关于我

Code is my line. AI is my frontier.
From Peng to Neopen — line by line.

我是 Peng (Neopen)，一名资深软件架构师，8 年 Java 高并发系统设计经验，近两年深度投入 AIGC 领域。我擅长在企业级系统的严谨与 AI 的灵动之间搭建桥梁，打造“数据驱动 + 智能生成”的下一代平台。

从智慧城市到 AIGC 创意平台，从微服务架构到 AI Agent 编排，我始终相信：每一行代码，都是一条新的延伸线。这里记录的是我的技术实践与思考，也是从 Peng 到 Neopen 的成长轨迹。

核心技术栈

领域	技术关键词
后端架构	Java、Spring Boot、Spring Cloud Alibaba、微服务、DDD、高并发、高可用、性能优化
AI & LLMOps	Stable Diffusion、Flux、LoRA、ComfyUI、vLLM、Dify、LangChain、LangGraph、MetaGPT、GraphRAG、MCP、A2A
数据层	MySQL、PostgreSQL、ShardingSphere、Redis、Elasticsearch、ClickHouse、Doris、MongoDB、InfluxDB
中间件	RocketMQ、RabbitMQ、Kafka
大数据	Hadoop、Spark、Flink、Hive、HBase、Flink CDC、Canal、DataX
云原生 & DevOps	Docker、Kubernetes、Jenkins、Prometheus、Grafana、SkyWalking、Nacos、Sentinel、Seata
IoT & 边缘计算	MQTT、CoAP、边缘网关、FPGA、PLC、Arduino、STM32
前端 & 可视化	Vue3、ECharts、WebSocket、Canvas、uniapp、HTML、CSS、JavaScript
GIS & 可视化	SuperMap、Mapbox、PostGIS、JTS
AI 开发工具	Cursor、Trae、Copilot、CodeBuddy、通义千问

专业技能

架构设计

基于高内聚低耦合原则，实现高并发、高可用和可扩展的系统设计
擅长微服务拆分（DDD 领域驱动设计）、服务治理、CQRS 模式
主导过单体系统到分布式架构的重构升级，具备从 0 到 1 的架构搭建能力

Java 与分布式

深入掌握 Java EE 核心机制（JVM 调优、多线程并发、GC 优化）
熟练使用 Spring Boot、Spring Cloud Alibaba 构建分布式系统
规则引擎 LiteFlow 实现业务解耦与组件编排，Spring 状态机扩展复杂流程，Seata 保障分布式事务一致性

数据层架构

技术	核心能力
MySQL	性能优化与分库分表设计，基于 ShardingSphere 实现亿级数据水平拆分，支持线性扩展
Redis	缓存穿透/雪崩防护、登录鉴权、分布式锁、位统计，核心接口 QPS 提升至 15,000+
Elasticsearch	海量数据复杂查询与实时检索，解决深度分页查询，搭建 ELK 日志收集分析体系

中间件与异步解耦

熟悉 RocketMQ / RabbitMQ 消息中间件，设计消息解耦的 IoT 系统
保障系统可靠性与削峰填谷能力，支撑高并发场景下的稳定运行

DevOps 与云原生

熟悉 Docker、Kubernetes 容器化部署，通过 Jenkins 搭建 CI/CD 流水线
监控体系集成 Prometheus + Grafana + SkyWalking，实现 GPU 利用率、任务延迟、显存使用的全链路监控

性能优化

全链路性能优化经验，从 JVM → SQL → 缓存 → 异步多维度提升系统吞吐量
核心业务平均响应时间下降 75%，系统并发能力提升 3 倍以上

AI 与 LLMOps

AI 工具链：Cursor、Trae、Copilot、CodeBuddy、通义千问等，全面提升开发效率

模型与推理：

了解主流 AI 框架，参与过基于 Stable Diffusion 和 Flux 的图像生成项目，基于 LoRA 实现特定领域微调
了解 MCP、A2A 协议，使用 LangChain、MetaGPT 构建智能体
vLLM 推理与量化，GraphRAG 数据增强

工程化落地：

基于 Dify 构建 AI Agent，通过 ComfyUI 与 Java 系统集成，实现自动生图、换装等业务场景
Airflow 编排 AI 任务批处理，构建完整的 LLMOps 流水线

大数据技术栈

方向	技术能力
实时计算	Hadoop、Kafka + Flink 构建数据处理流水线，实现设备告警与状态分析
时序分析	InfluxDB + Grafana 实现设备状态实时监控与分析
OLAP 分析	了解 ClickHouse、Doris 等列式数据库，实现实时联机分析处理
数据同步	通过 Flink CDC SQL 同步 MySQL 30 亿+ 数据到 ES，单表 20 亿+ 全量同步，TPS 1000+ 增量压测同步
生态组件	了解 Spark、Hive、HBase 等大数据生态组件

IoT 边缘与云端计算

协议与接入：

熟悉 MQTT、CoAP 等物联网协议，对接三方厂商设备、物联网开放平台
实现设备状态监控、远程控制、固件升级等功能

边缘计算：

设计边缘网关数据采集处理模块（Java + MQ），支持万级设备并发接入
处理能力达 1500+ TPS，保障边缘侧数据预处理与实时响应

硬件开发：

了解 Matlab、FPGA、PLC、Arduino、STM32、传感器等开发
具备 C 语言 + 串口的数据调试开发经验

前端与可视化

可视化大屏：

使用 Vue3 + ECharts 开发智慧城市大屏，展示设备状态、环境监测、GPS 轨迹、AI 告警等实时数据
通过 WebSocket 实现前后端低延迟推送，刷新频率 ≤ 1s

前端基础：

熟练使用 HTML、CSS、uniapp、JS、JSP 开发页面
通过 JS + Canvas 实现视频、图片、文档水印添加工具

开发工具与效率

AI 辅助开发：Cursor、Trae、Copilot、CodeBuddy、通义千问等，提升编码效率与代码质量
版本控制：Git、GitHub Actions 自动化工作流
文档与协作：Markdown、Swagger、Confluence、Jira

项目经验

2025/08 至今 AIGC创意平台（个人）—— 主导开源（AIGC + Agent）

项目背景：为降低 AI 创作门槛，提升创意效率，主导开发设计该平台：集成文生图、图生图、文生视频、图生视频和文生音频于一体的轻量级 Web 应用系统。构建可扩展、易部署的 AIGC 工具平台，打通前端用户交互与底层 AI 推理服务之间的桥梁，支持多种生成任务，并具备良好的配置管理与 GPU 资源调度能力。

技术实现：

采用 Flask 框架处理用户请求和参数解析，以 ComfyUI 为核心图像、音频与视频生成引擎，实现低耦合分离
视频生成 Agent：支持 SD、SA、Flux、Wan 等扩散模型，用户自定义提示引导和降噪强度等核心参数配置
剧本分镜 Agent：以 LangChain + LangGraph 实现多智能体协作，支持解析任意格式剧本到分镜转码
视频混剪 Agent：利用 SpeechRecognition + OpenCV，对视频语音识别和情绪分析，通过 FFmpeg 裁剪再合并

成果输出：

AIGC 创意平台（多模态）：支持五大功能（文生图、图生图、文生视频、图生视频、文生音频），可自定义工作流
视频混剪智能体（CV）：利用计算机视觉 + 语音转文字 + 情绪分析，通过用户描述实现多视频内容分析和剪辑
剧本分镜智能体（NLP）：将任意格式剧本解析拆分为每段 5 秒脚本片段，可直接应用于 Text to Video 模型

2025/02 ~ 2025/08 AIGC短剧创作平台（某互联网公司）—— 架构开发（Java + AIGC）

项目背景：面向 C 端大众用户的 AI 内容创作平台，致力于降低 AIGC 使用门槛，让用户通过“一键操作”完成角色定制、剧本生成、分镜出图、视频合成等全流程创作。平台支持虚拟角色合拍、LoRA 模型训练发布、数字资产交易等功能，打造“创作-分享-变现”闭环。系统预设了文生图、图生图、图生视频、换装、换脸等多种 AI 应用。

核心职责与技术实现：

AI 多模态生成能力集成：

基于 ComfyUI + SD/Flux，结合业务系统自动匹配应用，实现文生图、图生图、图生视频、换装换脸等核心功能
用户选择预设应用（古风少女、都市精英）、景点（江南园林、赛博都市）、道具（雨伞）一键生成高质量画面
用 Dify + vLLM + Qwen3 构建 AI Agent，支持“一句话生成短剧”、“AI 合拍助手”、“Prompt 优化建议”等交互场景

LoRA 可视化训练平台：

开发低代码 LoRA 微调平台，用户上传若干张角色照片和参数调整，系统自动完成数据清洗、标注、训练、评估
提供训练进度可视化、生成效果对比与选择，支持模型和作品一键发布至平台市场，激励用户创作优质数字资产

虚拟角色合拍：用户上传视频，系统通过人脸对齐与姿态迁移，将用户形象替换为选定的虚拟角色，实现 AI 合拍

数字资产生态：构建模型市场、作品广场、AI 应用商店，支持用户发布 LoRA 模型、AI 生成作品和自定义工作流

成果输出：

通过模板方法和装饰器增加扩展性，动态增强视频剪辑 API 功能，自动对视频合成、快照、特效和添加音频处理
结合责任链模式，自动完成不同 AI 应用的 ComfyUI 节点解析和值更新，以工厂+桥接实现多种 AI 创作的动态切换
使用 MQ 构建异步任务，支持多租户排队；用 Airflow 批量处理图像 CDN 加速分发，构建 AI Agent 智能交互场景

2024/03 ~ 2024/08 物流仓储管理系统（某物流科技公司）—— 架构开发（重构）

项目背景：原系统架构简单，使用单一 MySQL 数据库（800+ 表），日均订单超 10 万，单表累计数据达 1 亿+，存在严重性能瓶颈。写入性能差（订单创建 >3s）；查询响应慢（>10s）；频繁出现并发异常、超时、数据不一致等 bug。

挑战点：单库表结构设计复杂（200+字段），冗余数据多。代码结构臃肿（万行）无扩展性和复用性，功能堆积难扩展。

解决方案：

系统重构：基于架构设计原则，将系统拆分为多个微服务模块（订单管理、仓库管理、运输调度、检索分析、客户服务、任务执行、分库分表等），基于 Spring Cloud Alibaba 实现服务治理、限流和监控，提升可维护性与扩展性。

分库分表：

针对日均十万级订单表水平拆分，采用 ShardingSphere 实现基于 user_id 和 order_id 的复合分片策略
通过 Canal 监听 MySQL binlog，实时同步分片数据至 ES，支持复杂条件查询，响应时间从 15s 降至 2s 内
DataX 实现数据离线迁移，Seata AT 模式解决分布式事务，根据 orderId 特点用 Gateway 实现数据路由分发

性能监控：

SkyWalking 提供分布式追踪、服务网格和可视化解决方案
RabbitMQ 解决订单流量消峰和异步化解耦
Sentinel 提供流量控制、并发限制、熔断和自适应保护
Redis 实现分布式锁，解决缓存击穿和穿透问题

成果输出：

Nacos 为注册与配置中心，Sentinel 实现熔断限流，SkyWalking 全链路追踪，系统可用性提升至 99.95%
基于 user_id + order_id 设计复合分片策略，拆分为 4 个库 × 16 个表，支持亿级数据存储与线性扩展
通过 Canal + RabbitMQ + Elasticsearch 构建二级索引，解决跨库复杂查询问题，页面加载时间降至 1s 内

2021/12 ~ 2023/12 智慧安检管理平台（某安防头部企业）—— 架构开发（迭代）

项目概述：面向 B 端的内部核心基线产品，可接入十多种安检设备（安检机、安检门、毫米波、明眸、炸液探等）。支持行为分析、人包匹配、包裹判图、客流预警和温度异常等多种功能。集成视频监控子系统、智能安检子系统，打造人+物的立体安防体系，为地铁、机场、医院、学校、景区、商场等公共场所提供安全保障。

技术栈：openJDK11、PostgreSQL11、PostGIS、Redis、MongoDB、Kingbase（人大金仓）、RocksDB、Elasticsearch、JTS、RTP、Spark、OpenLDAP、Spring Boot、MyBatis、Guava、Quartz、Excel4J、LocalCache、RabbitMQ、Jenkins、私有云

核心职责：

负责基线数据中台组件管理，对接设备报文数据，并对数据建模和归类清洗、告警处置和统计存储
负责其他组件的开发和维护，包括版本迭代、补丁发布和安全性优化，以及相关文档和代码的评审
参与项目集成测试、用例评审和缺陷修复，协助解决现场问题，输出 FAQ 文档和组件概要设计
参与定制项目开发，支持其他同事对基线组件的理解和开发使用

成果输出：

完成基线数据中台组件的版本迭代开发，支持更多设备接入，优化事件处理、数据同步和缓存等问题
使用多种设计模式优化基线数据中台组件业务，精简业务处理，增加扩展性（如人包关联、双视角绑定）
完善相关组件的概要设计文档和 UML 设计，参与代码和文档评审，提出优化建议和规范
解决诸多现场问题，输出可供运维和开发使用的 FAQ 文档
升级老版本组件的安全性问题，参与完成多个定制项目的开发交付任务
系统性能：单机最大支持接入 500 台安检机 + 1000 台安检门（500+ QPS 消息并发量），千万级数据量处理，分表分片存储

2019/10 ~ 2020/08 智慧城市管理平台（某沿海城市政务项目）—— 技术经理（10人团队）

项目背景：为提升城市精细化管理水平，充分利用物联网、云计算、大数据、AI 技术，建设“智慧城市管理”平台，实现城市管理从要素、过程、决策的全方位数字化与智能化转型。通过整合街道、环卫、市政、排水、停车、照明等多领域数据，构建统一的数字化智能监管平台，实现城市的全要素、全过程、全时段智能感知与闭环管理。

挑战点：

涉及公安、政务等多种系统的集成，包括旧版本迭代数据的兼容和旧系统交互
多方厂家数据交互和多种设备接入，方式途径多样，数据实时性和幂等性要求高
车辆和人员定位追踪、设备状态监控，超 1000 QPS 并发量，且涉及实时的大量 GPS 坐标计算和设备事件预警

架构设计与技术实现：

系统架构设计：基于分布式构建微服务中台，分为设备管理、事件中心、GIS 服务、预警引擎、工单系统等模块

边缘计算 + 云端协同：

设备端直接进行数据分析和判断，并立即触发告警，同时将“告警事件”和“关键数据”打包上传至云端
云端接收来自边缘的告警信息，进行记录、存储和通知推送，对常规数据进行二次验证和长期分析处理

物联网感知体系建设：接入 80 万+ 物联网设备：

车辆 GPS + 称重传感器（监控清运量）
液位计 + 水位传感器（内涝预警）
果壳箱（垃圾满溢监测）
消防栓和燃气（压力探测）
智能路灯（能耗监测）
抓拍仪等多种协议设备

大数据分析与实时预警：基于 Flink 的实时处理引擎：

街道垃圾堆积识别（AI 自动上报）
路面积水和河道液位异常预警（阈值+趋势预测）
设备故障实时监测（电压异常、倾倒）
构建城市运行指标仓库，自动生成分析报告

GIS 可视化与精细化监管：

构建城市地图，实现“一图统管”：设备分布热力图、环卫作业轨迹回放、设备在线监管
开发移动端监管 App，支持事件上报、工单派发、现场核查、拍照反馈、归档处理的闭环流程

智能决策与流程闭环：设计“自动预警 → AI 初判 → 人工复核 → 工单派发 → 处置反馈 → 效果评估”全流程，与城管执法系统对接

成果输出：

实现城市管理从被动响应向主动预警转变，事件主动发现率提升 300%
问题闭环率达 90%
整体巡查与运维成本降低 50%
平均响应时间从数小时缩短至 不到一小时
“智慧街面”已应用于多个智慧城市项目
“智慧环卫”已发展为公司基线产品

近期探索

AIGC 与 AI Agent 融合

近两年深度投入 AIGC 领域，主导短剧内容生成平台的技术架构与 AI 模型工程化落地，同时打造个人开源项目 AIGC 创意平台。探索将 AI 能力与企业级系统深度融合，打造“数据驱动 + 智能生成”的下一代内容平台。

核心能力：

基于 Stable Diffusion、Flux、Wan 构建图像与视频生成流水线
使用 LoRA 实现特定风格微调，开发低代码训练平台
通过 ComfyUI + Java 集成，实现自动生图、换装、视频生成
使用 Dify + vLLM + Qwen3 快速构建 AI Agent
LangChain + LangGraph 编排多智能体协作（剧本分镜、视频混剪）
探索 GraphRAG、MCP 协议在知识增强场景的应用

博客与社区

GitHub：github.com/Neopen — 开源项目与代码实践
博客：pengline.github.io — 技术分享与成长记录
邮箱：helpenx@gmail.com

写在最后

我相信技术的价值在于解决真实问题。无论是智慧城市中的百万级设备接入、安检系统的千万级数据处理，还是 AIGC 创意平台的智能体编排，我始终追求用优雅的架构应对复杂的需求，用简洁的代码承载创新的可能。

如果你对 Java 架构、AI Agent、物联网或开源项目感兴趣，欢迎一起交流、共建。

“每一行代码，都是一条新的延伸线。”
—— pengline

免责声明：本文中涉及的商业项目经验均已做脱敏处理，仅代表个人技术视角，不涉及任何公司商业秘密。