AI APPLICATION · JAVA · FINTECH

彭国Peng Guo

AI 应用 / Agent 开发
Java 后端 · 金融风控

10 年以上软件开发经验,现任职于平安金融壹账通。
多 Agent 调度、AI 视觉服务工程化与金融业务系统交付。

彭国个人肖像

个人简介

以 Java 后端与金融业务为基础,开展 Agent 应用与模型服务工程化。

我是彭国,一名拥有 10 年以上软件开发经验、从事 Java 后端与 AI 应用实践的工程师,目前在深圳工作。

我的职业经历从 GPS 调度系统的 Android 客户端起步,随后进入 Java 后端,参与通信 BSS、银行及小微贷风控决策引擎、寿险保全改造、eKYC 反欺诈平台与证件照智能检测制作系统建设。

在项目中,我承担需求拆分、接口与数据模型设计、核心模块开发、跨系统问题排查和代码审查,也参与技术评审、成员辅导与跨团队交付协作。

我熟练使用 Claude Code、Codex、Trae、Kiro、DeepSeek、Cursor 等国内外 AI 编程工具,并运用 Agent Team 协同拆解任务、并行开发与审查。长期以一人团队方式承接需求,独立推进需求分析、方案设计、前后端开发、测试与交付,同时结合项目知识、字段契约与检查清单核对改动。在证件照项目中,我负责多模型集成、规则架构、制作端二次开发和 CPU 推理治理,将 AI 辅助实现通过样本与实测验收后投产。个人开源项目 AI Coding Skills,是这些研发流程的整理与延伸。

技术能力

从业务建模到接口实现、联调与验证,围绕具体场景组织技术。

Java 与服务端

Java · Spring Boot · Spring Cloud · MyBatis

接口设计、业务建模、并发任务处理与服务问题排查。

风控与决策

Drools · Activiti · FreeMarker

评分卡、规则集、衍生变量、决策流程、模型版本管理及结果追溯。

数据库与中间件

MySQL · Oracle · PostgreSQL
Redis · RocketMQ · Elasticsearch

缓存、异步通知、查询链路与跨服务数据口径核对。

前端与 AI 辅助研发

Vue 3 · TypeScript · Vite · Element Plus
Claude Code · Codex · Trae · Kiro · DeepSeek · Cursor

熟练运用 AI 编程工具与 Agent Team 协同研发,独立推进需求分析、设计、前后端开发、测试与交付,并审查业务逻辑与接口契约。

Agent 应用与视觉工程

Python · FastAPI · LangGraph · PyTorch · ONNX Runtime · OpenCV

多角色依赖调度、并行解读与失败降级;模型逆向分析与还原、推理服务封装、多模型集成、可解释规则与 CPU 推理治理。

代表项目

企业信贷尽调 Agent、身份核验、策略决策、核心系统迁移与 AI 研发工具。每个项目,都从一个具体问题开始。

FINTECH AGENT第二名 · 攻坚先锋奖

企业智能信贷尽调 Agent

金融壹账通 2026 极限 AI 黑客马拉松大赛 · 企业信贷尽调辅助原型

面向银行客户经理与信贷尽调人员,构建从企业数据导入、财务分析、风险识别到评级授信与报告生成的完整应用。主控 Agent 调度六个专业角色,将工商、财务、涉诉、舆情及担保数据汇总为可追溯的尽调报告。

我的职责:负责多 Agent 调度,支持完整尽调与追问的角色选择、依赖补齐和结果汇总。

  • 多角色协作:基于 LangGraph 编排工商核验、财务分析、舆情分析、反欺诈、评级授信与报告生成,先按依赖完成确定性计算,再并行执行五个角色解读,汇合后生成报告。
  • 计算与解释分离:使用 Python / Decimal 和配置化规则计算财务指标、风险评级及建议额度,由大模型解释结果;报告发布前核对数字与评级,支持人工复核。
  • 完整交互工作台:提供企业数据管理、自然语言追问、SSE 实时进度、角色执行轨迹、证据查看、人工确认及 PDF / Word 报告导出。
PythonFastAPILangGraphDeepSeekMySQLReactTypeScriptVite
展开获奖信息、产品流程与交付边界获奖信息 · 2026-10-25

企业智能信贷尽调 Agent 在金融壹账通 2026 极限 AI 黑客马拉松大赛中获得第二名(二等奖),获颁攻坚先锋奖。

调度与失败处理

追问按需执行角色并补齐依赖;计算失败阻断下游,模型解读失败保留事实和证据并标记降级,转人工复核。报告事实校验支持有限次修正,仍失败则拦截正文。项目回归覆盖并行执行、依赖补齐、角色降级与报告校验等路径。

从数据到报告

企业数据导入 → 主控 Agent 调度专业角色 → 确定性金融计算与模型解读 → 事实核验与人工确认 → 尽调报告导出。保存工具调用、数据快照及来源,支持沿执行轨迹查看证据;校验失败返回明确状态。

评测与交付

提供批量运行、参考答案离线比对、标准 CSV 导出与 Windows 启动包,支持新增企业数据导入后实时重算。已形成可运行、可演示的参赛作品,并留存真实模型运行和评测记录。

项目定位

定位为尽调辅助原型,报告与建议授信额度仍需业务人员复核。

MODEL ENGINEERING联调完成 · 待上线

HKID 拼接检测算法逆向与替代

逆向分析 · 模型还原 · 替代服务 · 对比验证与业务联调

负责原生算法与模型的逆向分析,将既有 NCNN 模型还原为 PyTorch / TorchScript,完成替代服务开发与业务联调,当前待上线。

  • 还原推理链路:结合 REA / objdump 分析原生库,解析部署图和权重,重建 349 层网络,并导出可训练模型与独立推理产物。
  • 对齐工程行为:依据后续取得的源码核对 NCNN 分支,补齐 15 个字段区域、轮廓处理与判定循环,封装 FastAPI 接口和区域可视化;运行时不依赖 NCNN 与原生算法库。
  • 分层验证:建立同图模型比较、C++ 判定对照与接口回归,分别验收数值还原、后处理和调用链路。
PyTorchTorchScriptNCNNOpenCVFastAPIREA
展开验证依据与交付边界验证记录

已有 600 张合成样本的 NCNN / PyTorch 得分对比;源码对齐版本记录 41 项测试、302 组 C++ 判定对照与 12 张双模型图片回归通过。这些验证用于还原与工程行为核对,不能推导真实证件检测准确率。

当前状态与适用范围

截至 2026-10-16,本人确认已完成业务联调,尚未上线。当前实现面向已裁剪、透视矫正的 2018 版 HKID 正面拼接检测;不代表完整旧 SDK 等价替换,也不包含重新训练得到的效果提升。

数值一致性的边界

600 张合成样本的三种得分保留两位小数相同,但极低阈值附近仍出现判定翻转;不能将得分接近写成所有判定完全一致。真实效果与生产负载仍需单独验收。

AI APPLICATION已投产

证件照智能检测与制作

检测架构 · 制作端二次开发 · 性能治理与验证

负责将供应商算法替换为自主可控的检测与制作服务,两条链路已投产,取消原约 30 万元/年的算法采购费用。检测端从零自研,制作端基于 HivisionIDPhoto 生产化二次开发。

  • 判定可解释:多模型输出归一为 92 项事实,29 条规则给出判断依据,442 条规格通过配置注入阈值。
  • 制作可交付:补齐 API、抠图空洞修复、倾斜对齐与构图,按规格控制底色、尺寸、DPI、排版与文件大小。
  • 性能与变更可验证:治理 CPU 推理线程争抢,建立容器内诊断、容量标定、真实样本评估与事实快照回归。
PythonONNX RuntimeOpenCVMediaPipeGunicorn
展开实测结果与适用边界生产化与性能治理

定位 ONNX Runtime 的线程限制需通过 SessionOptions 生效,采用 Gunicorn sync 多进程并统一推理线程配置。12 核 / 8 GB、4 worker、每进程 4 推理线程的测试环境中,3 并发实测 1.71 QPS、P99 1947 ms,满足 P99 ≤ 2500 ms;4 并发 P99 已越线,容量以实测延迟预算为准。

验证与限制

通过样本对比新旧算法的通过率、拦截率与处理耗时,在该批验证样本上各项指标不劣于原算法。三组共 15000 张真实样本用于准确性评估,2000 张 × 92 项事实快照用于变更回归。分享材料记录该批样本整体准确率约 67%,不能外推为所有场景效果;服装、反光与特殊光照仍有误判和维护成本。

数据口径

数据与代码快照截至 2026-09,技术分享版本为 2026-10。采购费用为被替换供应商的原年费,不代表扣除内部研发与运维成本后的净收益。

OPEN SOURCE个人开源

AI Coding Skills

个人开源项目 · 设计与开发

面向 AI 编程助手的工程技能体系,把项目知识、需求、设计、实现与审查连接起来,让跨会话开发有上下文、有步骤、有交付依据。

  • 三层知识恢复:从代码、应用架构与业务领域恢复项目知识,减少新会话重新摸索仓库的成本。
  • 可编排的研发流程:将技能目标、步骤、执行角色与调度协议分层,按已有材料进入需求分析、全栈设计、实现和归档。
  • 变更与交付检查:通过检查点、知识复检与缺陷分析核对工程产物,并提供多编辑器的技能同步方式。
MarkdownShellClaude CodeCursor
展开技术案例与设计细节面对的问题

跨会话开发容易丢失上下文,需求、设计与实现也容易脱节。

我的工作

将技能目标、步骤、执行角色与工具调用分层,通过调度协议驱动执行;用结构化文档保留需求、设计、任务、实现和归档之间的关联。

工程实践

支持按已有材料从中间阶段进入,适配 Cursor、Kiro、Trae、Claude Code 与 OpenCode。

项目地址 ↗
FINANCIAL SYSTEM业务项目

eKYC 反欺诈风险识别

平安金融壹账通 · 2025.03—至今 · Java 后端开发

面向身份核验场景,将分散的检测能力接入统一编排,支持客户与场景级风险配置、背景聚类预警和机构数据隔离。

  • 25 项检测能力统一接入:基于策略接口与 Spring 自动注册统一分发,封装参数校验、配置转换、远程调用与结果映射。
  • 三类决策独立配置:分离通过 / 拒绝、风险等级、聚类入库条件,使检测阈值、风险区间与入库规则可以分别调整。
  • 跨服务数据链路与权限:负责异步回调、背景分组、身份去重与预警回写;将机构越权校验与查询范围过滤解耦。
JavaSpring BootVue 3PostgreSQL
展开技术案例与设计细节面对的问题

检测能力接入方式、场景配置和异步结果处理需要统一;权限校验与数据过滤需要清晰分离。

我的工作

将 25 项检测能力通过策略接口与 Spring 自动注册组织起来,统一参数校验、远程调用与结果映射;分离通过/拒绝、风险等级和聚类入库决策。

工程实践

打通异步回调、落库、背景分组、身份去重和预警回写;定位字段漏写、跨组聚类偏差;其中空授权集合导致过滤失效的问题已修复、测试并上线,无授权时拒绝访问。背景与 GPS 链路相关案例体现问题定位与修改方案,不据此声称所有修复均已验证上线。

DECISION ENGINE业务项目

风控决策引擎

浩鲸云计算 · 2019.06—2020.12 · Java 后端设计与开发

面向银行及小微贷风控,把评分卡、规则集和衍生变量组织为可配置、可发布、可追溯的决策流程。

  • 业务配置转为执行规则:开发评分卡、规则集与衍生变量模块,通过 FreeMarker 生成 DRL,交由 Drools 执行。
  • 版本发布与回滚:开发模型版本管理和流程部署功能,支持按配置条件使用新旧策略,实现灰度使用及切回旧版本。
  • 异步模型实验:通过 Redis 缓存高频数据,线程池执行实验任务,RocketMQ 异步通知结果,串联执行与结果追溯。
DroolsActivitiRedisRocketMQ
展开技术案例与设计细节面对的问题

配置、执行与版本管理之间需要稳定的边界,策略上线也需要支持回溯与回滚。

我的工作

通过 FreeMarker 将业务配置转换为 DRL,交由 Drools 执行;结合模型版本与流程部署支持多版本、灰度发布与回滚。

工程实践

使用 Redis 缓存高频数据,结合线程池执行模型实验任务,通过 RocketMQ 异步通知结果。

SYSTEM MODERNIZATION业务项目

寿险保全系统迁移

平安金融壹账通 · 2021.07—2023.05 · Java 迁移与验证

面向寿险保全受理业务,将 Oracle 存储过程中的业务逻辑迁移至 Java 应用,以可核对的新旧结果支撑试点验证和分批切换。

  • 迁移过程可验证:参与业务逻辑迁移,采用新旧并行执行、结果比对、试点验证与分批切换控制改造风险。
  • 通用比对与批量测试:独立开发验证组件,支持差异定位、分片处理、断点续测和错单重跑。
  • 效率与一致性:结合缓存、并行准备和分布式锁处理执行问题,使用 Arthas、JaCoCo、JMeter 辅助定位与验证。
Spring CloudOracleArthasJaCoCo
展开技术案例与设计细节面对的问题

业务逻辑迁移既要保证结果一致,也需要支撑批量验证和问题定位。

我的工作

通过并行执行、结果比对、试点验证和分批切换控制风险;开发通用结果比对与批量测试组件。

工程实践

支持分片处理、断点续测和错单重跑,结合缓存、并行准备与分布式锁处理效率及一致性。

工作经历

平安金融壹账通

Java 后端开发

承担金融业务系统的需求拆分、技术设计、核心模块开发与交付协作;参与技术评审、代码审查和跨团队沟通,并使用 AI 辅助 Java / Vue 全栈交付。

2023.06—2025.02 参与短期项目:开发接口文档生成插件,优先提取 Controller 中的 Swagger 注解,缺失时读取代码注释;开发接口调用记账与对账平台,记录按调用量计费的数据,支持客户与供应商两侧账目核对。

浩鲸云计算

Java 后端工程师

参与银行及小微贷风控决策引擎建设,承担数据模型、接口与核心模块设计开发,配合联调与上线支持。

广州亚信科技

Java 后端工程师

参与云网门户与移动 BSS 系统建设,负责业务流程、表结构、接口设计及外部系统联调。

广州惠邦科技

Android 开发工程师

负责 GPS 调度系统 Android 客户端开发、接口联调和问题修复。

汉口学院 · 计算机科学与技术 · 本科
2011.09 — 2015.06

研发实践

01

从业务边界开始

先理解流程、角色、权限和数据关系,再确定接口与模型。设计要能解释业务,也要能约束实现。

02

把上下文作为研发资产

整理能力矩阵、字段契约与代码索引,帮助识别变更对写入、回写、查询和前端展示的影响。

03

让交付有验证依据

通过结果比对、代码审查与测试检查实现。AI 参与分析和编码,工程过程负责确认结果。

保持联系

联系我

欢迎就 AI 应用与 Agent 开发、Java 后端、金融风控项目和开源工具交流。完整职业履历可通过下方链接查看。