规则引擎核心概念

规则引擎的本质是将业务决策逻辑从应用程序代码中分离出来，通过预定义的规则集对输入事实进行推理和计算。理解其核心概念是掌握规则引擎设计与使用的基础。以下逐一解析规则、条件、动作、事实、工作内存、议程以及两种主要的推理方式。

2.1 核心概念一览

2.2 规则、条件与动作

规则是规则引擎的基本组成单元。每条规则包含两个部分：

• 条件（LHS）：定义规则何时触发。条件可以包含多个模式（Pattern），模式之间通过 AND/OR 组合。例如：当 交易金额 > 10000 且 交易国家 属于 高风险列表。
• 动作（RHS）：条件满足后执行的操作。动作可以是修改事实、触发告警、调用外部服务、更新工作内存等。例如：设置 交易风险等级 = “高” 并 发送风控通知。

规则 "高风险交易拦截"
条件：
    交易.金额 > 50000
    且 交易.账户类型 == "个人"
    且 交易.时间 in [23:00, 06:00]
动作：
    交易.风险等级 = "高"
    交易.状态 = "待审核"
    调用 风控通知服务(交易.用户ID, "高风险交易")

2.3 事实与工作内存

事实是规则引擎推理的对象。在风控场景中，事实可以是交易记录、用户画像、设备指纹、历史行为等。事实通常以对象形式存在，包含多个属性字段。

工作内存是规则引擎的核心运行时区域，所有事实都会被插入到工作内存中。规则引擎通过Rete算法或其它模式匹配算法，在工作内存中高效地评估哪些规则的条件被满足。工作内存支持事实的插入、更新和删除操作，这些操作会触发规则重新匹配。

2.4 议程

当规则的条件被工作内存中的事实满足时，该规则的一个实例会被激活，并放入议程中。议程是一个有序队列，按照规则的优先级、冲突解决策略（如最近使用优先、优先级数值排序等）对激活的规则进行排序。规则引擎从议程中依次取出激活的规则并执行其动作。

议程的关键作用：

• 冲突解决：当多条规则同时满足条件时，决定执行顺序
• 优先级控制：通过 salience（优先级）属性控制规则执行先后
• 执行控制：支持议程的暂停、清空、聚焦等操作

2.5 推理方式：前向链与后向链

规则引擎支持两种主要的推理方式，它们在风控场景中有不同的适用场景。

2.5.1 前向链（Forward Chaining）

前向链是从已知事实出发，不断匹配规则并执行动作，动作可能产生新事实，新事实又触发更多规则，形成链式推理。这是风控规则引擎最常用的推理方式。

• 适用场景：实时风控决策、规则级联、事件驱动处理
• 特点：数据驱动，适合“当发生某事件时，执行一系列规则”
• 示例：交易触发 → 检查金额规则 → 检查频率规则 → 检查设备规则 → 输出风险评分

2.5.2 后向链（Backward Chaining）

后向链是从目标假设出发，反向寻找能够证明该假设的事实或规则。引擎会先假设结论成立，然后检查条件是否满足，如果不满足则递归查找子目标。

• 适用场景：诊断推理、合规检查、目标导向的查询
• 特点：目标驱动，适合“验证某个结论是否成立”
• 示例：假设“该交易为欺诈” → 检查是否有规则支持该结论 → 递归检查子条件

2.6 规则引擎核心架构图

下图展示了规则引擎的核心组件及其交互关系，包括事实输入、工作内存匹配、议程调度和动作执行的全流程。

2.7 前向链与后向链对比

2.8 核心概念关系图

下图展示了规则引擎各核心概念之间的逻辑关系与数据流向，帮助理解它们如何协同工作。

2.9 风控场景中的概念映射

将上述核心概念映射到实际风控场景中，有助于加深理解：