游乐游手机版
首页/AI教程/文章详情

AI智能体实战:从口头描述到完整专利说明书,2小时搞定

时间:2026-06-03 12:10
利用AI工具可在2小时内自动生成包含标题、术语定义、发明构思、背景技术、发明内容、流程图及参考文献的完整专利交底书。其通过“理解输入—规范撰写—生成Word”三层分工,支持代码、文档、图片等多种输入,用户仅需确认大纲即可快速修改章节,大幅降低专利撰写门槛。

专利这事儿,对很多工程师来说,是个让人头疼的存在。尤其是当老板要求每个人都必须提交一篇发明专利技术交底书的时候——光是看一眼那格式要求,什么关键术语、发明构思、背景技术、现有技术缺点、发明内容(产品侧、技术侧、有益效果)、参考文献……光是理清楚这些名词,就足够让人打退堂鼓了。

核心问题其实一直很清晰:技术方案你手里肯定有,但怎么把它“翻译”成专利语言,才是真正的坎。耗时耗力不说,写出来的东西还大概率被一遍遍打回重写,谁受得了?

之前:专利两字等于头疼

从今年开始,不少团队都面临类似的局面——老板要求每人一篇发明专利交底书。为了交作业,查了一下格式要求,光是看懂那些术语就花了半天,最后还是一头雾水。更扎心的是,你明明有技术方案,却卡在了“怎么写”这一步上,这种挫败感,大概只有经历过的人才懂。

现在:一个 Skill 解决全流程,2个小时帮我完成初稿

好在,工具进化了。有人用 codebuddy 安装了 patent-writing 这个 Skill,直接把项目代码和设计文档扔进去——大约 2 小时后,一份完整的 .docx 文件就出来了。里面包含了:

✅ 头部信息表格(发明名称、涉及产品、保护目的)
✅ 关键术语定义(7个核心概念)
✅ 发明构思(3段,语言风格已符合规范)
✅ 背景技术 + 现有技术缺点
✅ 发明内容:产品侧 + 技术侧(含 S1-S8 完整步骤) + 有益效果
✅ Mermaid 流程图(渲染为 PNG 自动插入)
✅ 参考文献

交到专利袋里人手里,得到的反馈是:「框架完整,语言基本合格,改一遍就能提交。」要知道,以前自己写的初稿,至少要改三遍。

\

当然,为了让交底书的细节更贴合实际项目,让生成的架构图格式更美观,花些时间做几个版本的微调是免不了的。但放在以前,一个专利小白要写出这么一份专业的交底书,花费的时间和精力,想都不敢想。

Skill 做了什么:三层分工

这个 Skill 背后有一套设计逻辑,不是让 AI 对着空白文档瞎编。核心思路是三层分工:

第一层:理解输入AI 读代码/文档/图片/描述,找技术方案和创新点
第二层:写专利语言AI 按专利规范撰写各章节,不用技术术语,用专利能看懂的表达
第三层:生成文件代码引擎把内容写入 Word 模板,输出标准 .docx

AI 负责“看懂”和“写清楚”,代码引擎负责“输出规范文件”——两者分工明确,互不越界。这种设计思路,其实本身就值得借鉴。

四种输入模式,一个出口

不管你手头有什么素材,这个 Skill 都能接住:

模式你给什么AI 怎么用
A1 代码代码文件或文件夹读代码 → 分析架构、算法、创新点
A2 文档PDF / DOCX / PPTX提取文本 → 梳理技术方案
A3 图片架构图 / 流程图视觉识别 → 转化为文字描述
B 描述你打字描述的方案直接理解 → 补全技术细节

四种模式还可以混合使用——比如同时扔代码、架构图、一份设计说明 PPT,最终汇聚为一份标准专利交底书。

\

七个阶段,一个关键卡点

整个流程分七个阶段,但你真正需要参与的只有一个——第三阶段:大纲确认。

① 信息收集判断输入模式,确认发明名称和保护目的
② 技术分析AI 深度分析:架构、算法、创新点、技术细节
③ 大纲确认 ⬅ 你参与AI 展示各章节要点,你确认后才开始写——这是唯一卡点
④ 内容撰写按专利语言规范逐章撰写,标记所有数学公式
⑤ 流程图绘制Mermaid 语法 → mmdc 渲染 → 高清 PNG
⑥ 写入 DOCX声明式构建引擎自动完成 Word 文件组装
⑦ 验证输出校验文件可正常打开,告知输出路径

第③阶段的价值在于:在文字层面改逻辑,5 分钟搞定;等到 Word 文件生成之后再改结构,至少 30 分钟。卡点设在最前面,代价最小——这个思路,非常实用。

\

JSON 里怎么描述内容:6 种段落类型

JSON 文件支持 6 种段落类型,覆盖专利文档需要的所有内容形式:

类型作用对应内容
text正文段落步骤描述、说明文字(楷体 10pt)
heading小标题章节标题(微软雅黑加粗 10pt)
formula独立公式居中单独成行,右侧带编号(N)
inline行内公式文字与公式混排(如「其中 x_i 为…」)
image插图居中图片,支持宽度设置和图题
empty空行段落之间的间距控制

值得留意的是,数学公式用的是 Office 原生的 OMML 格式,不是 LaTeX——这样输出的 .docx 里,专利袋里人打开 Word 可以直接编辑公式,不需要装任何插件。细节决定体验。

改一个章节,不用重头来

专利袋里人给反馈了,要改第 4.2 节的步骤描述。以前这意味着重新打开 Word,在那一堆格式里找到正确位置,手动改,再检查格式有没有乱。现在?直接打开 patent_content.json,找到对应章节,改那几行文字,重新跑一次构建脚本——3 分钟,输出新的 .docx。

所有临时文件都保留:JSON 内容文件、Mermaid 源文件、解压的模板目录——下次修改直接增量处理,不需要重新分析和撰写。这种“可维护性”,才是工具真正的价值所在。

So What

说到底,专利的门槛可能不在你的技术是不是真创新,而在于那套格式。大多数工程师不是没有值得保护的技术,是被“交底书怎么写”这个问题挡住了。这个 Skill 做的事,就是把格式门槛从“需要学”变成“直接用”。

AI 是翻译,不是发明人。它把你的工程思维翻译成专利语言,但创新点是你的,AI 只是帮你说清楚。

声明式设计让结果可靠。AI 不直接操作 Word 的 XML,而是写一份“要什么”的 JSON,再交给代码引擎执行——这个分工让文件不容易坏,也让每一步可以独立调试和修改。这种思路本身,就值得借鉴。

来源:https://cloud.tencent.com.cn/developer/article/2680775
上一篇用ChatGPT写数据分析报告效率提升十倍的方法 下一篇Hermes Agent 83K星标 六种后端零基础成长 如何抢走OpenClaw用户
本站内容用于信息整理与展示,如有侵权或内容问题请及时联系处理。

相关推荐

补充同频道和同主题内容,方便继续浏览更多相关内容。

同类最新

继续查看同栏目最近更新的文章。

更多
SVD奇异值分解的三步:双对角化、Givens收敛与排序
AI教程 · 2026-07-01

SVD奇异值分解的三步:双对角化、Givens收敛与排序

写在前面:万能的 SVD,缺席的算法SVD 是线性代数的瑞士军刀。你做主成分分析(PCA),底层是 SVD;你做推荐系统的协同过滤,底层是 SVD;你算伪逆、解最小二乘,底层是 SVD;你做图像压缩、信号去噪、潜在语义分析(LSA),底层还是 SVD。统计软件里凡是涉及 "降维 " "求秩 " "解超定方程组

大模型位置编码深度解析:模型如何理解顺序?
AI教程 · 2026-07-01

大模型位置编码深度解析:模型如何理解顺序?

注意力机制的“位置盲区” 上一章我们探讨了注意力机制如何借助 QKV(Query-Key-Value)矩阵计算 Token 之间的相关性。然而,其中隐藏着一个关键的问题: 注意力机制天生就像个“路痴”——它根本无法感知 Token 的前后顺序! 问题演示 我们来观察这两个句子: "猫 吃 鱼 " "鱼

深度学习从零理解Transformer模型原理与架构详解
AI教程 · 2026-07-01

深度学习从零理解Transformer模型原理与架构详解

从零理解 Transformer:注意力机制全解析 Transformer 架构彻底改写了自然语言处理的技术版图——从 BERT 到 GPT-4,从 T5 到 LLaMA,几乎所有现代大语言模型都长在 Transformer 的根上。但说实话,很多开发者的理解还停在“调 API”层面。本文从直觉出发

Rust构建AI自演化主板:18个异构器官长出C++骨骼
AI教程 · 2026-07-01

Rust构建AI自演化主板:18个异构器官长出C++骨骼

用 Rust 手搓 AI 自演化主板:当 18 个异构器官长出 C++ 骨骼第一章 物理层:让 Rust C++ CUDA 共享同一根血管在多语言实时系统开发中,最棘手的难题莫过于数据拷贝。一个 MarketTick 信号若从 Rust 传递至 C++ 算子,再送入 CUDA 核函数,最后返

大模型可观测性升温:响应时间、Token与调用链成AI系统新指标
AI教程 · 2026-07-01

大模型可观测性升温:响应时间、Token与调用链成AI系统新指标

2026年,大模型应用正迈入全新阶段:核心关注点从“功能是否可用”转向“运行是否稳定”。 回顾过往,大家对大模型的注意力基本集中在模型效果本身——回答准确度如何、生成速度快慢、能否对接知识库、是否支持多轮对话。这些固然是基础能力,但当模型真正嵌入客服、办公、研发、运维、数据分析等核心业务场景后,新的