智慧安防云平台核心服务与AI智能体产品系统

该项目主要服务于智慧城市、智慧园区、智能楼宇等安防监控场景。传统安防系统面临诸多挑战：海量IoT摄像头设备接入与管理复杂；视频流分析实时性要求高，传统中心式计算架构带宽与延迟压力大；告警事件发生后，依赖人工复核与处置，响应慢、效率低。此外，如何从历史安防数据中挖掘潜在风险模式，实现从事后追溯向事前预警的转变，成为行业核心痛点。本项目旨在通过云边端协同的微服务架构与AI智能体技术，构建一个高可用、智能化、可灵活扩展的新一代安防中台，解决上述产品与业务难题。

核心功能模块：

设备接入与微服务网关：基于Go语言开发的高性能网关，支持海量IoT摄像头通过标准协议（如GB/T 28181, ONVIF）安全接入与信令控制。

实时视频智能分析微服务：使用Go开发的独立微服务，接收视频流，集成人脸识别、人体检测、区域入侵等算法，实现毫秒级分析并将结构化结果（如识别到的人脸特征、事件类型）推送至消息队列。

事件中心与工作流引擎：基于Java和Spring Cloud构建，负责接收、分类、存储所有AI分析产生的事件。内嵌规则引擎，可配置复杂告警规则（如“陌生人频现A区”）。

大模型安防智能体（Agent）：基于LangChain框架开发，对接事件数据库与知识库。可接受自然语言查询（如“调取昨天下午三点东门的所有陌生人记录”），自动生成检索指令并返回图文报告；还可对连续告警事件进行智能摘要与根因推测。

统一管理控制台：提供设备管理、服务监控、告警看板、智能体对话界面等功能的Web前端。

主要功能描述：本项目实现了从IoT设备接入、实时视频AI分析、事件中心处理到智能交互的完整闭环。它不仅能实现精准、快速的人脸识别与事件检测，更通过大模型智能体赋予系统“思考”与“对话”能力，将被动监控升级为主动的智能安防分析与决策辅助平台，极大地提升了安保人员的工作效率与系统智能化水平。

我负责的具体任务：我作为该项目的后端架构师与核心开发者，主导了整体微服务架构设计。具体负责：

使用Go语言独立开发了设备接入网关和人脸识别微服务，重点优化了视频流的编解码处理与特征比对性能。

使用Java与Spring Cloud Alibaba（Nacos, Sentinel）搭建了事件中心、用户权限等微服务，并设计了服务间的gRPC通信与异步消息（Kafka）流程。

基于LangChain框架，开发了安防智能体（Agent），集成了RAG（检索增强生成）技术，使其能基于私有知识库（如设备手册、处置预案）进行问答。

使用Docker容器化所有服务，并编写Kubernetes编排文件，在云端实现一键部署与弹性伸缩。

技术栈、架构、亮点与难点：

技术栈：Go, Gin, Gorm, Pion (WebRTC) / Java 17, Spring Boot, Spring Cloud, MyBatis-Plus / Redis, Kafka, MySQL, Elasticsearch / Docker, K8s / LangChain, ChromaDB。

架构：采用 “云边端协同”​ 架构。边缘侧（Go微服务）处理实时高并发视频流分析；云端（Java微服务集群）负责业务聚合、数据持久化与智能体应用；通过Kafka实现云边可靠通信。整体为松耦合的微服务设计，便于独立升级和扩展。

亮点：

性能：人脸识别微服务（Go）通过连接池、对象复用和并发模型优化，单实例可并发处理百路视频流，平均延迟