人工智能整体解决方案案例的推理方法主要分为四步：

1、检索：给出目标问题，从存储器中检索相关的案例来解决此问题。用例包含了一些问题，解决方案，以及关于该解决方案的注释。

2、复用：从过去的案例到目标问题的映射解决方案。这个过程包括对新场景进行适应性更改。

3、修改：在从过去的案例到目标场景的映射后，测试新的解决方案在真实世界(或模拟场景)中是否有效，如有必要则进行修改。

4、保留：如果解决方案成功地解决了目标问题，则将解决方案作为一个全新的案例存储在内存中。

人工智能整体解决方案这种方法的争议点在于，它采用一些没有得到证实的证据作为主要操作准则。缺乏统计数据的支持，难以保证结论的准确性。一切基于少量资料所作的推论都被视为未经证实的证据。

人工智能整体解决方案将问题的解方法应用于现实问题，是基于案例推理这一概念的目的。该解决方案存储在数据库中，作为人类专家的经验总结。在系统出现史无前例的问题时，将其与过去的问题进行对比，找出与现有问题最接近的一个。那么根据以往的解决方案来解决这个问题，并根据成功与否来更新数据库。

人工智能整体解决方案通常将基于实例的推理系统视为规则系统的扩展。与规则系统相似，基于案例的推理系统擅长于用人最熟悉的方式呈现知识，不仅具有从过去案例学习并生成新案例的能力。人工智能整体解决方案基于案例的推理系统，和基于规则的系统一样，基于案例推理系统的强项在于以人为基础的推理方法来呈现信息；同时，基于案例推理系统也具有从过去案例学习到新增案例的能力。