智能体（Intelligent Agents）入门自学教程 4 基于规则的智能体

4.1 规则系统简介：IF–THEN 格式

• 基本思路
  规则系统由一组“如果 IF …，那么 THEN …”规则组成，智能体不断地：

  1. 感知环境（获取输入数据）
  2. 规则匹配（检查哪些 IF 条件为真）
  3. 动作执行（对满足条件的规则执行对应的 THEN 操作）

• 规则结构

  IF <条件表达式> THEN <动作或结论>
  

  • 条件表达式：可包含多种感知变量，例如传感器读数、用户输入、环境状态等
  • 动作：可以是输出一条信息、调用一个函数、改变环境或更新内部状态

• 规则引擎简易伪码

  rules = [ (condition1, action1),
            (condition2, action2),
            … ]
  
  while True:
      percept = sense_environment()
      for cond, act in rules:
          if cond(percept):      # 条件匹配
              act(percept)       # 执行动作
              break               # 如果只想触发第一个匹配，可 break
  

• 冲突解决

  • 优先级：为规则分配优先级，先执行高优先级规则
  • 随机选择：从所有匹配规则中随机选一个执行
  • 最特殊化：选择条件最具体的规则

---

4.2 示例

示例 1：简单 FAQ 聊天机器人

# 规则库：关键词 → 回复
rules = {
    "你好":      "你好！有什么可以帮您？",
    "价格":      "我们的产品价格在 100–500 元之间，具体视型号而定。",
    "折扣":      "本月折扣高达 20%，详情请咨询客服。",
}

def faq_bot(user_input: str):
    for keyword, reply in rules.items():
        if keyword in user_input:
            return reply
    return "抱歉，我没听懂，请换个说法。"

# 运行示例
print(faq_bot("请问价格是多少？"))   # → 我们的产品价格在 100–500 元之间...
print(faq_bot("折扣力度？"))         # → 本月折扣高达 20%...

思考：这种实现简单易懂，但只能基于“关键词包含”做匹配，无法处理更复杂的语言。

---

示例 2：智能温控器

# 设定阈值
TEMP_LOW  = 18  # 摄氏度
TEMP_HIGH = 26

def thermostat_agent(temp: float):
    if temp < TEMP_LOW:
        return "启动暖气"     # THEN
    elif temp > TEMP_HIGH:
        return "启动空调制冷"
    else:
        return "温度适宜，保持当前状态"

# 模拟不同温度读数
for t in [16.5, 22.0, 28.3]:
    print(f"当前温度 {t}℃ → {thermostat_agent(t)}")

延伸：加入“湿度”或“空气质量”规则，让代理更加智能。

---

示例 3：避障小车（二维网格）

import random

# 网格：0 可通行，1 障碍
grid = [
    [0,0,0,1],
    [0,1,0,0],
    [0,0,0,0],
]
pos = [0, 0]         # 起点 (row, col)
directions = [(0,1),(1,0),(0,-1),(-1,0)]  # 右、下、左、上

def sense_obstacle(pos, dir):
    r, c = pos
    dr, dc = dir
    nr, nc = r+dr, c+dc
    if 0 <= nr < len(grid) and 0 <= nc < len(grid[0]):
        return grid[nr][nc] == 1
    return True  # 出界也当做障碍

rules = [
    # 优先尝试向“右”走，否则向“下”，否则随机
    (lambda p: not sense_obstacle(p, directions[0]), lambda p: (p[0], p[1]+1)),
    (lambda p: not sense_obstacle(p, directions[1]), lambda p: (p[0]+1, p[1])),
    (lambda p: True,                               lambda p: random.choice(directions)(p)),
]

# 简易执行一轮
for step in range(5):
    for cond, act in rules:
        if cond(pos):
            pos = act(pos)
            break
    print("移动到", pos)

思考：如何给规则加优先级？如何避免陷入死循环？

---

4.3 练习

1. 扩展 FAQ 机器人

   • 将规则库改为列表形式，支持多关键词匹配：

     rules = [
       (["你好","嗨"],      "你好！"),
       (["价格","多少钱"],  "产品价格在..."),
       …
     ]
     

   • 实现：当用户输入包含任一关键词列表时，触发该回复。

2. 多条件温控器

   • 在“温度”之外加入“湿度”判断：
     • 湿度 > 70% → “启动除湿模式”
     • 温度 < 18 且湿度 > 60 → “同时启动暖气和除湿”
   • 练习：设计不少于 5 条规则并用代码实现。

3. 规则加载与热更新

   • 将规则库写入一个 JSON 文件，格式例如：

     [
       {"if": "temp < 18",      "then": "启动暖气"},
       {"if": "humid > 70",     "then": "启动除湿"},
       …
     ]
     

   • 实现：程序启动时加载规则；运行中检测到文件变更后自动重载并生效。

4. 避障小车改进

   • 为小车增加“回溯”能力：若前后左右均有障碍，则往回走；
   • 实现一个“访问记录”列表，避免重复走同一格子。
   • 统计完成 20 步后访问过多少不同格子。

5. 自行设计小项目

   • 选择一个生活场景（如智能灯光、浇花系统、消息通知等），用至少 6 条 IF–THEN 规则实现一个小型智能体。
   • 编写 README，说明每条规则的含义与优先级策略，并演示运行效果。

---

以上内容既有原理解析，又通过多个示例让你快速上手；练习部分难度可自行调整，边动手边思考规则引擎的扩展与优化。祝学习愉快！