用 Python 很容易实现一个简单的 AI 推理工具（Reasoning Engine），让它能根据规则或模型进行“推理”和“结论输出”。

🧩 一、最基础版本：基于规则（if-else）的推理系统

这种方式类似专家系统（Expert System），逻辑是人工写死的。

示例：医疗问诊推理工具

def ai_inference(symptoms):
    if "发烧" in symptoms and "咳嗽" in symptoms:
        return "可能是感冒或流感，请多喝水并休息。"
    elif "头痛" in symptoms and "恶心" in symptoms:
        return "可能是偏头痛或中暑，建议休息并观察。"
    elif "腹痛" in symptoms and "腹泻" in symptoms:
        return "可能是胃肠炎，请注意饮食卫生。"
    else:
        return "无法确定，请提供更多症状。"

# 使用示例
symptoms = ["发烧", "咳嗽"]
print(ai_inference(symptoms))

🧠 思路：

• 输入为一组“事实”（症状）

• 根据预定义规则匹配

• 输出结论

这种方式适合入门理解“推理”的概念。

---

🧠 二、基于逻辑规则的轻量推理系统

可以用 Python 的 rule-engine 或 experta（类似 CLIPS 的专家系统框架）。

示例（用 experta）：

from experta import *

class Diagnosis(Fact):
    """症状事实"""
    pass

class MedicalExpert(KnowledgeEngine):
    @Rule(Diagnosis(fever=True, cough=True))
    def flu(self):
        print("可能是流感。")

    @Rule(Diagnosis(headache=True, nausea=True))
    def migraine(self):
        print("可能是偏头痛。")

engine = MedicalExpert()
engine.reset()
engine.declare(Diagnosis(fever=True, cough=True))
engine.run()

✅ 特点：

• 支持多条规则同时推理

• 类似人工智能早期“专家系统”的核心逻辑

---

🤖 三、基于机器学习模型的推理

可以用训练好的模型来进行“智能推理”，例如用逻辑回归、决策树或神经网络。

示例（用决策树做推理）：

from sklearn import tree

# 特征：发烧、咳嗽、头痛
X = [
    [1, 1, 0],  # 发烧+咳嗽
    [0, 0, 1],  # 头痛
    [1, 0, 1],  # 发烧+头痛
]
# 标签（疾病）
y = ["流感", "偏头痛", "中暑"]

clf = tree.DecisionTreeClassifier()
clf = clf.fit(X, y)

# 推理：发烧+咳嗽
prediction = clf.predict([[1, 1, 0]])
print("推理结果：", prediction[0])

✅ 特点：

• 不用写规则

• 通过数据学习自动归纳“推理逻辑”

• 可扩展为智能助手或诊断系统

---

🧩 四、使用大语言模型（LLM）做推理（现代AI）

你也可以让模型像 ChatGPT 那样进行“自然语言推理”：

from openai import OpenAI
client = OpenAI(api_key="你的API_KEY")

prompt = """
已知：
1. 所有的猫都是动物。
2. 小黑是一只猫。
问：小黑是不是动物？
"""

response = client.chat.completions.create(
    model="gpt-4o-mini",
    messages=[{"role": "user", "content": prompt}]
)

print(response.choices[0].message.content)

✅ 特点：

• 支持复杂推理与上下文理解

• 可以接近人类逻辑思维

• 适合智能问答、法理分析、诊断决策等高级任务

---

✅ 小结对比

类型	实现难度	可解释性	智能程度	示例场景
if-else规则	⭐	✅ 高	❌ 低	教学/简单诊断
experta规则引擎	⭐⭐	✅ 高	⚙️ 中	专家系统
机器学习模型	⭐⭐⭐	⚙️ 中	✅ 中高	模式识别
大模型推理（LLM）	⭐⭐⭐⭐	❌ 低	🌟 高	聊天、决策、问答