每一个模组各自独立工作，并且由一个中央产生系统协调。ACT-R的核心是描述性知识模组和中央产生系统。描述性知识模组存储了个体所积累的长期不变的认识，包括基本的事实（例如“上海是中国的一座城市”）、专业知识（例如“交通信号控制方案的设计方法”）等。中央产生式系统存储了个体的程式性知识，这些知识以条件-动作（产生式）规则的形式呈现，当满足一定条件时，相应的动作将被对应的模组执行，产生式规则的不断触发能够保证各个模组相互配合，模拟个体做出的连续认知过程。

整个系统的运行规则可以用一个简单的例子呈现。当人们计算“3+2=？”时，目标模组将把当前目标设定为“计算结果”，由于“目标是‘计算结果’”这一条件满足，中央产生式系统将触发动作“识别问题中的数字和符号”，视觉模组将负责识别数字和运算符号，中央产生式系统根据视觉模组的反馈发布指令搜寻知识，描述性知识模组将在描述性知识库中搜寻与“3”，“2”，“+”有关的知识，例如“3+1=4”、“3+2=5”、“2+4=6”等，并将最相关的知识提炼出来，即“3+2=5”，中央产生式系统再控制动作模组写下答案。

ACT-R 已经被使用来研究人类性能的不同的方面包括感知和注意力、学习和记忆、问题解决和做决定、语言处理、智慧型代理、智慧型辅导系统、人类－计算机互动。ACT-R 能够在很多不同的方面与 SOAR, DUAL, EPIC, Psi, Copycat 和包容架构相比较。

ACT-R是一种认知架构，用以仿真并理解人的认知的理论。ACT-R试图理解人类如何组织知识和产生智慧型行为。ACT-R的目标是使系统能够执行人类的各种认知任务，如捕获人的感知、思想和行为。