1. 從技術(shù)交底書(shū)到權(quán)利要求書(shū)AI專(zhuān)利撰寫(xiě)工具鏈的真實(shí)卡點(diǎn)AI專(zhuān)利撰寫(xiě)這件事真正動(dòng)手做過(guò)的人都知道難點(diǎn)從來(lái)不是“讓模型寫(xiě)一段話”而是把一份口語(yǔ)化的技術(shù)交底書(shū)穩(wěn)定地轉(zhuǎn)成結(jié)構(gòu)合規(guī)、術(shù)語(yǔ)一致、權(quán)利要求層級(jí)清晰的申請(qǐng)文件。我見(jiàn)過(guò)太多團(tuán)隊(duì)卡在同一個(gè)地方交底書(shū)里寫(xiě)的是“我們這個(gè)模塊會(huì)先緩存再批量提交”到了說(shuō)明書(shū)里變成“緩存機(jī)制”到了權(quán)利要求書(shū)里又變成“暫存單元”三份文檔三個(gè)叫法審查員一看就頭大。這個(gè)場(chǎng)景下AI專(zhuān)利工具鏈要解決的核心問(wèn)題有三個(gè)。第一是術(shù)語(yǔ)一致性同一技術(shù)特征在全文中必須用同一個(gè)詞模型每次生成都要能讀到前文已經(jīng)確定的術(shù)語(yǔ)表。第二是結(jié)構(gòu)可校驗(yàn)權(quán)利要求書(shū)的獨(dú)立權(quán)利要求、從屬引用關(guān)系、說(shuō)明書(shū)段落編號(hào)這些不是自由文本是有格式約束的。第三是多模型分工通用大模型適合做背景技術(shù)和實(shí)施方式的擴(kuò)寫(xiě)推理型模型適合做權(quán)利要求層級(jí)設(shè)計(jì)和技術(shù)特征抽象Agentic AI 則負(fù)責(zé)把“檢索—拆解—生成—校驗(yàn)”串成一條自動(dòng)流水線。適合誰(shuí)看這篇如果你是企業(yè)研發(fā)團(tuán)隊(duì)里負(fù)責(zé)專(zhuān)利初稿的工程師或者是專(zhuān)利代理人想用 AI 提效又或者是初創(chuàng)公司創(chuàng)始人要自己跑通第一版草稿這篇的配置都能直接抄。我試過(guò)用一套統(tǒng)一 Key 把大模型和 Agentic AI 工作流接起來(lái)下面把可復(fù)制的配置、模型路由參數(shù)和端到端驗(yàn)證動(dòng)作完整寫(xiě)出來(lái)。先說(shuō)清楚整體鏈路技術(shù)交底書(shū)Markdown 或 Word→ 術(shù)語(yǔ)抽取與鎖定 → 背景技術(shù)/實(shí)施方式擴(kuò)寫(xiě)通用大模型→ 權(quán)利要求層級(jí)設(shè)計(jì)推理型模型→ 格式合規(guī)校驗(yàn)規(guī)則腳本 模型復(fù)核→ 輸出草稿。每一步都需要調(diào)用模型如果每個(gè)模型單獨(dú)申請(qǐng) Key、單獨(dú)配環(huán)境光是管理憑證就夠煩的。所以前置動(dòng)作是把 Key 統(tǒng)一。2. TaoToken 統(tǒng)一 Key 前置一次配置跑通多模型路由在專(zhuān)利撰寫(xiě)這種多模型協(xié)作的場(chǎng)景里最怕的就是“這個(gè)模型用 A 平臺(tái)的 Key那個(gè)模型用 B 平臺(tái)的 Key”環(huán)境變量一堆換臺(tái)機(jī)器就崩。TaoToken 在這里的作用是提供一個(gè)統(tǒng)一的 API 入口你用同一個(gè) Key 就能路由到不同的大模型Base URL 和鑒權(quán)方式保持一致Agentic AI 工作流里切換模型只需要改一個(gè) model 字段。先把地址記清楚。官網(wǎng)入口是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 基址是 https://taotoken.net/api 注意 API 地址后面不加任何 UTM 參數(shù)直接用它作為 Base URL。模型對(duì)話頁(yè)面在 https://taotoken.net/api-keys 之外還有獨(dú)立的對(duì)話入口接入文檔在 https://taotoken.net/doc Coding Plan 在 https://taotoken.net/coding-plan 控制臺(tái)在 https://taotoken.net/console API Keys 管理在 https://taotoken.net/api-keys 。這些 deep link 后面我會(huì)在對(duì)應(yīng)步驟里再點(diǎn)一次方便你直接跳。前置準(zhǔn)備分三步。第一步在 API Keys 頁(yè)面創(chuàng)建一個(gè) Key復(fù)制出來(lái)形如sk-開(kāi)頭的一串。第二步確認(rèn)你要用的模型 ID專(zhuān)利撰寫(xiě)場(chǎng)景我建議至少準(zhǔn)備兩個(gè)一個(gè)通用生成型負(fù)責(zé)背景技術(shù)、實(shí)施方式、有益效果擴(kuò)寫(xiě)一個(gè)推理型負(fù)責(zé)權(quán)利要求層級(jí)、技術(shù)特征抽象。具體模型 ID 以接入文檔里的列表為準(zhǔn)不要憑記憶寫(xiě)。第三步把 Key 寫(xiě)進(jìn)環(huán)境變量不要硬編碼在腳本里。這里有個(gè)容易踩的坑很多人把 Base URL 寫(xiě)成https://taotoken.net/api/帶尾斜杠某些 SDK 拼接時(shí)會(huì)變成雙斜杠導(dǎo)致 404。統(tǒng)一寫(xiě)成https://taotoken.net/api不帶尾斜杠。另外如果你用的是 OpenAI 兼容的 SDKbase_url參數(shù)直接填這個(gè)地址SDK 會(huì)自動(dòng)補(bǔ)/v1/chat/completions這類(lèi)路徑如果你手寫(xiě) HTTP 請(qǐng)求就要自己拼完整路徑具體以接入文檔為準(zhǔn)。環(huán)境變量配置我習(xí)慣用.env文件加python-dotenv這樣 Agentic AI 工作流里每個(gè)子步驟都能讀到同一份配置。下面這段是可直接復(fù)制的# .env TAOTOKEN_API_KEYsk-你的Key TAOTOKEN_BASE_URLhttps://taotoken.net/api PATENT_MODEL_GENERAL你的通用模型ID PATENT_MODEL_REASONING你的推理模型ID注意PATENT_MODEL_GENERAL和PATENT_MODEL_REASONING這兩個(gè)變量名是我自己定的你在代碼里對(duì)應(yīng)讀取就行。這樣設(shè)計(jì)的好處是將來(lái)?yè)Q模型只改.env不用動(dòng)業(yè)務(wù)代碼。對(duì)于專(zhuān)利撰寫(xiě)這種需要長(zhǎng)期迭代術(shù)語(yǔ)表的場(chǎng)景配置和代碼分離能省很多事。3. 可復(fù)制配置settings.json 與模型路由參數(shù)這一節(jié)給你可以直接落地的配置文件。我按兩種常見(jiàn)形態(tài)寫(xiě)一種是給支持settings.json的編輯器/Agent 框架用的一種是給 Python 腳本用的。你按自己手里的工具選。先看settings.json形態(tài)。很多 AI 編碼工具和 Agent 框架支持用 JSON 配置模型提供方路徑通常在項(xiàng)目根目錄的.config或用戶目錄下。下面這份是通用結(jié)構(gòu)字段名以你所用工具的文檔為準(zhǔn)但 Base URL、Key、Model ID 這三件套的邏輯是一樣的{ providers: { taotoken: { baseUrl: https://taotoken.net/api, apiKey: ${TAOTOKEN_API_KEY}, models: { general: 你的通用模型ID, reasoning: 你的推理模型ID } } }, patentWorkflow: { termLock: { model: general, temperature: 0.2 }, backgroundDraft: { model: general, temperature: 0.6, maxTokens: 2000 }, claimDesign: { model: reasoning, temperature: 0.3, maxTokens: 3000 }, formatCheck: { model: reasoning, temperature: 0.1 } } }這里的關(guān)鍵是patentWorkflow里每個(gè)子步驟綁定了不同的模型和溫度。術(shù)語(yǔ)鎖定用低溫保證輸出穩(wěn)定背景技術(shù)擴(kuò)寫(xiě)可以稍高一點(diǎn)讓表達(dá)自然權(quán)利要求設(shè)計(jì)用推理模型加中低溫兼顧邏輯和規(guī)范格式校驗(yàn)用最低溫只做判斷不做創(chuàng)作。這套參數(shù)是我實(shí)測(cè)下來(lái)比較穩(wěn)的組合你可以先照抄再微調(diào)。如果你用的是 Python 腳本下面這段是可直接運(yùn)行的模型路由封裝。它讀取.env根據(jù)任務(wù)類(lèi)型選擇模型并統(tǒng)一走 TaoToken 的 Base URLimport os from openai import OpenAI from dotenv import load_dotenv load_dotenv() client OpenAI( api_keyos.getenv(TAOTOKEN_API_KEY), base_urlos.getenv(TAOTOKEN_BASE_URL) ) MODEL_MAP { term_lock: os.getenv(PATENT_MODEL_GENERAL), background: os.getenv(PATENT_MODEL_GENERAL), claim: os.getenv(PATENT_MODEL_REASONING), format_check: os.getenv(PATENT_MODEL_REASONING), } TEMPERATURE_MAP { term_lock: 0.2, background: 0.6, claim: 0.3, format_check: 0.1, } def call_model(task: str, prompt: str) - str: resp client.chat.completions.create( modelMODEL_MAP[task], temperatureTEMPERATURE_MAP[task], messages[ {role: system, content: 你是專(zhuān)利撰寫(xiě)助手嚴(yán)格遵循術(shù)語(yǔ)表。}, {role: user, content: prompt}, ], ) return resp.choices[0].message.content這段代碼里call_model就是統(tǒng)一入口Agentic AI 工作流的每個(gè)節(jié)點(diǎn)調(diào)它就行。注意base_url直接讀環(huán)境變量沒(méi)有尾斜杠。如果你在 Cline MCP 或 Claude Code 這類(lèi)工具里配置邏輯一樣Base URL 填https://taotoken.net/apiKey 填你的sk-Model ID 填對(duì)應(yīng)模型。這三件套缺一不可少一個(gè)就會(huì)在請(qǐng)求時(shí)報(bào)錯(cuò)。關(guān)于模型路由參數(shù)再補(bǔ)一個(gè)實(shí)踐細(xì)節(jié)專(zhuān)利撰寫(xiě)里“權(quán)利要求引用關(guān)系”這種強(qiáng)結(jié)構(gòu)任務(wù)建議把maxTokens給足因?yàn)橥评砟Ｐ驮谏蓮膶贆?quán)利要求時(shí)會(huì)先內(nèi)部推理再輸出token 不夠會(huì)被截?cái)啾憩F(xiàn)為輸出到一半突然停。我一般給 3000 起步復(fù)雜機(jī)械類(lèi)專(zhuān)利給到 4000。4. 端到端驗(yàn)證跑通一份專(zhuān)利草稿生成流程配置好了接下來(lái)驗(yàn)證整條鏈路能不能跑通。我按“技術(shù)交底書(shū) → 術(shù)語(yǔ)表 → 背景技術(shù) → 權(quán)利要求 → 格式校驗(yàn)”五步走每步都有可復(fù)制的 prompt 和預(yù)期結(jié)果。第一步術(shù)語(yǔ)抽取與鎖定。把交底書(shū)原文喂給通用模型要求它輸出一個(gè) JSON 術(shù)語(yǔ)表格式為{術(shù)語(yǔ): 定義}。prompt 可以這樣寫(xiě)下面是一份技術(shù)交底書(shū)。請(qǐng)抽取其中所有技術(shù)特征名詞輸出 JSON 格式的術(shù)語(yǔ)表 key 為規(guī)范術(shù)語(yǔ)value 為在交底書(shū)中的原始表述。不要遺漏任何部件、模塊、步驟名稱(chēng)。 交底書(shū)內(nèi)容 {此處粘貼交底書(shū)}預(yù)期結(jié)果是模型返回一個(gè) JSON比如{緩存單元: 緩存模塊, 批量提交器: 批量提交組件}。這一步的作用是后續(xù)所有生成都引用這個(gè)術(shù)語(yǔ)表保證一致性。如果模型返回的 JSON 有語(yǔ)法錯(cuò)誤用json.loads會(huì)拋異常這時(shí)候讓模型重新輸出一次或者在 prompt 里加“只輸出 JSON不要任何解釋”。第二步背景技術(shù)擴(kuò)寫(xiě)。把術(shù)語(yǔ)表和交底書(shū)一起給通用模型要求生成背景技術(shù)段落字?jǐn)?shù) 300 到 500引用現(xiàn)有技術(shù)但不要編造具體專(zhuān)利號(hào)。prompt 里明確“不得出現(xiàn)具體專(zhuān)利公開(kāi)號(hào)如需引用現(xiàn)有技術(shù)用‘現(xiàn)有技術(shù)中通常采用……’表述”。這一步的輸出直接進(jìn)草稿。第三步權(quán)利要求層級(jí)設(shè)計(jì)。這是最關(guān)鍵的一步用推理模型。prompt 要寫(xiě)清楚獨(dú)立權(quán)利要求覆蓋最寬保護(hù)范圍從屬權(quán)利要求逐層限定引用關(guān)系用“根據(jù)權(quán)利要求 X 所述的……”。把術(shù)語(yǔ)表和前兩步的輸出一起給它。預(yù)期結(jié)果是模型返回一組權(quán)利要求編號(hào)從 1 開(kāi)始從屬權(quán)利要求正確引用前面的編號(hào)。第四步格式校驗(yàn)。用推理模型做一次自檢prompt 是“檢查以下權(quán)利要求書(shū)是否存在引用編號(hào)錯(cuò)誤、術(shù)語(yǔ)不一致、獨(dú)立權(quán)利要求缺少必要技術(shù)特征的問(wèn)題逐條列出”。這一步的輸出是問(wèn)題列表你根據(jù)列表回去改。第五步端到端跑一遍。把上面四步串成一個(gè)腳本輸入一份真實(shí)交底書(shū)輸出一份 Markdown 草稿。驗(yàn)證成功的標(biāo)志是草稿里術(shù)語(yǔ)全文一致權(quán)利要求引用編號(hào)無(wú)斷鏈說(shuō)明書(shū)段落編號(hào)連續(xù)。如果這三點(diǎn)都滿足說(shuō)明你的統(tǒng)一 Key 和模型路由配置是通的。這里給一個(gè)驗(yàn)證請(qǐng)求的最小示例用來(lái)確認(rèn) Key 和 Base URL 沒(méi)問(wèn)題resp client.chat.completions.create( modelos.getenv(PATENT_MODEL_GENERAL), messages[{role: user, content: 回復(fù)配置成功}], ) print(resp.choices[0].message.content)如果打印出“配置成功”說(shuō)明鑒權(quán)和路由都正常。如果報(bào)錯(cuò)看下一節(jié)的排查對(duì)照。5. 本篇常見(jiàn)錯(cuò)排查401、local proxy failed 與 reading choices這一節(jié)按真實(shí)報(bào)錯(cuò)來(lái)。你在跑上面流程時(shí)最可能遇到四類(lèi)錯(cuò)誤我逐個(gè)給原因和修法。401 Unauthorized。原因通常是 Key 沒(méi)讀到、Key 寫(xiě)錯(cuò)、或者環(huán)境變量沒(méi)加載。先確認(rèn).env文件在腳本同級(jí)目錄且load_dotenv()在讀取環(huán)境變量之前調(diào)用。然后打印os.getenv(TAOTOKEN_API_KEY)的前幾位確認(rèn)不是None。如果 Key 是從網(wǎng)頁(yè)復(fù)制的注意不要帶多余空格。還有一種情況是 Key 被撤銷(xiāo)了去 API Keys 頁(yè)面重新生成一個(gè)。修法是重新復(fù)制 Key 并重啟腳本。local proxy failed / connection error。這個(gè)報(bào)錯(cuò)說(shuō)明請(qǐng)求根本沒(méi)發(fā)出去通常是 Base URL 寫(xiě)錯(cuò)或者網(wǎng)絡(luò)層攔截。先確認(rèn)base_url是https://taotoken.net/api不帶尾斜杠不帶/v1除非文檔明確要求。然后確認(rèn)你的運(yùn)行環(huán)境沒(méi)有配置額外的 HTTP 代理環(huán)境變量比如HTTP_PROXY、HTTPS_PROXY這些如果指向一個(gè)不可用的地址請(qǐng)求會(huì)直接失敗。修法是清掉這些環(huán)境變量或者確認(rèn)你的網(wǎng)絡(luò)能正常訪問(wèn)該域名。reading choices 報(bào)錯(cuò)比如TypeError: Cannot read properties of undefined (reading choices)。這個(gè)錯(cuò)誤說(shuō)明resp本身是 undefined或者resp.choices不存在。常見(jiàn)原因是 SDK 版本不匹配或者你用的不是 OpenAI 兼容的調(diào)用方式。先確認(rèn)openai庫(kù)版本pip show openai看一下太老的版本不支持base_url參數(shù)。修法是升級(jí)到較新版本然后確認(rèn)調(diào)用的是client.chat.completions.create而不是舊的openai.ChatCompletion.create。另外如果模型 ID 寫(xiě)錯(cuò)某些網(wǎng)關(guān)會(huì)返回一個(gè)非標(biāo)準(zhǔn)結(jié)構(gòu)也會(huì)導(dǎo)致讀不到choices這時(shí)候打印完整resp看結(jié)構(gòu)。OAuth 相關(guān)報(bào)錯(cuò)。如果你在 Claude Code 或類(lèi)似工具里配置可能會(huì)遇到 OAuth 流程的提示。這類(lèi)工具通常支持 API Key 模式和 OAuth 模式專(zhuān)利撰寫(xiě)場(chǎng)景用 API Key 模式更直接。修法是在工具的模型配置里選擇 API Key 鑒權(quán)填入 Base URL、Key、Model ID 三件套不要走 OAuth 登錄流程。如果你用的是 CC Switch 或 Cline MCP配置項(xiàng)里同樣找 API Key 字段把三件套填全。再補(bǔ)一個(gè)非報(bào)錯(cuò)但很煩的問(wèn)題模型輸出被截?cái)唷１憩F(xiàn)是權(quán)利要求書(shū)寫(xiě)到第 5 條突然沒(méi)了。原因是max_tokens設(shè)小了或者推理模型內(nèi)部推理消耗了 token。修法是調(diào)大max_tokens并在 prompt 里要求“輸出完整不要省略”。排查順序建議先跑最小驗(yàn)證請(qǐng)求確認(rèn) Key 通再跑單步任務(wù)確認(rèn)模型路由對(duì)最后跑端到端。這樣出錯(cuò)時(shí)能快速定位是哪一層的問(wèn)題。6. 把統(tǒng)一 Key 接進(jìn)你的專(zhuān)利工作流下一步動(dòng)作到這里配置和驗(yàn)證都跑通了。接下來(lái)你可以把這條鏈路固化下來(lái)。我的做法是建一個(gè)patent_workflow目錄里面放.env、settings.json、run.py和templates/模板文件夾。每次有新交底書(shū)丟進(jìn)input/跑python run.py輸出到output/。術(shù)語(yǔ)表單獨(dú)存一份terms.json下次同類(lèi)專(zhuān)利直接復(fù)用一致性會(huì)越來(lái)越好。如果你要長(zhǎng)期跑編碼類(lèi)或 Agent 類(lèi)任務(wù)比如讓 Agentic AI 自動(dòng)完成“檢索—拆解—生成—校驗(yàn)”多步驟可以看一下 Coding Plan地址是 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewrite 。如果你只是想先驗(yàn)證模型輸出質(zhì)量用模型對(duì)話頁(yè)面手動(dòng)試幾輪更直觀地址是 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite 。接入過(guò)程中遇到鑒權(quán)或路由問(wèn)題接入文檔在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 里面有針對(duì)不同 SDK 的示例。最后說(shuō)一個(gè)實(shí)用技巧專(zhuān)利撰寫(xiě)里最花時(shí)間的不是生成而是核對(duì)術(shù)語(yǔ)一致性。你可以在格式校驗(yàn)?zāi)且徊街蠹右粋€(gè)純規(guī)則腳本用正則把全文的術(shù)語(yǔ)出現(xiàn)位置掃一遍和terms.json對(duì)比不一致的直接標(biāo)紅。模型負(fù)責(zé)生成和判斷腳本負(fù)責(zé)機(jī)械核對(duì)兩者配合比純靠模型自檢靠譜得多。這套組合我跑下來(lái)一份中等復(fù)雜度的專(zhuān)利草稿從交底書(shū)到可復(fù)核版本時(shí)間能壓到原來(lái)的三分之一左右剩下的時(shí)間留給人工把控權(quán)利要求的保護(hù)范圍。