Knowledge representation ：人工智能領域的有關知識是如何表達與操作的。
Expert System : 專家系統也被稱作 Knowledge-based System, 然而早期的專家系統是把邏輯寫死的。
Drools是一個Rule Engine， 它使用rule-based的方法實作專家系統, 可以更正确的歸類為Production Rule System-産生式規則系統.
Production Rule System 是一種Rule Engine， 也是一種Expert System.
一個Production Rule System是Turing complete(圖靈完全)的。The brain of a Production Rule System 是一個推理引擎（Inference Engine）。 推理引擎是用來比對facts and data與Production Rules的， 這個過程可以叫做模式比對（Pattern Matching）. 用于推理引擎的模式比對算法包括： Linear, Rete, Treat, Leaps.
Drools 實作并繼承了Rete算法，Leaps過去也實作過但現在已經retired了，由于其變的unmaintained了。Drools的Rete實作稱作ReteOO， 表示： the Rete algorithm for object oriented systems.
Rules 存儲在Production Memory中，而對應的facts存儲在Working Memory中。由于系統中可能包含很多規則與事實， 可能比對的時候出現多個規則比對成功，這樣會出現執行沖突(Be in conflict). 這裡就出現了Agenda 了， 這個用來保證沖突規則的執行順序的， 當然要通過一些沖突解決政策（Conflict Resolution strategy）。
對于一個Rule System來說， 有兩種執行方法：Forward Chaining 和 Backward Chaining。同時運用兩種方法的可以稱作混合規則系統（Hybrid Rule Systems）.
Forward chaining 是“data-driven”的，簡單地講，就是以fact開始的，事實傳播然後以一個conclusion結束。Drools就是一個forward chaining engine.
Backward Chaining是一個“goal-driven”的，簡單地講，就是一個以conclusion開始的， 然後引擎去嘗試去satisfy這個結論。如果不能滿足的話， 就又去查詢其他能被satisfy的conclusions.Drools計劃在未來的版本中提供對Backward Chaining的支援。
規則引擎的Advantages：
Declarative Programming： tell the Rule engines What to do , not How todo.
Logic and Data Separation(邏輯與資料分離)：data is in your domain objects, and the logic is in the rules. 這個從根本上break了資料與邏輯的面向對象耦合。
Drools的規則引擎使用步驟：
用KnowledgeBuilder的執行個體去編譯規則.drl檔案；
然後獲得一個KnowledgeBase 執行個體，把上步驟中builder執行個體擷取的KnowledgePackage添加到 KnowledgeBase執行個體中；
建立一個Knowledge session，接着insert facts, 再fireAllRules.