产生式系统，由一系列条件—动作规则组成，形式为“如果条件成立，则执行动作”。推理过程包括规则的匹配、选择和执行。前向链推理从已知事实出发，通过规则推导出新的事实；后向链推理从目标出发，反向寻找支持规则的条件。的实验步骤和详细代码

产生式系统通常用于人工智能和专家系统的领域，它通过规则库进行知识表示和推理。下面是简单的实验步骤和一个Python伪代码示例：

**实验步骤**：
1. **构建规则库**：定义一些前提条件和相应的行动。例如，“如果天气炎热，那么开启空调”。
2. **初始化状态**：设置一些初始的事实（如当前天气）。
3. **推理过程**：
- **前向推理**：从已知事实开始，检查规则库，看哪些规则可以应用，然后执行相应的动作。
- **后向推理**：给定一个目标（如关闭空调），尝试找出满足该目标的前提条件。
4. **执行动作**：当规则触发时，根据规则的动作部分执行相应的操作。

**Python伪代码示例**（简化版）：

class ProductionSystem:
    def __init__(self, rules):
        self.rules = rules

    def match_and_execute(self, current_state):
        for rule in self.rules:
            if rule.match(current_state):
                rule.execute()
                break

    def backward_reasoning(self, target):
        # 检查目标是否可以逆向找到规则
        for rule in reversed(self.rules):
            if rule.reverse_match(target):
                return True
        return False

# 示例规则
rules = [
    {"condition": "weather == 'hot'", "action": "turn_on_air_conditioner"},
    {"condition": "air_conditioner == 'on'", "action": "cool_down"},
]

ps = ProductionSystem(rules)
current_weather = "hot"
ps.match_and_execute({"weather": current_weather})  # 启动空调
target = "air_conditioner off"
print(ps.backward_reasoning(target))  # 输出True，因为存在关闭空调的规则

请注意，实际的实现会更复杂，可能需要处理多种数据结构和错误处理，以及可能的循环推理等问题。此外，这只是一个基础概念介绍，具体的编程实现取决于你使用的工具和技术栈。