目录
[一、什么是 QLExpress？](#一、什么是 QLExpress？)
[1 场景描述](#1 场景描述)
[2 推荐规则脚本（QLExpress）](#2 推荐规则脚本（QLExpress）)
[3 系统实现](#3 系统实现)
[4 执行结果](#4 执行结果)
[5 推荐系统应用建议](#5 推荐系统应用建议)
[1 场景描述](#1 场景描述)
[2 风控规则脚本（QLExpress）](#2 风控规则脚本（QLExpress）)
[3 系统实现](#3 系统实现)
[4 执行结果](#4 执行结果)
[5 风控系统应用建议](#5 风控系统应用建议)
在大型系统中，规则引擎的存在使业务逻辑从代码中解耦出来，使得系统具备更高的灵活性与可维护性。阿里巴巴开源的 QLExpress 正是一款轻量级、高性能、可扩展的 Java 表达式引擎，广泛应用于推荐、风控、营销等场景。
本文将围绕两个典型业务场景：推荐系统 与 风控系统，详细演示如何使用 QLExpress 构建脚本型规则体系，实现"可配置、可执行、可热更新"的规则逻辑管理。
一、什么是 QLExpress？
QLExpress 是阿里巴巴开源的规则引擎工具，核心目标是通过类 Java 的脚本语法实现业务规则的动态编写与执行，具备如下特性：
| 特性 | 说明 |
|---|---|
| 轻量高性能 | 不依赖字节码增强或复杂 AST，内存占用小、性能优越 |
| 表达式能力强 | 支持 if, for, while, return 等控制结构 |
| 支持变量注入 | 可注入上下文对象、Java Bean、自定义函数 |
| 可运行时加载 | 可从数据库或配置中心动态加载脚本规则 |
| 安全可控 | 可配置沙箱环境，限制访问对象与方法 |
二、推荐系统中的规则脚本应用
1 场景描述
推荐系统通常需要基于用户画像、行为等动态特征生成推荐策略。以如下规则为例：
-
新用户 + 喜好"运动" → 推荐"运动入门课程"
-
活跃度高 → 推荐"高阶训练计划"
-
年龄小于 18 → 推荐"青少年专属内容"
这些规则变化频繁、迭代快速，采用脚本型规则管理更合适。
2 推荐规则脚本（QLExpress）
if (isNewUser && tags.contains("运动")) {
return "推荐：运动入门课程";
} else if (activityScore > 80) {
return "推荐：高阶训练计划";
} else if (age < 18) {
return "推荐：青少年专属内容";
} else {
return "推荐：通用内容";
}3 系统实现
import com.ql.util.express.DefaultContext;
import com.ql.util.express.ExpressRunner;
import java.util.Arrays;
import java.util.List;
public class RecommendDemo {
public static void main(String[] args) throws Exception {
// 模拟用户画像
UserProfile user = new UserProfile(17, Arrays.asList("运动", "学习"), 60, true);
// 上下文注入
DefaultContext<String, Object> context = new DefaultContext<>();
context.put("age", user.age);
context.put("tags", user.tags);
context.put("activityScore", user.activityScore);
context.put("isNewUser", user.isNewUser);
// 推荐规则脚本
String script = ""
+ "if (isNewUser && tags.contains(\"运动\")) {\n"
+ " return \"推荐：运动入门课程\";\n"
+ "} else if (activityScore > 80) {\n"
+ " return \"推荐：高阶训练计划\";\n"
+ "} else if (age < 18) {\n"
+ " return \"推荐：青少年专属内容\";\n"
+ "} else {\n"
+ " return \"推荐：通用内容\";\n"
+ "}";
Object result = new ExpressRunner().execute(script, context, null, true, false);
System.out.println("推荐结果：" + result);
}
static class UserProfile {
int age;
List<String> tags;
int activityScore;
boolean isNewUser;
UserProfile(int age, List<String> tags, int activityScore, boolean isNewUser) {
this.age = age;
this.tags = tags;
this.activityScore = activityScore;
this.isNewUser = isNewUser;
}
}
}4 执行结果
推荐结果：推荐：运动入门课程5 推荐系统应用建议
-
后台配置推荐规则脚本，实时热更新；
-
按用户群体拆分规则（新用户/老用户）；
-
日志记录命中规则，便于推荐效果分析。
三、风控系统中的规则判定
1 场景描述
风控系统中，我们需要实时评估用户风险。例如：
-
模拟器登录 → 拒绝
-
IP 与登录 IP 不一致 → 复审
-
短时间内频繁申请 → 复审
-
行为评分过低 → 拒绝
2 风控规则脚本（QLExpress）
if (deviceType == "模拟器") {
return "REJECT:模拟器登录";
} else if (ip != loginIp) {
return "REVIEW:IP地址异常";
} else if (applyCount > 5) {
return "REVIEW:申请过于频繁";
} else if (behaviorScore < 60) {
return "REJECT:行为评分过低";
} else {
return "PASS";
}3 系统实现
import com.ql.util.express.DefaultContext;
import com.ql.util.express.ExpressRunner;
public class RiskControlDemo {
public static void main(String[] args) throws Exception {
RiskContext user = new RiskContext("模拟器", "192.168.1.10", "192.168.1.10", 2, 85);
DefaultContext<String, Object> context = new DefaultContext<>();
context.put("deviceType", user.deviceType);
context.put("ip", user.ip);
context.put("loginIp", user.loginIp);
context.put("applyCount", user.applyCount);
context.put("behaviorScore", user.behaviorScore);
String script = ""
+ "if (deviceType == \"模拟器\") {\n"
+ " return \"REJECT:模拟器登录\";\n"
+ "} else if (ip != loginIp) {\n"
+ " return \"REVIEW:IP地址异常\";\n"
+ "} else if (applyCount > 5) {\n"
+ " return \"REVIEW:申请过于频繁\";\n"
+ "} else if (behaviorScore < 60) {\n"
+ " return \"REJECT:行为评分过低\";\n"
+ "} else {\n"
+ " return \"PASS\";\n"
+ "}";
Object result = new ExpressRunner().execute(script, context, null, true, false);
System.out.println("风控结果：" + result);
}
static class RiskContext {
String deviceType, ip, loginIp;
int applyCount, behaviorScore;
RiskContext(String deviceType, String ip, String loginIp, int applyCount, int behaviorScore) {
this.deviceType = deviceType;
this.ip = ip;
this.loginIp = loginIp;
this.applyCount = applyCount;
this.behaviorScore = behaviorScore;
}
}
}4 执行结果
风控结果：REJECT:模拟器登录5 风控系统应用建议
-
分维度组织规则（设备/IP/行为等）；
-
返回结果分类（REJECT/REVIEW/PASS）做后续分流；
-
记录执行日志与规则命中路径；
-
配合数据库存储规则并热加载。
四、设计建议
QLExpress 提供了一种 灵活、轻量、高性能 的方式来处理复杂的业务规则：
-
推荐系统中：策略运营人员可通过脚本灵活配置推荐逻辑；
-
风控系统中：安全/风控策略团队可动态调整风险判断规则；
-
实现代码与规则解耦，提升系统响应与变更效率；
-
可通过规则脚本 + 数据注入快速构建业务中台能力。
如果你正在构建一个需要规则动态变更、逻辑可配置的系统，那么 QLExpress 会是非常值得引入的工具。