斐波那契 FiboRule - 实时AI智能决策引擎、规则引擎、风控引擎、数据流引擎。 通过可视化界面进行规则配置，无需繁琐开发，节约人力，提升效率，实时监控，减少错误率，随时调整； 支持规则集(复杂、脚本)、评分卡、决策树，名单库管理、机器学习模型、三方数据接入、定制化开发等；
FiboRule - 实时智能决策引擎
一款将公司的商业规则转化成商业决策，通过将公司的行业决策经验进行知识化，来辅助公司做各种商业决策的决策引擎。
ddp---java后端代码
h5-auth-manager --- 权限前端代码
h5-datax-manager --- 指标中心前端代码
h5-enginex-manager -- 规则引擎前端代码
sql --- sql初始化脚本
加官方微信号，进开源交流群。
扫描二维码，添加WhatsApp。
FiboRule整体功能架构如下图所示
包括几个中心和一个执行器，其中：
数据中心设计的目的是配置和获取各种类型的指标数据，而不用再编写大量的程序。支持多种类型的指标和数据获取方式，通过多种数据获取方式、业务人员或者技术人员可以轻松获取指标数据。 目前支持的指标获取如下：
基础指标的数据获取有两种方式：一是在调用引擎时作为参数传入。二是在实现 标准的指标中心 的接口，在需要该指标时，会调用指标中心获取数据
SQL指标是通过编写SQL获取指标数据，在需要该指标数据，会执行已经配置好的SQL，通过执行SQL，来动态获取数据。
接口指标是通过配置Http的请求接口来获取指标数据，在需要该指标数据时，会调用该接口，用该接口返回的数据来获取指标数据。
衍生指标是用其他指标通过计算生成一个新的指标，支持表达式和groovy脚本等多种数据加工方式。
策略中心是用指标通过条件组合构成各种规则，支持多种策略编辑方式，不同的场景适合采用不同的策略。目前支持的策略编辑方式如下：
平铺式的规则编辑方式，特别适合同一层的条件项很多，但没有复杂嵌套关系的场景。
复杂规则支持条件的无限嵌套和循环嵌套，支持过滤、求和等操作，适合有复杂嵌套关系的场景。
评分卡支持多维，支持多种维度的条件组合。结果支持直接得分、系数得分、自定义等多种得分方式，适合各种业务的评分需求。
决策表支持普通的一维决策表和多维的交叉决策表。
名单库是判断某项信息是否在名单中的一个策略，支持自定义，根据业务需求配置各种名单库。
机器学习模型支持通过其他机器学习平台训练出来的PMML文件，通过对PMML文件的配置管理，支持各种模型。
引擎中心是对引擎的配置和管理，一个引擎是对外提供决策服务的一套决策流。研发人员可以在业务系统中调用引擎，获取引擎的决策结果后进行后续的业务处理。
对引擎的进行基本的管理和监控
对引擎的决策流进行配置，可以通过拖拉拽的方式进行决策流的配置，所见即所得。支持多种类型的决策节点，通过不同类型的决策的决策节点的组合构成一个完整的决策流。
监控中心是对整个决策流执行状态的监控、服务状态监控、报错通知，以及系统操作日志的监控
统计分析中心支持多个维度的统计分析报表
系统管理主要对系统权限相关的管理，包括：用户、角色、组织、资源
FiboRule决策引擎系统核心概念有：指标、规则、决策节点、决策流、决策引擎。它们的组成关系如下：
指标是客户的某个维度的信息，可来源于公司内部数据或者第三方数据
规则有指标+条件+动作组成，表示某种条件下做的动作
决策流的核心组成部分，多种决策节点，支持不同业务场景的决策流设计
一个决策流，是一个决策流程，有多个决策节点串连组成
一个引擎，对外提供一套服务接口，使用方调用指定引擎来获取决策结果
http://ex.fibo.cn 申请账号请加群