逻辑与规则：让推理依据可以追问

规则适合表达明确要求

星河玩具展规定：如果玩具是易碎模型，那么展示时需要软垫。我们记录玻璃星球是易碎模型这一事实，就能推出玻璃星球需要软垫。规则系统把已知事实与条件关系显式写出来，适合执行清楚、可检查的要求。它与从大量例子学习模式的方法不同：结论依赖我们提供的事实和规则是否正确。规则写得越多不代表知识越完整，尤其当要求经常改变时，版本与适用范围必须一起维护。

一条合法推导的形状

命题逻辑处理可判真假的完整陈述，谓词逻辑进一步表达对象、属性与关系。可以把规则写成对任意玩具，如果它易碎，就需要软垫，再把具体对象代入。这里的任意有范围，必须限定为本展的玩具，而不是对所有现实事物作无限承诺。正向推理从事实触发规则，逐步得到新事实；反向推理从希望证明的目标出发，寻找哪些规则与前提可以支持它。两者是组织推理的方式，不保证输入事实本身可信。

反过来推常常会错

需要软垫并不能推出一定易碎，因为软垫也可能用于防滑或装饰。这叫把充分条件误当成必要条件。类似地，未记录易碎不等于已经证明不易碎，除非系统明确采用封闭世界假设，并且当前属性适合这种假设。开放世界假设允许未提及事实保持未知，常用于知识组织。不同假设会改变结论，不能在同一次解释中随意切换，把找不到记录说成绝对不存在。

冲突与解释需要一起设计

展览规则一说所有发光玩具放到亮区，规则二说易碎玩具不能放到亮区，因为那里空间拥挤；某件玩具既发光又易碎，就出现冲突。系统不能只按规则出现顺序偷偷选一个答案。可以预先规定规则优先级，或输出冲突并请求负责人澄清。推理记录应列出使用了哪些事实、规则版本与例外，而不只给最终标签。显式可追踪并不意味着一定正确，错误规则也可以被非常清楚地执行。

从小范围规则开始

练习时先选三件虚构玩具，写两项事实和两条规则，再逐步推导一项结论。每条规则注明适用范围与来源，例如本次桌面展的布置说明，而非假装普遍常识。对于未知属性，记录待确认；对于相互矛盾的事实，先调查而不是强行合并。规则路线的优势是要求透明、便于核对，弱点是自然语言中的模糊概念和大量例外难以直接编码。遇到模糊分类，可以与数据模型结合，但仍要保持事实来源和决策边界清楚。