专利检索中该怎么用AI

最近一年AI的风猛猛冲进了专利检索行业，很多团队现在的第一反应，是把技术描述直接丢给AI。AI也很配合，几秒钟就能给出关键词、分类号、相似专利，甚至还能顺手写一段“存在一定侵权风险”之类的判断。看起来效率很高，问题也恰恰出在这里：它太像一个完整答案了，于是很多人不知不觉把最关键的判断忽略了。

如果你做过查新、FTO、无效或专利分析，就会知道，专利检索最怕的从来不是“信息不够多”，而是“判断错了”。AI现在最有价值的，不是替你出结论，而是替你补充表达、制定计划、做复盘。真正该由人把关的，仍然是任务边界、证据强弱、权利要求的理解。

说得更直白一点：AI做扩展，人做判断。

下面拿一个典型场景来说明。

假设需求方丢过来一句话：“一种用于医疗器械的柔性连接结构，可以提高手术操作稳定性，降低器械晃动。帮我搜一下有没有类似专利。”

这时候，最不该做的，就是把这句话原封不动扔给AI，然后等它告诉你“有没有”。更稳妥的做法，通常分四步。

同一段技术描述，在不同任务里，入口完全不是一回事。

任务一旦没分清，后面所有AI输出都可能“看着相关，实际上不对题”。这也是很多人用AI做检索时的第一个坑：统一用“帮我找类似专利”这种问法，最后得到的是一种对任何任务都不够精准的泛相关结果。

所以，AI介入之前，先把这几个问题问清楚：这次到底是查新、FTO还是无效？目标市场在哪？要不要看法律状态？时间上有没有硬约束？这些问题不解决，提示词写得再漂亮也没用。

专利检索不是拿效果词去碰运气，而是把技术方案拆成能进入数据库的检索单元。

还拿上面那个“柔性连接结构”的例子来说，“提高手术稳定性”“降低器械晃动”这些话能帮助我们理解技术目的，但它们通常不适合直接做主检索词。真正有检索价值的，往往是背后的结构、动作和控制逻辑：到底是弹性件、铰接结构、柔性轴，还是某种反馈控制？是缓冲、限位、补偿，还是姿态调整？

这一步AI非常好用。让它先按技术问题、技术手段、技术效果去拆，通常能很快把一段模糊描述摊开。它还能顺手把特征分成三层：哪些是核心必保留特征，哪些是可扩展特征，哪些只是背景性表述。

但这里要特别注意一点：AI能帮你拆开，不等于它拆得就是对的。

尤其在机械、医疗器械这类领域，很多真正有价值的点不在名词本身，而在连接关系、位置关系、动作链和控制链里。AI容易把“效果词”当“结构词”，也容易把几个可能的技术路线糊成一团。所以，拆解结果一定要回到原始技术材料，必要时还要回到研发那里再确认一遍。

技术拆开以后，AI最擅长的工作才真正开始：扩词、给分类入口、扩展中英文表达、提示替代路线。

这一步如果用得好，效率提升很明显。因为真正的漏检，很多时候不是你不懂技术，而是你只抓住了一种写法。比如同一类结构，在不同专利里可能写成完全不同的术语；同一种控制思路，也可能分散在不同分类和不同表述里。AI在“多给几种可能表达”这件事上，确实比人工快。

但AI的扩展结果只能作为起点，不能直接使用。更稳妥的做法是两层校准：

第一层，拿代表专利验证关键词。

你要看这些词在真实专利里到底是不是这么写，有没有歧义，会不会一放进去就把完全不相关的路线拉进来。

第二层，用分类号验证技术方向。

很多人扩完关键词就开始建检索式，不做专利分类号验证，结果就是词越扩越多，噪声也越滚越大。经验上看，扩词越多，越需要专利分类号来限定大方向；分类越宽，越需要关键词来收精度。

AI很适合做文献初筛、主题归类、相似技术路线聚类，也很适合在你拿到一批样本后，帮你总结“高相关文献共有哪类表达”。这些工作，确实能帮检索员省掉不少机械整理时间。

但一旦进入权利要求理解、公开程度分析、侵权判断这些环节，必须回到原文，回到专利数据库。

原因很简单：AI太擅长把东西“自圆其说”。一篇文献里本来只是说明书中的可选实施例，AI可能给你摘要成好像整篇文献都在讲这个点；一个只出现在从属权利要求里的限定，AI也可能说成核心保护范围；同族在不同国家的权利要求差异，它更容易一笔带过。文字是顺了，判断却可能已经偏了。

所以我一直认为，AI在专利检索里的合理定位更像一个前期处理和复盘的助手，它能帮你更快靠近证据，但不能替你完成证据判断。

真正好用的，不是“让AI替你做”，而是把AI放进一条可复核的流程里如果把上面这些常见的检索步骤压缩成一个最实用的AI检索技巧，总结成下面五句话：

这几年大家都在谈AI会不会改变专利检索。我的看法是：它会改变工作方式，但不会改变这行最核心的要求——用可追溯的方法，找到可靠的证据。

所以，问题从来不是“要不要用AI”，而是“你把AI放在了哪一步”。

(陈进野生的专利检索与分析)