大家好，我是二哥呀。

2025 年 12 月 5 日，饿了么 app 正式改名为淘宝闪购，从“蓝”到“橙”，意味着饿了么在阿里系这么多年，第一次真正被整合进主阵线。

用户心智并轨的同时，组织架构可能也会跟着变化，有点庶子变嫡子的感觉😊。

说白了，一个 BU 的命运变了，员工的钱包多少也会跟着变。

所以今年淘宝闪购的年终奖，我是挺期待的。

但淘宝闪购 26 届的薪资已经板上钉钉，因为大部分同学已经开奖了，在饿了么的组织架构下，但明年入职后肯定就是淘宝闪购的员工了。

好，接下来我把《Java 面试指南》专栏中收录的饿了么 26 届薪资给大家同步看一下，方便做个参考。

• 大模型算法岗，开了 30k，还有 5 万签字费，base 地为上海；
• 后端岗，开了 26k，貌似饿了么就两档薪酬，个人感觉吸引力不足，base 地杭州；
• 后端岗，也是 26k，硕士海归，实习转正的，签字费有两万，base 地上海；
• 测试开发岗，开了 24k，硕士双一流，有饭补，搬家费没问，base 地杭州。

整体薪资待遇不错，但欠点意思，明年应该就和淘天一个薪酬体系了，会更有竞争力，所以打算冲淘宝闪购的同学可以放心大胆地冲。

并且只要一个 BU 在讲新故事、拉新预算、拼增长，那对新人就是机会。26 届打算冲的同学，接下来要做的就是把简历打磨好、把八股背熟、把项目讲清楚，春招再拼一拼。

明年入职的同学，就是淘宝闪购的第一届“橙色新人”，赶上业务换代，这个节点进去的话，往往运气都不会差。

时也命也，运气有时候会比实力更重要！

这里特别提醒一下 27 届的同学，寒假前的日常实习很重要，但千万不要盲目去冲，比如说你项目经历只有一个点评，就迫不及待了。

最好是能做一个 AI 相关的，比如说派聪明 RAG，这样你的成功率会提升很大一截，事半功倍。

就比如说下面这位球友就反馈，谢谢二哥，派聪明真的挺好用，简历能过很多公司了，并且百度面试的时候还被面试官夸了，都整的不好意思了。

从我昨天修改的简历来看，27 届同学觉醒的要比 26 届更早，数量比同期要多很多。大家可以看一下这个飞书多维表格。

我以前都是放在本地的备忘录里，完全无法统计出来这样的数据，现在用飞书多维表格真的一目了然，这样也能让大家更清楚的感受到自己目前所处的进度。

接下来，我再分享一个派聪明的项目介绍模板，你套用到其他项目也是完全适用的。

项目介绍不够有说服力，缺乏思考，这是很多应届生的通病。

一个认可度比较高的方式，就是现在的 star 法则：

• S（Situation）- 背景：项目的背景是什么？解决什么问题？为什么要做？
• T（Task）- 任务：你在项目中负责什么？具体做什么？
• A（Action）- 行动：你怎么做的？用了什么技术？遇到了什么挑战？怎么解决的？
• R（Result）- 结果：项目的成果是什么？有什么数据？有什么影响？

其实就和我强调的项目经历写法是不谋而合的，就是用到了什么技术栈，解决了什么问题，实现了什么业务，有哪些量化数据。

比如说派聪明的介绍。

我在实习的时候，发现公司的客服团队每天要回答大量重复的问题，效率很低。而且公司有很多内部文档（产品手册、FAQ、技术文档），但分散在不同地方，客服查找起来很麻烦。（S - 背景，说清楚为什么要做）

所以我提出做一个基于 RAG 的知识问答系统，让客服可以直接问问题、系统自动从文档中检索答案。我负责整个系统的设计和开发。（T - 任务，说清楚你负责什么）

技术方案上，我选择了 RAG 检索增强生成。首先把公司的内部文档做预处理（切分成小块，分片上传，支持断点续传），然后用阿里的 Embedding 模型把文档转成向量、存到 ElasticSearch 向量数据库。

当用户问问题时，系统先把问题也转成向量、在向量数据库中检索最相关的文档块，然后把这些文档块和问题一起发给大模型（DeepSeek），让大模型生成答案。后端用 Spring Boot + Redis +MySQL+MinIO+Kafka 这一套来实现，前端用 Vue 做了一个比较友好的对话界面。（A - 行动，说清楚怎么做的）

在做的过程中，遇到了几个挑战。第一个是检索准确率不够高，有时候检索出来的文档和问题不太相关。我做了两个优化：一是调整了文档切分的策略，从固定长度切分改成按照段落切分，保证每个文档块的语义完整性；二是在检索之后加了一个 Rerank 步骤，用另一个模型对检索结果重新排序，准确率提升了大概 15%。

第二个挑战是响应速度比较慢（平均 3-4 秒），影响用户体验。我做了缓存优化，把常见问题的答案缓存到 Redis，命中率达到 40% 左右，把平均响应时间降到了 1.5 秒。（A - 行动，说清楚遇到的挑战和解决方案）

这个之前还有一些其他的方案：https://paicoding.com/column/10/2

系统上线后，客服团队的反馈很好。根据我们的统计，系统的回答准确率在 80% 左右，客服查找信息的时间从平均 5 分钟降到了 1 分钟。（R - 结果，说清楚项目成果）

说到底，派聪明RAG项目之所以能在这个时代这么有竞争力，不是因为我们用到了多牛逼的技术，是因为它符合当下所有大厂招人的底层逻辑：业务在转型，团队在换血，模型在升级，谁能最快把“AI 生产力”落到场景里，谁就能被优先捞走。

话说回来，今天讲淘宝闪购的薪资，不是为了让大家在数字上纠结，而是让大家知道，机会永远在风口变换时出现。

饿了么改名、业务并轨、薪酬体系升级，这些都是行业在换皮，为什么要做 RAG 项目、要补项目深度，就是为了让我们尽快融入 AI 时代。

只要把基础打好，把一个能拿得出手的 AI 项目做扎实，那明年冲淘宝闪购、冲淘天、冲大厂，都是完全有胜算的。

风吹起来的时候，别问风往哪儿吹，站上去的人自然知道答案。

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 10700 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 💪。