第十三篇　Reasoning 推理

第46章　Reasoning

Reasoning（推理）是 ICAI 在已经形成事实、对象、关系、规则、经验和当前状态的基础上，对已知信息进行组合、判断、演算和推导，从而获得新的认知结果的过程。

如果前面的 Cognitive Chain 是：

Information
 ↓
Perception
 ↓
Elements
 ↓
Objects
 ↓
Relations
 ↓
Understanding
 ↓
Memory

那么进入 Reasoning 后：

Memory
 ↓
Reasoning
 ↓
Decision
 ↓
Action

Reasoning 的核心不是产生语言，而是：

从已知认知结构中，通过规则和关系推导出新的结果。

1. Reasoning 定义

Reasoning 可以定义为：

ICAI 根据当前问题和已有的 Facts、Objects、Relations、Rules、Experience 等认知资源，通过确定性的或条件性的逻辑计算获得推理结果的过程。

基本结构：

已知信息
   ↓
Facts
Objects
Relations
Rules
Experience
   ↓
Reasoning
   ↓
新结论

例如：

Fact:
Battery_A.level = 20

Rule:
IF battery.level < 30
THEN battery.state = low

Reasoning:
20 < 30

Result:
Battery_A.state = low

这里并没有产生新的原始信息。

系统只是根据：

事实 + 规则

得出了：

新的结论

因此：

Reasoning
=
Known Information
+
Logic / Rules
+
Calculation
→
New Conclusion

2. 推理输入

Reasoning 并不是凭空进行。

它需要明确的输入。

主要输入包括：

Current Information
Facts
Objects
Relations
Properties
States
Rules
Conditions
Experience
Memory
Time
Location

可以形成：

                    Reasoning Input
                          │
       ┌──────────┬───────┼───────┬──────────┐
       ↓          ↓       ↓       ↓          ↓
     Facts     Objects Relations Rules    Experience
       │          │       │       │          │
       └──────────┴───────┴───────┴──────────┘
                          ↓
                       Reasoning

不同任务所需要的输入并不完全相同。

例如判断设备是否需要充电：

Object
+
Battery Property
+
Current State
+
Rule

而判断某服务是否适合当前用户：

Object
+
Properties
+
Relations
+
Conditions
+
Facts
+
Experience

因此 Reasoning Engine 首先需要确定：

当前推理需要哪些认知资源。

3. Facts

Facts 是推理最基础的输入之一。

例如：

Fact 001:
Battery_A.level = 20

Fact 002:
Battery_A.type = rechargeable

Fact 003:
Battery_A.state = active

这些事实组成：

FactSet
{
    Battery_A.level = 20,
    Battery_A.type = rechargeable,
    Battery_A.state = active
}

然后规则：

IF level < 30
THEN state = low_battery

进行计算：

20 < 30

得到：

Battery_A.state = low_battery

所以：

Facts
 ↓
提供已知条件
 ↓
Rules
 ↓
推导新事实

需要注意：

推理结果不应该直接被当成原始 Fact。

可以区分：

Observed Fact

和：

Derived Fact

例如：

Observed:
Battery_A.level = 20

而：

Derived:
Battery_A.state = low_battery

后者是推理得到的结果。

4. Objects

Object 是 Reasoning 中的基本认知对象。

例如：

Object:
Battery_A

它具有：

Properties
Relations
States
History

例如：

Battery_A
├── level = 20
├── type = rechargeable
├── state = active
└── device = Device_A

推理可以围绕对象进行：

Object
 ↓
Property
 ↓
Condition
 ↓
Rule
 ↓
Result

例如：

Object:
Battery_A

Property:
level = 20

Rule:
level < 30

得到：

Battery_A
state = low_battery

对象推理还可以涉及多个对象：

Customer_A
    ↓
uses
    ↓
Service_A

如果：

Rule:
IF Customer uses Service
THEN Customer has_service_history

那么：

Customer_A
has_service_history
Service_A

就可以成为新的推理结果。

因此 Object 是推理的载体。

5. Relations

Relations 描述对象之间的连接。

基本结构：

Object_A
   ↓
Relation
   ↓
Object_B

例如：

Company_A
   ↓
provides
   ↓
Service_A

推理可以通过关系进行传播。

例如已知：

Company_A
provides
Service_A

又知道：

Service_A
supports
FurnitureDelivery

规则：

IF
A provides B
AND
B supports C

THEN
A provides_service_for C

因此：

Company_A
provides
Service_A

Service_A
supports
FurnitureDelivery

可以推导：

Company_A
supports
FurnitureDelivery

这就是关系推理。

基本形式：

A → R1 → B
B → R2 → C
        ↓
      Rule
        ↓
A → R3 → C

因此 Relation 是 ICAI 建立多对象推理链的重要结构。

6. Rules

Rules 是 Reasoning 的核心控制结构。

规则规定：

在什么条件下，可以得到什么结论。

最基本的规则：

IF Condition
THEN Conclusion

例如：

IF battery.level < 30
THEN battery.state = low

多个条件：

IF
battery.level < 30
AND
device.state = active

THEN
device.state = needs_charge

多个对象：

IF
Customer_A uses Service_A
AND
Service_A supports FurnitureDelivery

THEN
Customer_A can_use FurnitureDelivery

Rule 的结构

可以定义：

Rule
{
    id
    conditions
    operator
    conclusion
    priority
    state
}

例如：

{
    "id": 1001,
    "conditions": [
        {
            "object": "Battery_A",
            "property": "level",
            "operator": "<",
            "value": 30
        }
    ],
    "operator": "AND",
    "conclusion": {
        "object": "Battery_A",
        "property": "state",
        "value": "low"
    },
    "priority": 10,
    "state": "active"
}

推理过程：

Facts
 ↓
Rule Conditions
 ↓
Condition Matching
 ↓
Condition Satisfied
 ↓
Rule Activated
 ↓
Conclusion

如果条件不满足：

Condition
 ↓
FALSE
 ↓
Rule 不产生结论

如果信息不足：

Condition
 ↓
UNKNOWN
 ↓
等待更多信息

如果条件冲突：

Condition
 ↓
CONFLICT
 ↓
进入冲突处理

因此 Reasoning 不应该强行得到结论。

它必须允许：

TRUE
FALSE
UNKNOWN
CONFLICT

等结果。

7. Experience

Experience 为 Reasoning 提供历史行为依据。

Fact 告诉系统：

过去是什么。

Experience 可以告诉系统：

过去这样处理的结果是什么。

例如：

Current Condition:
Furniture
Shenzhen → HongKong

FactMemory：

Service_A supports FurnitureDelivery

ExperienceMemory：

过去选择 Service_A
→ 成功

因此 Reasoning 可以形成：

Fact
+
Current Condition
+
Historical Experience
+
Rule
 ↓
Reasoning
 ↓
Candidate Result

经验不能直接替代事实和规则。

例如：

过去 10 次成功

只能说明：

Historical Experience = favorable

不能直接推出：

这次一定成功

因此：

Experience
=
历史依据

Rule
=
逻辑依据

Fact
=
已知事实

Current Condition
=
当前依据

四者可以共同参与推理。

8. 推理过程

Reasoning 的完整过程可以划分为几个步骤。

第一步：确定推理目标

例如：

目标：
判断 Service_A 是否适合当前任务

第二步：获取推理输入

读取：

Facts
Objects
Relations
Rules
Experience
Current State

形成：

ReasoningContext

第三步：建立条件

例如：

object = Furniture
origin = Shenzhen
destination = HongKong
service = Service_A

第四步：匹配条件

通过前面的 Matching：

Object Matching
Property Matching
Relation Matching
State Matching
Time Matching
Location Matching
Condition Matching

得到：

Condition Result

第五步：执行规则

例如：

Rule_001:
IF
Service_A supports Furniture
AND
Service_A supports HongKong

THEN
Service_A is_candidate

第六步：读取经验

查询：

ExperienceMemory

得到：

过去使用 Service_A
→ 成功

第七步：形成结论

综合：

Facts
+
Relations
+
Rules
+
Experience
+
Current Conditions

得到：

Service_A
candidate = true

第八步：记录推理链

例如：

Fact_001
 ↓
Fact_002
 ↓
Rule_001
 ↓
Condition_001
 ↓
Conclusion_001

最终得到：

ReasoningResult

9. 推理结果

推理结果是 Reasoning 对输入进行逻辑处理后产生的新认知结论。

基本结构：

ReasoningResult
{
    goal
    conditions
    matched_facts
    matched_objects
    matched_relations
    applied_rules
    used_experiences
    conclusion
    state
}

例如：

{
    "goal": "service_match",

    "matched_facts": [
        "Service_A supports Furniture"
    ],

    "matched_relations": [
        "Service_A supports HongKong"
    ],

    "applied_rules": [
        "Rule_001"
    ],

    "used_experiences": [
        "Experience_001"
    ],

    "conclusion": {
        "service": "Service_A",
        "candidate": true
    },

    "state": "confirmed"
}

推理结果可以有不同状态：

CONFIRMED
SUPPORTED
POSSIBLE
UNKNOWN
CONFLICT
REJECTED

例如：

条件全部满足
→ CONFIRMED

部分条件满足
→ POSSIBLE

缺少必要信息
→ UNKNOWN

存在相互冲突的规则或事实
→ CONFLICT

因此：

Reasoning 不一定产生肯定答案。

“未知”和“冲突”本身也是有效的推理结果。

10. 推理链

推理链（Reasoning Chain）记录：

结论是如何从已有事实一步一步得到的。

例如：

Fact_001:
Battery_A.level = 20

Rule_001:
IF level < 30
THEN state = low_battery

Condition_001:
20 < 30

Conclusion_001:
Battery_A.state = low_battery

形成：

Fact_001
   ↓
Condition_001
   ↓
Rule_001
   ↓
Conclusion_001

多步骤推理链

例如：

Fact_001:
Company_A provides Service_A

Fact_002:
Service_A supports FurnitureDelivery

Rule_001:
IF A provides B
AND B supports C
THEN A supports C

第一步：

Company_A
    ↓
provides
    ↓
Service_A

第二步：

Service_A
    ↓
supports
    ↓
FurnitureDelivery

第三步：

Rule_001

最终：

Company_A
    ↓
supports
    ↓
FurnitureDelivery

形成：

Fact_001
    +
Fact_002
    ↓
Rule_001
    ↓
DerivedFact_001

推理链的数据结构

可以定义：

ReasoningChain
{
    id,
    goal,
    steps,
    conclusion,
    state
}

其中：

steps
[
    Fact
    Condition
    Rule
    IntermediateResult
    Rule
    Conclusion
]

例如：

ReasoningChain
{
    "id": "RC001",
    "goal": "service_match",

    "steps": [
        "Fact_001",
        "Fact_002",
        "Rule_001",
        "Condition_001",
        "Conclusion_001"
    ],

    "conclusion": "Service_A is suitable",

    "state": "confirmed"
}

这样 ICAI 后续不仅知道：

结论是什么

还能够知道：

为什么得到这个结论

这对于：

验证
诊断
冲突处理
错误修复
经验形成
学习

都非常重要。

Reasoning核心模型

第46章可以将 Reasoning 总结为：

                    Reasoning
                        │
        ┌───────────────┼───────────────┐
        ↓               ↓               ↓
      Facts           Objects        Relations
        │               │               │
        └───────────────┼───────────────┘
                        ↓
                      Rules
                        +
                    Conditions
                        +
                    Experience
                        ↓
                    Reasoning
                        ↓
              ┌─────────┴─────────┐
              ↓                   ↓
          Conclusion         Reasoning Chain
              ↓                   ↓
          New Cognition        Traceable

更完整的 ICAI 链路：

Information
    ↓
Perception
    ↓
Elements
    ↓
Objects
    ↓
Relations
    ↓
Understanding
    ↓
Memory
    │
    ├── FactMemory
    ├── LongMemory
    └── ExperienceMemory
    ↓
Reasoning
    ↓
Decision
    ↓
Action
    ↓
Result
    ↓
Experience
    ↓
Learning
    ↓
Memory Update

本章核心定义

Reasoning 是 ICAI 利用 Facts、Objects、Relations、Rules、Conditions、Experience 和 Memory 等已有认知资源，通过匹配、逻辑判断、条件计算和规则推导，形成新结论并记录推理过程的认知机制。

最核心的计算关系：

Known Facts
+
Objects
+
Relations
+
Rules
+
Experience
+
Current Conditions
        ↓
     Reasoning
        ↓
New Conclusion
        ↓
Reasoning Chain

因此，Reasoning 在 ICAI 中承担的是：

从“已经知道什么”，推导“根据这些已知条件，现在能够得出什么”。

而下一层 Decision 则进一步解决：

“根据推理结果，现在应该选择什么。”

第46章 Reasoning

第十三篇 Reasoning 推理

第46章 Reasoning

1. Reasoning 定义

2. 推理输入

3. Facts

4. Objects

5. Relations

6. Rules

Rule 的结构

7. Experience

8. 推理过程

第一步：确定推理目标

第二步：获取推理输入

第三步：建立条件

第四步：匹配条件

第五步：执行规则

第六步：读取经验

第七步：形成结论

第八步：记录推理链

9. 推理结果

10. 推理链

多步骤推理链

推理链的数据结构

Reasoning核心模型

本章核心定义