​​框架表示法是一种结构化知识表示方法，其核心优势在于高效组织复杂信息、支持继承性推理，但存在过程性表达不足和适应性局限的问题。​​

1. ​​结构性优势​​：通过槽和侧面分层描述对象属性，显式呈现知识间的逻辑关系，例如用“人”框架的“职业”“身高”槽快速构建具体实例。这种模块化设计大幅提升知识库的可维护性和复用性。

2. ​​继承性推理​​：下层框架自动继承上层框架的槽值，减少冗余数据。例如“动物”框架定义“呼吸方式”后，“鸟类”框架无需重复声明，仅需补充“翅膀数量”等特有属性，既保证一致性又简化建模。

3. ​​自然认知匹配​​：模拟人类通过经验类比新事物的思维模式。当遇到“咖啡馆”新场景时，系统可调用“餐厅”框架快速推导出“菜单”“座位”等预期要素，仅需调整差异细节，降低知识获取成本。

4. ​​过程性知识短板​​：难以描述动态行为规则，如“如何冲泡咖啡”的步骤流程需结合产生式规则补充。纯框架系统在实时决策场景中易出现逻辑断层。

5. ​​原型适配局限​​：预设框架可能无法覆盖现实中的复杂变体。例如医疗诊断中，患者症状若偏离典型病例框架，系统可能因僵化结构而误判，需人工干预修正槽值约束。

​​提示：​​ 框架表示法适合静态知识建模，但需搭配其他方法（如规则引擎）处理动态逻辑，同时通过持续迭代槽约束提升泛化能力。