最近OpenClaw火得不得了。朋友圈里到處都是“養(yǎng)龍蝦”的狂歡，各個行業(yè)都在基于OpenClaw搭建智能體。很多朋友給我發(fā)信息，問我們是否有類似的產(chǎn)品。我們在這個工具剛出來的時候就趕緊安裝測試。這和之前專利垂直大模型的故事如出一轍。

熟悉我的朋友都知道，早在大語言模型剛出來的時候，國內(nèi)就掀起了一波“專利大模型”“法律大模型”的熱潮，無數(shù)機(jī)構(gòu)宣布要訓(xùn)練專利領(lǐng)域的垂直大模型。我在那時候就公開說過，專利垂直大模型這條路沒有什么價值。原因很簡單：專利數(shù)據(jù)本身極度標(biāo)準(zhǔn)化，日常的專利場景，說明書格式、權(quán)利要求結(jié)構(gòu)、審查意見答復(fù)模板都是公開的。更關(guān)鍵的是，底層通用大模型在預(yù)訓(xùn)練階段就已經(jīng)大量采用了專利數(shù)據(jù)。在這個基礎(chǔ)上做局部參數(shù)微調(diào)，不但不能使效果顯著提升，反而可能嚴(yán)重?fù)p害模型的泛化能力，而模型的泛化能力正是專利工作中最看重的。后來的事實證明了這個判斷，專利大模型的故事，基本都沒了下文。

回到今天的OpenClaw，是同樣的模式在重演。只不過上一輪的熱詞是“垂直大模型”，這一輪換成了“龍蝦”或者類似的名字。名字變了，但核心問題沒變，真正制約AI在專利行業(yè)落地的瓶頸，從來不是流程串聯(lián)的問題，而是推理能力和領(lǐng)域知識的深度融合問題。

專利行業(yè)最需要的不是更好的流程編排工具，而是更強(qiáng)的推理能力，OpenClaw恰恰提供了前者，卻無力觸及后者。OpenClaw可以把各種LLM調(diào)用串聯(lián)成一條漂亮的管道，但管道里流的水，大語言模型的推理質(zhì)量卻無能為力。

OpenClaw的本質(zhì)是一個通用型AI智能體框架。它能讀寫文件、運行腳本、控制瀏覽器、 定時執(zhí)行任務(wù)、跨會話記憶。這些能力在辦公自動化場景下確實強(qiáng)大，但對于專利行業(yè)而言，執(zhí)行并不是瓶頸，一個能自動下載審查意見通知書、提取駁回理由、填充答復(fù)模板的流程，和一個能真正理解發(fā)明點、識別審查員邏輯鏈薄弱環(huán)節(jié)、提出有說服力的創(chuàng)造性論證的系統(tǒng)，是完全不同層次的問題。
專利實務(wù)的核心挑戰(zhàn)在于推理，而非流程，創(chuàng)造性駁回之所以難以回應(yīng)，是因為它本質(zhì)上是一個法律、技術(shù)與策略交織的復(fù)雜推理問題：代理人必須同時深入理解發(fā)明的技術(shù)實質(zhì)，逐條分析多篇對比文件的實際教導(dǎo)內(nèi)容， 判斷"本領(lǐng)域技術(shù)人員"是否會認(rèn)為組合方案不具有創(chuàng)造性，還要策略性地判斷哪些論點最可能說服這位特定的審查員。有經(jīng)驗的代理人會采用多重攻防策略，質(zhì)疑最接近現(xiàn)有技術(shù)的選擇、挑戰(zhàn)區(qū)別技術(shù)特征的認(rèn)定、攻擊技術(shù)啟示的存在性、反駁公知常識主張的合理性。專利審查過程是一場博弈
權(quán)利要求撰寫的難度同樣超出流程自動化所能觸及的范疇。專利代理人的核心任務(wù)是從發(fā)明人往往模糊、不完整的技術(shù)交底中提煉真正的發(fā)明點，然后在足夠?qū)挿号c足夠具體之間找到精確的平衡。
OpenClaw把LLM調(diào)用、工具調(diào)用、數(shù)據(jù)源、工作流連接成一條流暢的管道。但管道本身不能改善流過其中的水的質(zhì)量。答復(fù)好審查意見、撰寫好權(quán)利要求本質(zhì)還是依靠模型本身的能力，流暢的流程不不能使得推理能力提高多少。通俗地說，自動化的流程并不會根本提高答復(fù)和撰寫的質(zhì)量，你能看到基于Openclaw產(chǎn)生的“能力”，并不是其真正的能力，還完全是來自底層模型的能力。一個對模型和業(yè)務(wù)真正熟悉的專業(yè)人員，完全不需要這個自動化流程反而做得更好。
此外自動化的流程讓幻覺產(chǎn)生產(chǎn)生放大效應(yīng)。對于專利行業(yè)，即使將OpenClaw的技能系統(tǒng)與專利數(shù)據(jù)庫、審查意見解析器、權(quán)利要求模板完美集成，所構(gòu)建出來的系統(tǒng)仍然受限于底層LLM的推理質(zhì)量。
當(dāng)然，我們也不能否認(rèn)Openclaw的用途，現(xiàn)在很多復(fù)雜流程的場合，Openclaw框架極大提高效率。但是在答復(fù)、撰寫這些完全依賴模型底層能力的場合無能力。
答復(fù)OA要做到真正可用，需要對創(chuàng)造性、不支持等各類駁回積累大量案例與應(yīng)對技巧，再與模型的底層推理能力深度結(jié)合，才可能產(chǎn)出經(jīng)得起審查的結(jié)果。撰寫的門檻更高，但坦率地說，當(dāng)前大語言模型的能力已經(jīng)在逼近實用臨界點，突破已經(jīng)不會太遠(yuǎn)，但這個突破來自對專利業(yè)務(wù)認(rèn)知本身的深耕和模型能力邊界的理解，而不是套一層編排框架。
我們在AI輔助撰寫與答復(fù)方向上做了較長時間的探索，一年多前推出測試，對當(dāng)前技術(shù)的能力邊界和實際天花板有比較清晰的認(rèn)知。如果各位同行對這個方向感興趣，歡迎交流探討。