推理机是一组程序，用来控制、协调整个系统。是在一定的控制策略下，专家系统根据问题信息（用户与专家系统交流的信息）及知识库中的知识执行对问题的求解。

设计推理机时，应使其推理过程和专家的推理过程相类似，最好是完全一致。在专家系统中，常用的推理策略有正向推理、反向推理以及混合推理三种。

正向推理一般又称事实驱动的推理，是由原始数据出发，按一定的策略，运用知识库中的知识，推断出结论的方法。该方式由数据到结论，故又称为数据驱动或由底向上策略。基于正向推理的推理机至少能做到：根据数据库中的数据，知道选用知识库中哪些知识；将运用知识得到的结论存入数据库，并将所用过的知识记录下来（以备解释之用）；判断何时应结束推理，必要时向用户提问。

反向推理是先提出结论（假设），然后寻找支持这个结论的证据。若证据不足，重新提出新假设，再重复上述过程，直到得出答案为止。这种由结论到数据的策略，称之为目标驱动或由顶向下策略。基于反向推理的推理机至少有如下功能：提出假设，并运用知识库中知识判断此假设的真假。若真，记录下运用了什么知识（以备解释之用），同时告诉用户；若假，系统应能重新提出新的假设，再进行判断，必要时向用户询问情况。

先根据数据库中的原始数据，用正向推理帮助提出假设，再用反向推理，进一步寻找支持假设的证据，如此反复。反向推理机并不能随意确认条件的真或假，它只是引导用户进行反向推理，减少了推理的盲目性。在推理方法中，又有精确推理和不精确推理之分。在精确推理中，领域知识都表示成必然的因果关系和逻辑关系，推理的结论或肯定或否定，也可把可能性大于某个固定的值的假设认为是肯定的。在不精确推理中，证据不一定是肯定的，而是给予某种“权”。推理的规则也不是肯定的，也给予某种“权”。对多个证据或多条规则的推理要进行“权”的组合。当“权”值超过设定的阈值时，结论即可成立。“权”组合的方法不同，就形成不同的不精确性。在现实世界中，不肯定的问题占多数，故不精确推理难以避免，是必须认真对待的重要课题。

推理机的性能与构造一般与知识的表示方法有关，但与知识的内容无关，这有利于保证推理机与知识库的独立性，提高专家系统的灵活性。