论文描述的重点是一类瞬时性的规则引擎，不对数据做持续化（所有运行结果只是储存在内存中），也不对数据间的关联关系做分析，所以实现算法相对简单，开发成本低，但能普遍适用于业务逻辑不因历史数据而发生改变的应用场景。

外部应用程序调用规则时，并不清楚使用的业务逻辑的细节到底是什么，只需调用规则引擎去加载特定的规则文档，规则引擎就会将处理的结果返回给应用程序。当需求发生改变的时候，业务设计者只需要用规则设计器打开规则文档，修改业务逻辑，重新保存。应用程序不需要修改一行代码就可以完成对业务逻辑的变更。

......

从上文对两种技术的分别阐述中可以看出，流程引擎是不对历史数据做存储的，是瞬时的规则引擎；而推理引擎需要历史数据作新的推导的依据。这是两者的本质区别。这种区别造成了流程引擎只需简单的对规则文档作解析，根据基础数据做出判断，而推理引擎需要分析数据间的相关性，产生新的事实。因此，从实现的角度上看，流程引擎明显要更易于实现。从应用的角度上分析，根据两者的不同特性，流程引擎使用于不需要对历史数据作分析的简单商业逻辑应用场景，而推理引擎能更深层次的挖掘数据，可以作为高级应用的选择，如：专家系统、智能决策系统等。

背景中描述了本项目的使用场景，可以看出是简单的商业应用的场景，因此，决定使用简单使用的流程引擎，既能满足需求，也节省开发的成本、减小了开发的难度。

......

本文描述的规则引擎是浪潮GSP三期中的核心引擎之一，依靠浪潮多年的企业信息系统的开发经验，顺应企业信息系统“因需而变”的思想开发而成。在技术上，依托了微软最新的Dotnet 框架，在微软多名高级咨询师的指导下完成。

本人在设计时，参考了国外多个开源规则引擎的设计和大量的资料，实现了引擎的核心、外围组件和规则设计器，在轻量级的规则引擎方面做了一定的研究和创新尝试，有一定的实用意义。

因为在此之前，只有Java环境下有一些成熟的规则引擎，而Dotnet平台下很少有相关的资料和实现，所以本规则引擎在有一定的创新意义。本文还翻译了Rete算法并进行了举例解释，为想在自己的系统中实现Rete算法的读者有一定帮助。