专利交底书通常要求技术方案描述清楚、创新点突出、实施方式可复现，但发明人往往在背景技术和具体实施方式两个部分花费大量时间。大模型Prompt的作用不是替代发明人，而是把这些模块拆解成可填充的任务模板，通过角色设定、约束条件和输出格式控制，生成一份结构完整、语言规范的初稿。这样做的好处是，即使没有专利撰写经验，也能快速获得接近交底书格式的文本，再交给代理机构或内部专利工程师修改。
专利交底书Prompt的基础结构
要让大模型输出符合专利交底书要求的文本，提示词需要包含几个固定模块。首先是角色设定，例如让模型扮演有十年经验的专利代理人，这样它会更倾向于使用专利领域的术语和表达方式。其次是输入变量，也就是技术领域、现有技术、技术问题、技术方案和有益效果等关键信息。再次是任务步骤与输出格式，明确要求按技术领域、背景技术、发明内容、附图说明、具体实施方式分节输出。最后是禁止事项，例如不要使用绝对化用语、不要自行补充现有技术、不要编造实验数据。
一个可直接复用的基础提示词模板如下：
你是一位有十年经验的专利代理人，请根据以下技术要点撰写专利交底书。
技术领域：{{technical_field}}
现有技术：{{prior_art}}
技术问题：{{technical_problem}}
技术方案：{{technical_solution}}
有益效果：{{beneficial_effect}}
要求：
1. 突出与现有技术的区别，明确创新点。
2. 具体实施方式中至少给出两个实施例。
3. 避免出现绝对化用语，例如“最好”“唯一”。
4. 输出格式按：技术领域、背景技术、发明内容、附图说明、具体实施方式分节。
这个模板的核心在于变量占位符的使用。把不同项目的技术要点填入双大括号后，同一套提示词可以反复复用，减少每次重新组织语言的成本。角色设定部分“十年经验的专利代理人”看似简单，但它会显著影响模型对技术术语的选择和方案描述的严谨程度。如果省掉角色设定，输出内容往往更像通用技术说明，缺少专利交底书特有的逻辑结构。
还需要注意，约束条件不是越多越好。如果把几十条规则一次性塞进提示词，模型可能会遗漏其中一部分，导致格式混乱。建议按优先级保留三到五条关键约束，例如分节格式、实施例数量、禁止编造数据。其他要求可以在后续迭代中逐步补充，或者通过链式提问的方式分步完成。
按模块细化提示词，减少创新点遗漏
专利交底书中最容易出问题的是技术方案和有益效果两个模块。技术方案要求用“其特征在于”句式把技术特征逐条列出，同时还要给出可实施的具体参数和替代方案。有益效果则需要与技术问题一一对应，不能只写泛泛的“效率高、成本低”。如果把这些要求直接写进一段长提示词，模型可能只给出概括性描述，漏掉关键参数。
更稳妥的做法是按模块拆分提示词。例如技术方案模块可以这样设计：
技术方案模块请按以下结构输出： 第一步：列出实现本方案所需的硬件或软件组件。 第二步：描述各组件之间的数据流和控制流。 第三步：给出关键参数范围，并说明每个参数的含义。 第四步：补充至少一个替代实施方式，例如将云端处理替换为边缘端处理。 要求：每个步骤都用“其特征在于”句式表达技术特征。
这种逐步拆解的方式可以让模型先输出组件清单，再补充连接关系，最后形成完整方案。如果直接要求“写出技术方案”，模型可能只生成一段一百字的描述，既没有参数范围，也没有替代实施方式，后续人工补充的工作量很大。通过限定输出步骤和句式，可以显著提高初稿的可用性。
有益效果模块也可以采用类似思路。提示词中可以要求模型把每条有益效果和前面的技术问题编号对应起来，并说明是哪个技术特征带来的效果。例如：“请先列出需要解决的技术问题，再针对每个问题写出相应有益效果，并标注该效果由方案中的哪个组件或步骤产生。”这样可以避免有益效果和技术方案脱节，也有利于后期权利要求书的支撑。
提示词迭代优化与人工校验要点
大模型生成的内容通常会偏通用、偏平滑，创新点的锐度不够。一个有效的优化方法是提供反例。例如在提示词中写明：“不要这样写：本发明可以提高系统性能。请改成：本发明通过将缓存索引从哈希表改为紧凑数组，使查询延迟从平均200微秒降低到120微秒。”提供具体反例比单纯说“要写具体”更有效，因为模型能学会你期望的粒度。
另一个常见问题是模型会虚构数据或技术细节。在专利交底书这种严肃文档中，任何未经确认的参数都可能影响审查意见，甚至导致技术方案不可实施。可以在提示词中增加占位符机制：
在撰写背景技术时，只能使用我提供的现有技术描述，不得自行补充其他技术方案。 如果某个技术效果需要实验数据支撑，请用“[待补充实验数据]”占位，不要编造数值。 请将创新点与现有技术的区别逐条列出，并在每条后标注该区别来自输入材料的哪一部分。
这样生成的初稿既保留了逻辑结构，又明确标出了需要人工补充的数据位置。后续发明人只需找到对应的实验记录或设计参数填入即可。对于现有技术的描述，模型有时会引入训练语料中见过的其他技术方案，导致与输入材料不一致。通过“只能使用我提供的现有技术描述”这种强约束，可以降低这种风险。
人工校验仍然不可省略。校验重点包括：技术特征是否完整，有没有把必要技术特征写成可选；参数范围是否真实，能不能从原始材料中找到依据；有益效果是否有技术特征支撑；替代实施方式是否具备可实施性。大模型Prompt能帮助把初稿完成到七成左右的水平，剩下三成涉及专业判断和事实核对，必须由发明人或专利代理人完成。