文档目录

规则引擎：业务决策如何被沉淀

芒旭软件规则引擎将业务规则从代码中抽离为可配置、可追溯、可版本化的数字资产，解决规则硬编码、判断不一致、无法追溯三大问题。

  • 将散落代码中的业务规则抽离为可配置决策单元，告别硬编码发版。
  • 支持条件矩阵、决策表、决策树、评分卡四种可视化配置方式。
  • 版本管理、灰度发布与回滚机制让规则变更安全可控。
  • 提供实时校验、批量处理、事件触发、编排调用四类执行模式。
  • 规则市场内置50+模板与行业规则包，支持跨项目复用。

业务决策不应该藏在代码里。 每一条审批标准、每一个计算公式、每一项合规检查——这些业务决策是组织的核心知识，应该被清晰地定义、集中地管理、可追溯地执行。

规则引擎是元序·智序体七台引擎的"决策大脑"——它将散落在代码中的业务规则抽离为可配置、可复用的决策单元，让政策变化不再等于代码变更，让业务决策成为可管理、可追溯、可版本化的数字资产。

一、为什么需要规则引擎

1.1 传统业务规则管理的三大困境

在政企业务规则管理中，面临三个系统性的困境：

困境一：业务规则硬编码在程序中，改一条规则要改代码发版。

"金额超过 100 万需要局长审批""材料不齐全自动退回""超时 3 天自动预警"——这些业务规则被写死在代码的 if-else 分支中。当政策调整导致规则变化时，需要修改代码、测试、发版，周期 1~2 周。 在这期间，业务要么按旧规则运行（不合规），要么线下手工处理（效率低）。

困境二：规则分散在不同模块，同一件事在不同地方判断逻辑不一致。

"申请人资格校验"在 A 模块用一套逻辑，在 B 模块用另一套逻辑——同一个条件在不同地方判断结果不同，导致业务矛盾和数据错误。 更严重的是，这种不一致往往在出事后才被发现。

困境三：规则无法追溯——为什么这笔申请被拒？不知道当时用的什么规则。

审计部门问："这笔许可申请为什么被退回？"系统只能回答"被拒绝了"，但无法回答"基于哪条规则、在什么时间、由什么逻辑判定"。规则执行不可追溯，审计和合规成为难题。

1.2 规则引擎的定位

规则引擎在元序·智序体中的定位：

维度定位核心价值
七台引擎之决策层负责业务决策的集中管理与自动执行决策中枢
规则即资产业务规则从代码中解放，成为独立资产资产管理
多模式执行实时校验、批量处理、事件触发、编排调用灵活执行
全程可追溯每笔业务的规则命中详情完整记录合规审计

规则引擎的本质：将"业务规则"从代码逻辑升级为可配置、可追溯、可版本化的数字资产，让业务决策从"暗箱操作"变为"透明治理"。

二、核心能力详解

2.1 可视化规则配置

四种规则模式，覆盖从简单到复杂的全部决策场景。

规则引擎提供多种可视化规则配置方式，让业务人员也能定义业务规则：

  • 条件矩阵：多条件组合（AND/OR/NOT），可视化配置判断逻辑——适用于"满足 A 且 B 或 C 则通过"类的组合判断；
  • 决策表：行 = 规则、列 = 条件 + 结果，一张表管理同类决策——适用于"金额分级审批""材料完整性检查"等表格化规则；
  • 决策树：树形结构逐层判断，适用于层级分明的业务规则——如资格审查的多层条件判断；
  • 评分卡：各维度打分 → 加权汇总 → 分级决策——适用于信用评估、风险评估等需要打分的场景。

决策表示例：

资金分级审批规则：
┌──────────┬──────────────┬──────────────┐
│ 金额范围   │ 审批层级      │ 审批时限      │
├──────────┼──────────────┼──────────────┤
│ < 10 万   │ 科长审批      │ 3 个工作日    │
│ 10~100 万 │ 处长审批      │ 5 个工作日    │
│ 100~500 万│ 分管副局长审批 │ 7 个工作日    │
│ > 500 万  │ 局长审批      │ 10 个工作日   │
└──────────┴──────────────┴──────────────┘

2.2 规则生命周期管理

版本管理、灰度发布、回滚机制——规则变更安全可控。

  • 版本化管理：每条规则有版本号，修改不影响已执行的历史记录——2024 年执行的申请按 2024 版规则，2025 年执行的申请按 2025 版规则；
  • 灰度发布：新规则先对 10% 的业务生效，验证无误后再全量切换——降低规则变更风险；
  • 回滚机制：规则执行异常时自动回退到上一版本——确保业务不中断；
  • 生效时间：可设置规则的生效/失效日期，到期自动切换——如"新收费标准从 2025 年 1 月 1 日起生效"。

2.3 规则执行模式

四种执行模式，覆盖业务规则的全部使用场景。

  • 实时校验：表单提交时实时调用规则校验——如材料完整性检查、格式校验、金额范围校验，毫秒级响应；
  • 批量处理：对存量数据批量执行规则——如合规性筛查、数据质量检查、风险排查，支持百万级数据批量处理；
  • 事件触发：业务事件发生时自动触发规则——如超时自动预警、状态变更自动通知、异常自动告警；
  • 编排调用：多条规则按流程编排，形成决策链——如先执行资格校验→再执行材料校验→最后执行额度计算。

2.4 规则调试与追溯

模拟测试、执行日志、影响分析——规则管理全程透明。

  • 模拟测试：输入测试数据，查看规则命中情况和执行路径——在规则发布前充分验证；
  • 执行日志：每笔业务的规则命中详情完整记录——"这笔申请因为不满足条件 B2（注册资本 < 100 万）被拒绝"；
  • 影响分析：修改规则前，自动分析影响范围——"修改这条规则将影响 15 个业务流程、日均 300 笔业务"；
  • 规则审计：定期生成规则执行报告——哪些规则被频繁命中、哪些规则从未触发、哪些规则存在冲突。

2.5 规则市场

内置常用规则模板 + 行业规则包——开箱即用、跨项目共享。

  • 常用规则模板：材料校验、时限计算、金额分级、资格判定、格式验证……50+ 通用规则模板；
  • 行业规则包：住建部审批规则、环保排放标准、不动产登记规则、财务审计规则……一键导入；
  • 跨项目共享：A 客户定义的规则，B 客户可以直接引用——交付效率大幅提升；
  • 社区贡献：合作伙伴可上传共享规则，形成规则生态。

三、核心价值

3.1 量化价值

维度传统方式元序基础方案元序 AI 增强
规则修改周期改代码→测试→发版（1~2 周）配置修改→即时生效AI 分析政策文件自动生成规则变更建议
规则一致性各模块各自实现（60~70%一致）一处定义，全局统一（100%）AI 自动检测规则冲突和冗余
规则追溯无法追溯每笔业务的规则命中详情可查AI 自动生成规则执行审计报告
规则复用复制粘贴代码规则市场一键引用AI 匹配最佳规则模板并推荐配置

3.2 定性价值

  • 政策快速响应：政策调整导致的规则变更，分钟级生效，不再等待开发排期；
  • 消除规则矛盾：一处定义、全局统一，消除不同模块间的规则矛盾；
  • 满足审计合规：每笔业务的规则执行过程完整留痕，满足审计和监察要求；
  • 积累决策知识：每一条规则都是组织的核心知识，不因人员变动而丢失。

四、数据资产沉淀

4.1 规则资产化

规则引擎将"业务规则"从代码逻辑转化为可管理的数字资产：

资产类型内容沉淀方式
规则定义条件矩阵、决策表、决策树、评分卡配置→发布→入库
执行记录每笔业务的规则命中详情运行时自动采集
效率数据规则执行频次、命中率、耗时统计运行时自动采集
行业规则包面向特定行业的完整规则集合项目沉淀→行业提炼

4.2 四层沉淀模型

第一层：业务数据 —— 规则执行产生的决策记录、审批日志
    ↓
第二层：知识资产 —— 规则定义、决策模型、行业规则包
    ↓
第三层：AI 模型 —— 基于规则执行数据的规则优化建议、冲突检测模型
    ↓
第四层：行业模板 —— 经过多个项目验证的行业级规则解决方案

五、与其他基座的关系

5.1 协同关系

规则引擎是七台引擎的"决策层"，与引擎家族和各大基座紧密协同：

基座/引擎协同方式协同价值
表单引擎表单校验规则、条件显隐由规则引擎驱动表单智能
流程引擎流程分支条件、自动审批规则由规则引擎提供流程智能
标准基座规则引用的数据标准、编码体系由标准基座定义标准统一
BI 引擎预警规则、阈值判断由规则引擎计算数据预警
智能基座AI 模型输出的决策建议通过规则引擎执行业务动作AI 落地
应用基座规则作为数字资产由应用基座统一管理版本资产管理

5.2 协同案例

以"环保处罚计算"为例：

  1. 标准基座定义"超标倍数""基准罚款金额"等数据元素；
  2. 规则引擎配置处罚计算规则——"超标 13 倍，罚款 = 超标倍数 × 基准金额 × 1.0；超标 35 倍，罚款 = 超标倍数 × 基准金额 × 1.5"；
  3. 表单引擎采集企业排放数据（排放浓度、标准限值、超标倍数）；
  4. 流程引擎在"处罚决定"节点调用规则引擎自动计算罚款金额；
  5. 脚本引擎在处罚决定生成后自动填充处罚告知书模板；
  6. BI 引擎分析各区域处罚数据——处罚金额分布、超标趋势。

六、实施建议

6.1 分阶段上线策略

阶段目标周期关键动作
第一阶段核心规则上线2~4 周梳理 Top 20 高频规则→决策表配置→测试验证→上线
第二阶段规则治理深化4~6 周启用版本管理、执行日志、影响分析等高级能力
第三阶段规则市场建设持续沉淀行业规则包→跨项目推广→形成规则生态

6.2 关键成功因素

  • 规则梳理先行：先梳理散落在代码和文档中的业务规则，统一整理为决策表——不要边梳理边开发；
  • 从确定性规则开始：先上线"满足条件就执行"的确定性规则，积累经验后再处理概率性决策；
  • 定期规则审计：定期检查规则库——清理过期规则、消除规则冲突、合并重复规则。

七、结语

规则引擎是元序·智序体的"决策大脑"——业务规则是组织最核心的知识资产，它们不应该被锁在代码中，而应该被清晰地定义、集中地管理、透明地执行。

传统模式下，规则是代码的囚徒——改不动、看不见、追溯不了。元序规则引擎将规则从代码中解放出来，让它成为可配置、可追溯、可版本化的数字资产。当业务人员能自主管理业务规则，当每一条决策都有据可查，当政策变化不再意味着代码变更——这才是业务决策管理应有的方式。

规则引擎不只是自动化工具，更是组织知识的守护者。

相关标签政企数字化决策表规则治理规则审计审计追溯规则市场规则追溯决策自动化规则版本管理业务资产规则配置可视化配置
表单引擎：业务数据如何被采集建模引擎：业务世界如何被抽象