你是不是觉得对话机器人都得靠复杂的大模型？其实不然！在很多简单场景（比如固定问答、业务引导）里，规则驱动的对话系统反而更稳定、更易控------就像给机器人写一本"应答手册"，让它严格按你的剧本说话。 今天就用 Python 的两个神器------内置的re库和第三方pyknow库，手把手教你从零搭建规则引擎。
一、先搞懂：什么是"规则引擎"？
规则引擎的核心是 "如果A，就做B" 的硬编码逻辑。比如：
-
(1)用户说"你好"→ 回复"你好呀！"
-
(2)用户说"查天气"→ 回复"今天晴天"
二、工具1：re库------简单关键词匹配
re是Python内置库（不用额外安装），专门用来在字符串里"找关键词"。 就像你在一篇文章里用"Ctrl+F"搜索单词一样。
1.先认识核心函数：re.search()
这是re库最常用的函数，作用是：在一段文字里，找有没有符合"模板"的内容。
函数格式：
python
re.search(模板, 要搜索的文字, [其他设置]其中：
（1）模板：用"正则表达式"写的搜索规则（后面详细讲）。
（2）要搜索的文字：用户输入的话（比如"你好呀！"）。
（3）其他设置（可选）：比如忽略大小写（re.IGNORECASE）。
返回值：
（1）如果找到：返回一个"匹配对象"（可以理解为"找到了"的标记）。
（2）如果没找到：返回None（可以理解为"没找到"的标记）。
2.正则表达式：模板（字符作用详解）
"模板"就是告诉电脑"我要找什么样的词"，用正则表达式写。下面是新手必知的字符：
| 字符/符号 | 作用（零基础版） | 例子 |
|---|---|---|
| r'内容' | 告诉Python"里面的内容是原始字符串"（避免特殊符号被误解），必须加r和引号。 |
r'你好'→ 搜索"你好"这个词 |
| ` | ` | 表示"或者"，匹配多个关键词中的一个。 |
() |
分组，把要提取的部分括起来（比如提取订单号）。 | r'订单(\d+)'→ 提取"订单"后的数字 |
\d |
匹配任意数字（0-9），等价于[0123456789]。 |
\d{5}→ 匹配5位数字（如12345） |
{n,} |
前面的字符至少出现n次（{5,}表示至少5次）。 |
\d{5,}→ 匹配5位以上数字（如123456） |
. |
匹配任意单个字符（除了换行符），如果想匹配"."，要写成\.。 |
r'天气.'→ 匹配"天气"+任意1个字符 |
**3.**python实例代码（问候+天气机器人）
下面写一个简单机器人：用户说"你好""嗨""hello"就回复问候，说"天气""气温"就回复天气
python
import re # ① 导入re库（必须写，否则用不了re的函数）
def rule_bot(user_input): # ② 定义一个函数，参数是用户输入的话 # ③ 把输入转为小写（避免"Hello"和"hello"匹配不到）
text = user_input.lower() # lower()是字符串自带函数，转小写 # ④ 规则1：用re.search()找问候关键词（你好|嗨|hello|您好）
if re.search(r'你好|嗨|hello|您好', text): # ⑤ 模板是r'你好|嗨|hello|您好'
return "你好！我是规则机器人，很高兴为你服务～" # ⑥ 找到就返回这句话
# ⑦ 规则2：用re.search()找天气关键词（天气|气温|下雨吗|温度）
elif re.search(r'天气|气温|下雨吗|温度', text):
return "【模拟天气】今天晴，20-28℃，微风～" # 找到就返回天气 # ⑧ 规则3：没找到任何关键词，返回默认回复
else:
return "抱歉，我只懂问候、天气哦～换个说法试试？"
# ⑨ 测试函数：输入不同的话，看返回结果
print(rule_bot("你好呀！")) # 输入"你好呀！"→ 匹配规则1 → 输出问候
print(rule_bot("今天会下雨吗？")) # 输入"今天会下雨吗？"→ 匹配规则2 → 输出天气
print(rule_bot("你是谁？")) # 没匹配 → 输出默认回复逐行解释
① import re： 必须写！告诉Python"我要用re库里的函数"。
② def rule_bot(user_input):：定义一个叫rule_bot的函数，user_input是参数（用户输入的话）。
③ text = user_input.lower()：user_input是用户输入的字符串，lower()是字符串方法，把字符串转成小写（比如"Hello"→"hello"）。
④ if re.search(...)：re.search(模板, 文字)在text里找模板内容。如果找到（返回非None），就执行下面的return。
⑤ 模板r'你好|嗨|hello|您好'：r''表示原始字符串，|是"或者"，所以匹配"你好""嗨""hello""您好"中的任意一个。
⑥ return "..."： 函数返回这句话（作为机器人的回复）。
⑦ elif re.search(...)： elif 是"否则如果"，如果规则1没匹配，就试规则2。
⑧ else：如果所有规则都没匹配，执行else里的return。
⑨ print(rule_bot("..."))：调用函数，传入测试输入，打印返回结果。
三、工具2：pyknow库------复杂规则推理
如果规则复杂（比如"用户说头疼+发烧>38.5℃→建议就医"），re库就不够用了。这时用pyknow库------一个"推理引擎"，能像人一样"多条件判断"。
pyknow是第三方库，必须先安装才能用：
打开电脑的"命令提示符"（Windows）或"终端"（Mac/Linux），
输入：
bash
pip install pyknow # 回车，等安装完成2.核心概念：Fact（事实）+ Rule（规则）+ 引擎
pyknow的工作逻辑像"自动核对机"：
Fact（事实）：记录用户输入的信息（比如"症状=头疼，严重程度=轻微"），像一张"信息卡片"。
Rule（规则）：写"如果...就..."的纸条（比如"如果有头疼+轻微症状，就建议休息"）。
引擎（KnowledgeEngine）：把"信息卡片"和"规则纸条"放进去，自动核对，触发符合条件的规则。
3.核心函数/字符详解
① class Fact:------ 定义"信息卡片"
用类（class）定义一个"事实"，比如记录症状：
python
class Symptom(Fact): # Symptom是自定义的名字，继承Fact
pass
# 空着就行，pyknow会自动处理字段之后可以用Symptom(症状名=..., 严重程度=...)创建"信息卡片"。
② @Rule------ 定义"如果...就..."规则
用装饰器@Rule写规则，格式：
python
@Rule(条件) # 条件是"信息卡片"的组合def 规则名(self):
# 函数名随便起，self是固定参数
print("要执行的操作") # 比如回复建议③ 条件写法：多条件组合
（1）&：表示"并且"（同时满足）。
（2）P(lambda 变量: 条件)：处理数值条件（比如体温>38.5℃）。
（3）MATCH.变量名：在规则中引用"信息卡片"的字段。
（4）engine = 引擎类()：创建一个引擎实例（比如engine = MedicalAdvisor()）。
（5）engine.reset()：清空引擎里的旧信息（每次新对话前必须调用）。
（6）engine.declare(事实)：把"信息卡片"放进引擎（比如（)engine.declare(Symptom(症状=...))）。
（7）engine.run()：启动引擎，自动核对规则和事实，触发符合条件的回复。
4.实例代码逐行讲解（症状咨询机器人）
写一个机器人：用户说"头疼+轻微"→建议休息；说"头疼+严重+发烧>38.5℃"→建议就医。
python
from pyknow import * # ① 导入pyknow库所有内容
# ② 定义"事实"：记录症状（信息卡片）
classSymptom(Fact):pass
# 空类，pyknow会自动识别字段# ③ 定义"引擎"（规则处理器）classMedicalAdvisor(KnowledgeEngine): # 继承KnowledgeEngine# ④ 规则1：单一症状（头疼+轻微）→ 建议休息
@Rule(Symptom(symptom="头疼", severity="轻微")) # 条件：症状=头疼，严重程度=轻微
defadvise_headache_mild(self): # 规则函数，self是固定参数
print("建议：多休息，避免强光，可热敷缓解～") # 触发后执行的操作# ⑤ 规则2：多条件组合（头疼+严重 且 发烧>38.5℃）→ 建议就医
# 条件1：头疼+严重（&是"并且"）
@Rule(Symptom(symptom="头疼", severity="严重")&Symptom(symptom="发烧"，temperature=P(lambda t: t > 38.5))
# 条件2：发烧+体温>38.5℃)
defadvise_emergency(self):print(" 警告：症状较严重，建议立即测血压/体温，不适随诊！") # ⑥ 规则3：默认规则（没匹配到任何症状时触发）
@Rule() # 无条件，就是"兜底的"defdefault_advice(self):print("抱歉，暂不支持该症状咨询，请咨询专业医生～")
# ⑦ 运行机器人：输入症状，引擎自动匹配规则
defrun_symptom_bot():engine=MedicalAdvisor() # 创建引擎实例
engine.reset() # 清空旧信息（必须！）# 模拟用户输入（实际中可从对话获取，这里简化）# 例1：用户输入"头疼,轻微"→ 症状=头疼，严重程度=轻微
engine.declare(Symptom(symptom="头疼", severity="轻微")) # 声明事实（放信息卡片） engine.run() # 启动引擎，触发规则1 → 输出建议休息# 例2：用户输入"头疼,严重"+"发烧,39℃"→ 两个条件都满足
engine.reset() # 先清空
engine.declare(Symptom(symptom="头疼", severity="严重"))
# 卡片1：头疼+严重 engine.declare(Symptom(symptom="发烧", temperature=39.0)) # 卡片2：发烧+39℃
engine.run() # 触发规则2 → 输出警告# ⑧ 测试运行
run_symptom_bot()逐行解释：
① from pyknow import *：导入pyknow所有功能（Fact、Rule、KnowledgeEngine等）。
② class Symptom(Fact): pass：定义"症状事实"，用来存症状名、严重程度、体温等。
③ class MedicalAdvisor(KnowledgeEngine):定义引擎类，继承KnowledgeEngine（pyknow的核心引擎）。
④ @Rule(Symptom(...))：规则1的条件------当引擎里有"症状=头疼，严重程度=轻微"的事实时，触发下面的函数
⑤ &和P(lambda t: t > 38.5)：规则2的条件------"头疼+严重"并且"发烧+体温>38.5℃"。P(lambda t: t>38.5)是pyknow的数值判断工具，t代表体温值。
⑥ @Rule()：默认规则，没有任何条件，当其他规则都不匹配时触发。
⑦ engine.declare(Symptom(...))：把"症状事实"放进引擎（相当于给引擎一张信息卡片）。⑧ engine.run()：启动引擎，自动检查所有规则，触发符合条件的回复。
四、动手试试！从"抄代码"到"改代码"
-
re库练习 ：把实例1的问候关键词改成
r'早上好|早安|hi'，测试输入"早安！"看是否回复。 -
pyknow库练习 ：在症状机器人里加一条规则"如果症状是'咳嗽'+'无痰'，建议多喝水"，用
@Rule(Symptom(symptom="咳嗽", phlegm="无"))实现。