专家系统：模仿人类专家的思维方式进行决策的人工智能算法，算法核心是“知识库（knowledge base）”和“推理机（inference engine）”。专家系统通常包括6个部分：人机交互界面、知识库、综合数据库、推理机、解释器、知识获取。
（参考：人工智能-基于规则的专家系统（基础知识））
知识库：包含解决问题相关的领域知识。在基于规则的专家系统中，知识用一组规则来表达。其具有IF（条件）THEN（行为）结构，当规则的条件被满足时，触发规则，继而执行行为。
数据库：包含一组事实，用于匹配知识库中的IF（条件）。
推理机：执行推理，专家系统由此找到解决方案。推理引擎链接知识库中的规则和数据库中的事实。
解释器：用户使用解释器查看专家系统怎样得出解决方案的过程。
人机交互界面：人机交互界面是实现用户（查询问题解决方案）和专家系统之间交流的途径。
“推理机”根据“知识库”对“数据库”做出决策的基本原理图如下：
专家系统模型：
以下是一个简单的动物识别的专家系统设计（简单推断蛇、蜥蜴、鸡、猫四种动物）：
（ 参考：人工智能专家系统的简单实现）
1. 实现流程：
1) 初始化规则集合
2) 初始化规则事实集合
3) 使用规则推导
2. 加入规则信息：
”冷血”,”有腿”,”羽毛”,”会飞”
3. 规则事实：
冷血+没有腿 -> 蛇
冷血+有腿 -> 蜥蜴
非冷血+有羽毛+不会飞 -> 鸡
非冷血+没有羽毛 -> 猫
4. 推理过程：
5.使用VS2010参考上面的模型编写了一个判断是哪种动物的推理机实例（通过在终端窗口中输入条件，推理得出动物类型）。
程序源码在：简单推理机实现_动物推断_VS2010版本
总结：专家系统中的知识库是一种二叉树型的决策系统（表示一种决策方法），决策机是按照知识库进行分类的一种方法，所以对于每种特殊的系统，其决策机的程序设计不同。
注：当前想实现推理机功能一般使用专业的推理引擎，或则开源的推理机引擎，不需要自己设计内部结构，这样的推理引擎比较稳定而且功能比较齐全， 我后来使用Drools 推理机引擎实现推理机功能（可以参考Drools入门系列）。