1本项目面向公安社会治安研判业务场景立项，当前基层民警处置涉稳、涉毒、在逃等预警线索时存在多重业务痛点：传统预警系统仅能被动推送结构化告警数据，民警需跨多套业务平台手动调取抓拍人脸、车辆轨迹、卡口点位、人员档案，多系统切换操作繁琐，空间范围筛选、多条件统计效率低下；同时海量设备台账、业务规范、研判流程文档无统一检索入口，新人上手周期长，复杂多线索串联研判缺少智能化辅助手段。
行业业务背景为公安视频治安防控体系，辖区部署数千路人脸识别、车辆抓拍前端设备，每日产生百万级抓拍数据与预警记录，原有单体架构系统并发能力弱、接口无统一限流熔断管控，多厂商业务服务无法互通，数据孤岛严重，缺乏标准化工具调用协议支撑 AI 大模型自主研判。项目旨在搭建微服务架构治安 AI 研判赋能平台，打通抓拍、预警、地图、人员档案全量业务数据，基于 MCP 标准化协议封装业务工具，结合 RAG 知识库与大模型实现自然语言智能研判，解决多系统割裂、人工操作成本高、数据检索慢、复杂线索分析难、系统稳定性不足等核心业务问题，满足公安内网等保合规、高并发、可运维、可扩展的实战需求。
2项目整体分为六大核心功能模块：
公安预警与抓拍业务微服务模块：人脸 / 车辆抓拍查询、设备点位 GIS 检索、人员轨迹研判、布控告警、区域筛选子功能，支持多条件分页查询、预警状态批量确认、按时间段 / 空间范围统计预警数据，底层 PostGIS 实现经纬度多边形空间范围检索；
IPAAS 赋能中心 MCP 服务管理模块：提供 MCP 服务注册、鉴权配置、接口调试、服务目录管理能力，支持开发的业务工具统一接入，标准化管理人脸检索、设备查询、数值计算等工具服务，对外提供标准化 Restful 调用入口；
AI 智能研判 Dify 平台模块：集成私有化大模型、向量知识库 RAG 检索、可视化工作流编排、Agent 智能工具调用能力，支持业务文档入库混合检索、自然语言对话式线索研判，自动调用 MCP 工具查询抓拍、点位、预警数据生成结构化研判报告；
3一、个人负责任务
后端微服务开发：独立负责 MCP 业务工具服务开发：使用 java 封装人脸抓拍、卡口设备检索等标准化工具服务，对接 IPAAS 赋能中心完成服务注册、鉴权调试；
二、技术架构、亮点与难点
技术栈：后端采用 SpringBoot3+SpringCloud Consul 微服务架构，中间件 Redis、Kafka、ES；网关 SCG；AI 层 Dify+Qdrant 向量库；MCP 服务 JAVA原生代码；
实现亮点：采用分层微服务解耦业务，MCP 标准化协议打通 AI 大模型与公安业务系统，网关统一限流熔断保障高并发稳定；
核心难点：MCP 跨语言 Java/Python 服务双向通信兼容、内网多服务鉴权统一管控、高并发抓拍查询下缓存与数据库一致性保障、私有化 AI 平台与公安内网等保安全适配。
评论