2. 规则引擎核心概念：规则(Rule)、事实(Fact)、规则集(RuleSet)、推理引擎(Inference Engine)

规则引擎的在线推理链路建立在四个核心概念之上：规则（Rule）、事实（Fact）、规则集（RuleSet）和推理引擎（Inference Engine）。理解这四个概念及其相互关系，是掌握规则引擎架构与开发的基础。

2.1 规则（Rule）

规则是规则引擎中最基本的逻辑单元，它定义了在特定条件下应执行的动作。一条规则通常由两部分组成：条件（Condition / LHS — Left Hand Side）和动作（Action / RHS — Right Hand Side）。

• 条件（LHS）：对事实（Fact）的约束或模式匹配表达式。当所有条件同时满足时，规则被触发。
• 动作（RHS）：规则触发后执行的操作，如修改事实、调用外部服务、产生告警或执行业务逻辑。

rule "高风险交易拦截"
    when
        $t : Transaction( amount > 10000 && riskScore > 80 )
        $u : User( level == "普通" )
    then
        $t.setStatus("BLOCKED");
        alertService.send("高风险交易已拦截");
end

2.2 事实（Fact）

事实是规则引擎工作内存（Working Memory）中的数据对象，是规则条件判断的依据。事实可以是任何 Java POJO、JSON 对象或领域模型实例。引擎通过模式匹配将事实与规则的条件部分进行比对。

• 插入（Insert）：将事实放入工作内存。
• 更新（Update）：修改已有事实并重新触发规则评估。
• 删除（Retract）：从工作内存中移除事实。

2.3 规则集（RuleSet）

规则集是规则的逻辑分组，用于组织和管理具有相同业务领域、优先级或执行策略的规则。规则集可以包含多个规则，并支持继承、覆盖和模块化加载。

2.4 推理引擎（Inference Engine）

推理引擎是规则引擎的核心执行器，负责将事实与规则进行匹配、冲突解决并执行动作。推理引擎通常包含两个主要组件：模式匹配器（Pattern Matcher）和议程（Agenda）。

• 模式匹配器：使用 Rete 算法、PHREAK 算法或线性扫描算法，高效地将事实与规则条件进行匹配。
• 议程（Agenda）：管理已匹配规则的执行顺序，支持优先级、冲突解决策略（如最近优先、复杂度优先）。

2.5 核心概念对比总结

2.6 在线推理链路中的协作流程

在在线推理链路中，四个核心概念按以下顺序协作：

1. 事实注入：业务系统将请求数据（如交易信息、用户画像）封装为事实，插入推理引擎的工作内存。
2. 规则匹配：推理引擎的模式匹配器将事实与规则集中的所有规则条件进行比对，生成激活列表。
3. 冲突解决：议程根据优先级、激活组等策略，从激活列表中选择一条或多条规则准备执行。
4. 动作执行：执行选中规则的动作部分，可能修改事实、产生新事实或调用外部服务。
5. 循环推理：如果动作产生了新事实或修改了已有事实，引擎重新进入匹配阶段，直到议程为空或达到最大循环次数。

2.7 常见误区与避坑指南

// 错误：直接修改不会触发重匹配
transaction.setAmount(20000);

// 正确：使用 modify 块通知引擎
modify(transaction) {
    setAmount(20000);
}