01
MagicSpace · AI 空间平台
背景
基于开源 GinFast 二次开发，以「区域 region」为数据主线，统一管理 DXF 图纸、墙体 / 门窗几何、物体识别结果、区域属性元数据与 AI 报告；对外同时提供 17 条 HTTP API 与 10 个 MCP 工具，覆盖疏散距离核算、空间分割、路径规划、物体间距合规、批量出图与报告生成。
我做的
- 把建筑消防口径翻译成算法规格：明确"疏散距离"该按什么路径算——直边 1 / 对角 √2 / 禁斜穿墙角、取最近门与出口的多源距离、路径拉直后的折线长度作为报告值；40mm/px 栅格、闭运算补断口、连通域分房这些约束也一并定死。口径先写清楚，"算得对不对"才可复现、可验收。
- 算法实现交给 AI，我做评审与交叉校验：2,058 行空间分析内核（栅格化 + 8 邻域加权 Dijkstra + 多源距离场 + LOS 视线平滑）由 AI 按规格产出；我逐段核对边界条件与退化场景，并要求"报告距离"与"栅格场值"两条独立口径互相印证——两套算法算出来不一致就不算通过。
- 工程化落地：Go 侧统一分析流水线——URL 下载 → 内容哈希幂等归档 → 隔离工作区 → 脚本执行（120s 超时 + stderr 归 Zap）→ 固定名归档 → 上传对象存储；7 个分析脚本与 17 条对外接口共用同一套入口，出图与报告生成标准化。
- 平台后端（mgserver Go 微服务）的交付与对接：这套平台的后端底座是一套多人协作的 Go 微服务——Gin 网关 + gateway / auth / cloud / pay / openim 五个服务，etcd 服务注册与发现，GORM + MySQL、Redis、RabbitMQ 与 rustfs 对象存储。我在这层负责交付与对接：部署编排拆成 infra / services 两份 compose——前端不再各自打镜像，改 dist 外挂目录 + 单个 nginx 容器同时反代 gateway 与对象存储、对外只占一个端口，中间件版本固定、健康检查与启动顺序一并写进编排；补 rustfs 对象存储客户端；对接智慧消防平台（授权 token 校验、后台平台地址接口）；把 api_path + api_method 透传给 go-fast 做数据范围鉴权，路由模板改用 c.FullPath() 以支持动态参数；补齐库初始化（区域标注点 / 楼层白模 / 档案楼）与 RabbitMQ、部署、远程开发文档。
- 对外封装：17 条 HTTP API 与 10 个 MCP 工具（Streamable HTTP + Bearer 鉴权），让同一套分析能力既给前端页面用，也给大模型当工具调。
- 支线：AI 图像识别测试工具（React + FastAPI，集成 YOLO26 / SAM3 / YOLOE-SEG，多模型对比与掩码保留）；消防规范爬虫抓取 1,994 篇规范文件并做国标自动分类，基于 FastGPT 构建消防规范 RAG 知识库。
结果
两套口径交叉校验下，距离高估从 40% 压到 8% 以内；全楼最不利疏散 12.77m / 6–7 秒（旧实现高估到 22.2m）；房间级最不利 12.81m（旧 15.44m）；全场计算从分钟 / 小时级降到秒级。
Go 1.26 / GingRPC / etcdGORM
MySQL / RedisRabbitMQnginx
CasbinZap
mcp-goezdxfnumpy / scipy
scikit-image / matplotlibAI 辅助编码Docker
左侧构件树（建筑 / 结构 / 机电 / 消防），右侧分析参数面板
CAD 模型与现场点云贴合比对
