1987 年, Allen Newell 和John Laird、Paul Rosenbloom 提出了一 个通用解题结构SOAR[20]：即状态 State，算子 Operator 和结果 Result, 表示弱方法的基本原理是不断地将算子作用于状态，以得到新的结果。如图 3-4 所示，产生式记忆器和决策过程形成处理结构。产生式记忆 器中存放产生式规则,它进行记忆搜索及控制决策：首先，所有规则被 并行地用于工作记忆器, 判断优先权, 决定哪部分语境进行改变以及 如何改变；进一步地，决策阶段决定语境栈中要改变的部分和对象。
图 3-4 SOAR 的框图[20]
SOAR 中的所有成分统称为对象，这些成分包括状态、状态空间、
算子和目标。在 SOAR 问题求解过程中，大体上是一个分析-决策-行动的三部曲。
（1） 分析阶段
输入：库中的对象；
任务：从库中选出对象加入当前环境；
增加有关当前环境中对象的信息角色；控制: 反复执行，直至完成。
（2） 决策阶段
输入：库中的对象；
任务：赞成，或反对，或否决库中的对象。选择一个新的对象，用它取代当前环境中的同类对象。
控制：赞成和反对同时进行。
（3） 执行阶段
输入：当前状态和当前算子；
任务：把当前算子应用于当前状态。
如果因此而产生一个新状态，则把新状态加入库中，并用它取代原来的状态。
控制：这是一个基本动作，不可再分。
SOAR 系统运行过程中，在分析阶段, 任务是尽量扩大有关当前对象的知识，以便在决策阶段使用。决策阶段主要是进行投票，投票由规则来做，它可以看成是同时进行的，各投票者之间不传递信息，不互相影响。在执行阶段，如果当前环境的每个部分都有定义，则用当前算子作用于当前状态。若作用成功，则用新状态代替旧状态，算子部分成为无定义，重新执行分析阶段。
每当问题求解器不能顺利求解时，系统就进入劝告问题空间请求专家指导。专家以两种方式给以指导。一种是直接指令方式，这时系统展开所有的算子以及当时的状态。由专家根据情况指定一个算子。
指定的算子要经过评估，即由系统建立一个子目标，用专家指定的算子求解。如果有解，则评估确认该算子是可行的，系统便接受该指令，并返回去求证用此算子求解的过程为何是正确的。总结求证过程，从而学到使用专家劝告的一般条件，即组块。
另一种是间接的简单直观形式，这时系统先把原问题按语法分解成树结构的内部表示, 并附上初始状态，然后请求专家劝告。专家通过外部指令给出一个直观的简单问题，它应该与原问题近似，系统建立一个子目标来求解这个简单问题。求解完后就得到算子序列，学习机制通过每个子目标求解过程学到组块。用组块直接求解原问题，不再需要请求指导。
SOAR 系统中的组块学习机制是学习的关键。它使用工作记忆 单元来收集条件并构造组块。当系统为评估专家的劝告，或为求解简 单问题而建立一个子目标时, 首先将当时的状态存入工作记忆单元。当子目标得到解以后，系统从工作记忆单元中取出子目标的初始状态，删去与算子或求解简单问题所得出的解算子作为结论动作。由此生成 产生式规则，这就是组块。如果子目标与原问题的子目标充分类似, 组块就会被直接应用到原问题上, 学习策略就把在一个问题上学到 的经验用到另一个问题上。