大家好，我是二哥呀。

有球友报喜说，高德扫街榜的大模型应用开发岗，给了一个相当顶的 base，还有签字费和交通补贴，问我要不要选，他还有另外一个大厂的 offer。

高德扫街榜可以说是高德地图目前最核心的一块业务，是真正在堆资源、抢人才的地方，所以我是强烈推荐他选的。

相信大家都有这样的感受，阿里今年的势头相当的猛，多条业务线都玩出了花样。淘宝闪购、千问夸克、Qoder、通义千问大模型，都在不同程度占用着用户的心智。

据统计，阿里系的前三季度营收 7319.03 亿，归母净利润 764.88 亿，放在整个互联网大厂里，属于非常亮眼的表现。

公司在赚钱，业务在增长，所以很多 BU 都敢在人和技术上砸钱。

所以高德地图今年给的薪资很不错，我把《Java 面试指南》中收录的薪资给大家同步一下做个参考。

• 硕士 985，后端开发，开了 31k，还有 7 万签字费，还有另外一个 offer 在纠结，base 北京；
• 搜广推算法，开了 36k，签字费给了 5 万；
• 后端岗，开了 30k，8 万签字费，信息工程部，还有 1700 的补贴；
• 前端岗，开了 26k，小 sp，2 万签字费。

所以打算冲阿里系的同学可以放心大胆去冲，我相信未来两三年阿里系的各 bu 应该还会有新的动作，这时候加入确实是个好机会，可以跟着业务一块成长。

对于 Java 技术栈的同学来说，阿里系也是值得首选的大厂（ 可以不带之一 😄）。

大模型应用开发到底是什么？

最近，有不少同学都在问 Java 后端开发和大模型应用开发的区别，我这里给大家详细拆解一下。

现在的大模型应用开发和 Java 后端开发，其实已经是一体的了，所有 Java 后端开发想要晋升，想要拿大 offer，都要在原有的业务基础上去接入 AI 应用，用的就是 SpringAI、LangGraph4J 这套东西。

暑期实习/春招前，星球还会上架一个校招派的 Agent+MCP 项目，用的就是 LangGraph4J 实现的 Agent 路由，而框架是用 SpringAI 搭建的。

• 有业务场景
• 有工程落地
• 真正能给你在简历上撑门面的 AI 项目

传统的 Java 后端开发和大模型应用开发，其实可以用两句话概括：

• 没有大模型应用，Java 后端开发就黯然失色，要不上价；
• 脱离了 Java 后端开发，大模型应用开发又好像是空中楼阁，因为大多数已经存在的企业级项目都是由 Java 这套框架去构建的。

所以从学习路径上来看，比较靠谱的一条路线是这样的：

先把传统的 Java 后端开发基础打牢，搞清楚接口是怎么设计的，业务是怎么拆分的，缓存、消息队列这些基础设施是怎么配合的。

在此基础上，再去接大模型 API，把 RAG、MCP、工作流、智能体这几个典型的落地方案实践一遍，你就具备大模型应用开发的工程能力了。

接下来的三到五年内，大模型应用开发的需求量只会暴增，所以不管是应届生日常实习/暑期实习/秋招/春招，还是工作党的跳槽/晋升，都离不开 AI 的开发经验。

所以除了派聪明 RAG 这种知识库项目， 我们又规划了另外一个工作流的项目，目前主体的代码框架已经完成，核心的工作流引擎是用 Java 重写的，教程也在校稿和补充当中。

大模型应用开发岗的面试题

说回大家非常关心的大模型面试，像高德扫街榜这种岗位，本质上就是 Java 后端+大模型应用开发。

我在技术派上其实分享了很多大模型应用开发的面试题，需要的同学可以去做个参考。

复制到浏览器打开：https://paicoding.com/column/10/2

③、RAG 了解吗？

RAG 就是 Retrieval-Augmented Generation，检索增强生成。简单来说就是在大模型生成回答之前，先从知识库中检索相关的信息，然后把这些信息作为上下文提供给大模型，让它基于这些真实的数据来生成更准确的回答。

我们这个派聪明项目主要是为了解决企业内部的知识管理问题。以前大家遇到技术问题或者业务问题，都要去翻文档或者问同事，效率比较低。所以我们就想做一个智能知识库，能够快速回答各种问题。

技术实现上，我们用的是比较经典的 RAG 架构。首先把公司的各种文档、wiki、代码注释这些都收集起来，然后用 Apache Tika 技术提取出纯文本信息，然后将长文档智能切分成多个语义完整的文本块。

用户提问的时候，我们先把问题也转换成向量，然后在 ES 中做混合检索，包括关键字精确查询和语义检索，找出最相关的几个文档片段。接着把这些片段和用户的问题一起作为 prompt 发送给大模型，比如 DeepSeek，让它基于这些上下文来生成回答。

在实际开发过程中也遇到了不少挑战，比如文本分割的粒度怎么控制、检索的准确率怎么提升、成本怎么控制等等。现在这个系统已经在公司内部使用了，效果还可以（社招党可以这样讲）。

④、怎么理解 AI 和传统业务结合？

我觉得 AI 和传统业务结合，关键是要找到真正的痛点，而不是为了 AI 而 AI。我们团队在探索的时候，首先会梳理现有的业务流程，看看哪些环节效率低、人力成本高，或者容易出错，这些地方往往是 AI 能发挥价值的地方。

比如客服系统，以前用户咨询都要人工回复，客服小姐姐压力很大，响应也不够及时。就可以接入大模型，先让 AI 回答一些常见问题，解决不了的再转人工。这样既提高了效率，又降低了成本。

还有就是代码审查流程。以前都是靠人工 review，有时候会漏掉一些潜在问题。现在就可以用 AI 来做初步的代码扫描，检查一些常见的代码规范问题、潜在的 bug 等等，然后人工再做深度审查。这样既保证了质量，又提高了效率。

包括我们做派聪明 AI 知识库的 RAG 检索，其实也是为了解决传统关键词匹配效率的问题。

我觉得成功的 AI 业务结合，一定要让用户感觉不到 AI 的存在，但是明显感觉到效率在提升。AI 应该是润物细无声地融入到业务流程中，而不是生硬地替换原有的功能。

说回文章开头的问题，高德扫街榜的大模型应用开发岗薪资确实很顶，但更重要的是，它代表了一种趋势——业务在往前冲，AI 在真落地。

如果能亲身参与进去，这个过程中的成长和回报，也会非常可观。

冲！

ending

一个人可以走得很快，但一群人才能走得更远。二哥的编程星球已经有 10800 多名球友加入了，如果你也需要一个优质的学习环境，戳链接 🔗 加入我们吧。这是一个 简历精修 + 编程项目实战（RAG 派聪明 Java 版/Go 版本、技术派、微服务 PmHub）+ Java 面试指南的私密圈子，你可以阅读星球专栏、向二哥提问、帮你制定学习计划、和球友一起打卡成长。

最后，把二哥的座右铭送给大家：没有什么使我停留——除了目的，纵然岸旁有玫瑰、有绿荫、有宁静的港湾，我是不系之舟。共勉 💪。