以下内容适用于尚未开始使用 Patenty.ai 的用户。
比起撰写说明书，有时更让人心力交瘁的是现有技术检索（Prior Art Search）。
特别是当遇到跨领域融合的技术，或者自己不熟悉的细分领域案件时，对着光标闪烁的检索框发呆，这种经历大家都有过。我们恐惧的不是“检索”本身，而是**“同义词焦虑症”**。
“万一申请人用的是‘结合装置’而不是‘紧固件’，导致我漏检了最关键的对比文件（X文献）怎么办？”
这种因为一个关键词的疏忽而收到驳回通知书（OA）的噩梦，是真实存在的。今天，我将分享一种利用生成式AI（ChatGPT, Claude等）极速突破同义词瓶颈的方法。
这不仅仅是“问问AI”那么简单。这是一套通过提示词工程（Prompt Engineering）过滤噪声、精准提取实务关键词的策略。
如果你只是随便问一句“给我找找跟电池冷却有关的词”，AI会给你一堆像“空调”、“风扇”这样的大众词汇。这些词扔进Patentics或Incopat里，只会带来无穷无尽的噪声。
我们必须强制AI输出专业技术术语和专利特有的表达方式。
【错误的提问】
帮我找找电动汽车电池冷却的同义词。
【高效的提问（Prompt）】
“你是一名正在准备应对审查意见的资深专利代理师。
我现在要针对**‘电动汽车电池包的浸没式冷却（Immersion Cooling）’技术进行现有技术检索，需要构建检索式。
请列出该技术领域（如IPC H01M）中通用的专业术语、同义词、下位概念以及英文缩写，中文和英文各列出10个。
特别要注意专利说明书中常用的功能性描述**（例如：‘冷却流体’、‘热交换装置’等）。”
为了防止漏检，关键词的层级（Hierarchy）至关重要。不要让AI只是简单罗列，要让它结构化地输出。
输入上述Prompt后，你应该要求得到如下结构的回答：
1. 核心关键词 (Core Keywords)
浸没式冷却 (Immersion Cooling)
直接液冷 (Direct Liquid Cooling)
介电流体 (Dielectric Fluid)
2. 功能性概括 (Functional Generalization) - 这是代理师最容易忽略的死角
热管理系统 (Thermal Management System, TMS)
散热装置 (Heat Dissipation Means)
非导电冷却剂 (Non-conductive coolant)
3. 结构/组件变体 (Component Variants)
冷却流道 (Cooling Channel) -> 流路 (Flow path), 夹套 (Jacket)
电池模组 (Battery Module) -> 电芯堆叠 (Cell Stack), 储能装置 (ESS)
拿到这些分类好的词，剩下的工作就是简单的**逻辑组合（OR运算）**了。
在做FTO或者美国专利（USPTO）检索时，查字典往往解决不了**“行业黑话（Jargon）”**的问题。不同的申请人习惯用不同的词（比如有人喜欢用Case，有人喜欢用Housing）。
这时，你可以使用这个Prompt：
“在该技术的美国专利（USPTO）说明书中，通常用哪5个替代词来描述‘电池壳体（Battery Case）’？请按使用频率排序。”
AI可能会告诉你：'Housing', 'Enclosure', 'Casing', 'Encapsulation', 'Shell'。
你直接把它们做成检索块：(Case OR Housing OR Enclosure OR Shell)，一步到位。
AI是极其优秀的“流程助理（Paralegal）”，但它不是签字的代理师。你必须把好最后一关。
检查幻觉（Hallucination）： AI有时会一本正经地编造不存在的缩写，务必核实。
过滤噪声： 像“车辆”这种太宽泛的词，会导致检索结果超过10万篇，必须依靠代理师的直觉果断剔除。
IPC/CPC分类号辅助： 如果关键词搞不定，可以问：“这项技术最可能属于哪个CPC分类号的小组？”这能帮你快速定位分类导航。
我们使用AI，不是为了在检索上“偷懒”，而是为了弥补人类大脑联想能力的局限性，确保不漏掉任何一篇可能的对比文件。
下一次接到新的检索案子，在敲下第一个关键词之前，试着花30秒问问你的AI助手：
“我是不是漏掉了哪个同义词？”
这简单的一问，或许就能帮你挡掉未来某个棘手的审查意见通知书。
[ ] 是否给AI设定了“专利专家”的角色？
[ ] 是否要求AI按“核心词/功能性概括/结构变体”进行分类输出？
[ ] 是否获取了符合USPTO标准的英文专业术语？
[ ] 是否剔除了噪声词，并将有效词应用到了检索式（OR逻辑）中？
在使用AI撰写专利说明书时，如果先写具体实施方式，很容易导致内容超出权利要求范围，甚至产生“幻觉”。为了确保完全满足**中国专利法第26条第4款（权利要求书应当以说明书为依据）**的要求，专利代理师必须采用“以权利要求为中心”的逆向生成策略。本文将通过5个针对系统、方法、功能性限定等不同类型的实战提示词（Prompt）案例，揭示如何让AI在既定的权利要求“围栏”内，高效产出逻辑严密、零失误的高质量说明书。
今天，我们就来聊聊如何利用**“数据预处理”和“参数限定”**，打破审查员的“公知常识”逻辑闭环。
随着DABUS在世界主要法域（包括中国、美国、欧洲）碰壁，法律红线已经非常明确：“发明人必须是自然人”。 作为专利代理师，告诉客户“不能写AI的名字”很容易。但真正的挑战在于，当客户追问以下问题时，我们该如何从专业的角度给出合规建议： “好吧，不写AI的名字。但这代码90%是Copilot写的，我只改了几个参数。我作为唯一发明人申报，会有法律风险吗？” 本文将跳出DABUS的新闻表象，结合中国专利实务，探讨在AIGC时代如何界定**“创造性贡献”**，以及如何帮助客户规避潜在的权属纠纷风险。