点。输入系统总体设计方案。输出多个可申请的候选创新点清单及其技术问题、技术方案。适用场景一个项目有多个创新点需要规划专利布局。6.5 专利交底英文翻译 Skill用途把中文交底书翻译成英文 PCT 申请参考文本。输入中文交底书 Markdown 文件。输出英文交底书初稿保留术语一致性。注意涉外专利翻译要求很高需专业翻译或代理机构审核。这些 Skill 之间可以串联使用。比如先用“技术方案拆分 Skill”把系统拆成多个创新点再逐个用“专利交底书撰写 Skill”生成交底书最后用“权利要求书布局 Skill”完善权利要求。熟练之后整个流程可以做到流水线作业。7. 常见问题与排查思路在多次使用模型写专利的过程中我整理了一些高频问题下表供参考问题现象常见原因解决思路预防方法生成内容过于泛化缺少技术细节输入材料太少模型只能基于常识发挥补充论文方法部分、流程图描述、参数细节在 Prompt 中要求“必须基于用户提供的材料不得自行补充未提供的参数”权利要求缺少层次全是并列特征没有明确要求从属权利要求梯度添加“从属权要至少 5 条每条限定一个具体技术特征”的指令在 SKILL.md 中固化权利要求撰写规则技术术语前后不一致长文本生成时术语漂移要求模型在输出前先列出术语表并统一定义在 Prompt 中加入“全文字术术语必须保持一致”有益效果写得像广告模型没有真实实验数据时容易泛泛而谈限定“没有数据时使用定性描述并标注待补充”在 SKILL.md 中写入数据合规底线模型生成的步骤在实际中不可行模型基于语义生成不保证技术上可实现发明人逐条审核核心算法步骤建立人工校验清单嵌入工作流输出模块顺序混乱未指定输出模板提供结构化的交底书模板在 SKILL.md 中引用 assets 模板文件模型拒绝执行或输出不稳定提示词触发词不明确检查 trigger 关键词是否覆盖“写专利”“交底书”等尽量使用直接明确的触发词如果遇到模型输出结果不稳定最直接的办法是把 SKILL.md 中的步骤细化把每一步的输入、处理、输出都写清楚。模型对“流程明确”的任务输出稳定性会明显提升。8. 最佳实践与工程建议8.1 输入材料的脱敏专利在申请前通常处于保密状态尤其是企业内部的研发成果。使用大模型时务必对输入材料进行脱敏处理具体包括删除公司名称、产品名称、客户信息。用“本实施例”“某服务器”“第一客户端”等中性词替代真实业务名称。如果单位有明确的数据安全规定先在本地使用私有化部署模型或合规的商用模型。8.2 人工复核是底线我始终坚持一个原则AI 输出只能是“初稿”不能是“终稿”。人工复核时重点关注技术方案是否真实、权利要求范围是否合理、实验数据是否真实、所有法律表述是否规范。如果是重要专利一定要由专利代理师做最终把关。8.3 建立模板资产库不同企业、不同国家的专利格式要求不同。建议把 SKILL.md 中引用的模板抽象成资产文件放在assets目录下统一管理。团队协作时可以维护一套公司级模板库避免每个人各写一套。8.4 版本管理与留痕专利撰写过程中会产生大量中间版本建议使用 Git 管理交底书和权利要求书文档。这样既能追溯修改历史也能在出现争议时提供依据。8.5 远离非正常申请风险近几年专利审查对“非正常申请”的监管趋严表现为技术方案明显不是实际研发活动产出、拼凑现有技术、无实际保护价值等。使用 AI 辅助撰写时要特别避免“为了写专利而写专利”。每件申请都应当有真实的研发基础和实际保护价值确保技术方案与实际研究一致。8.6 善用思维链与分步指令如果你的模型支持思维链或分步推理写专利时可以刻意把任务拆成多个小步骤而不是让它“一口气写完”。分步生成的优点是每个环节都可以人工介入纠偏避免最后一次性输出后大幅推翻重写。实操时建议按“技术要素抽取 → 交底书初稿 → 权利要求书 → 审查模拟 → 人工修订”五个步骤分开执行。9. 总结与自学路径这篇文章围绕“专利撰写 Skill”介绍了一套从论文 idea 到专利交底书的完整工作流。你可以按下面的路径逐步实践第一步搭建 Skill 目录把 SKILL.md、交底书模板和校验脚本准备好。第二步用自己的一篇论文跑一遍“技术要素抽取 → 交底书初稿 → 权利要求书 → 审查模拟”全流程。第三步找一位有经验的专利代理人对比你生成的交底书与专业代理师撰写的版本找出差距。第四步把反复验证有效的指令沉淀到 SKILL.md 中形成属于你自己的专利撰写技能包。如果后续想深入学习可以优先看三类资料中国专利法及其实施细则、专利审查指南、专利代理实务教材。前者讲法律框架中间讲审查标准后者讲撰写技巧。结合大模型辅助工具你不需要成为法律专家也能写出质量不错的交底书初稿。最后提醒一句工具是辅助核心仍然是你对技术方案的理解和对创新点的判断。AI 可以让“从 idea 到初稿”的效率提升一个量级但真正的核心价值永远来自你在研发过程中的深度思考。如果这份 Skill 合集对你有帮助可以收藏备用也欢迎在实际使用中根据自己的场景迭代出更适合自己的版本。