昆明 java 招聘（工资待遇要求）

岗位职责

常规后端开发：
负责公司核心业务系统的模块设计与开发，独立完成中等复杂度功能的方案设计、编码实现及单元测试。
参与系统性能优化，解决线上高并发、慢查询、内存溢出等问题。
负责代码Review，保障团队整体代码质量与规范。
配合架构师完成技术方案落地，输出清晰的技术设计文档。

AI应用业务开发：
负责将大语言模型（LLM）能力与业务系统深度整合，开发AI驱动的功能模块，如智能问答、文本摘要、信息抽取、内容生成、智能客服等。
负责Prompt Engineering（提示词工程） 的编写、测试与持续迭代，针对不同业务场景设计*优提示策略，并建立Prompt效果评估与版本管理机制。
参与RAG（检索增强生成） 系统的开发与维护，包括知识库构建、文档切分（Chunking）、Embedding向量化处理、向量检索策略优化及与Java后端的集成。
负责AI接口的异步处理、流式输出（SSE/WebSocket）以及高并发下的限流、熔断与降级方案。

AI工具辅助开发：
在日常开发中熟练使用AI编程工具（如GitHub Copilot、通义灵码、Cursor等）提升编码效率，包括代码生成、单元测试自动生成、代码重构、异常排查等。

任职要求
一、Java后端基础能力
Java基础：扎实的Java编程功底，熟悉IO、多线程、集合框架，理解JVM内存模型、类加载机制，有实际JVM调优经验者优先。
主流框架：精通Spring Boot、Spring Cloud微服务体系，熟悉常用组件（Nacos、OpenFeign、Gateway、Sentinel）；熟悉MyBatis/MyBatis-Plus，理解其底层原理。
数据库：熟练使用MySQL（或PostgreSQL），具备复杂SQL编写及索引优化能力，熟悉事务隔离级别与锁机制，有分库分表经验者优先。
缓存与消息：熟悉Redis常用数据结构及使用场景（分布式锁、缓存穿透/雪崩解决方案），了解RabbitMQ/Kafka/RocketMQ至少一种消息中间件。
工程化：熟练使用Git分支管理，熟悉Maven/Gradle、Linux常用命令，能独立完成部署及日志排查。
系统设计：具备良好的抽象思维，能独立完成模块级数据库设计（ER图）和RESTful API设计，能输出清晰的技术文档。
二、AI应用开发能力
大模型接入：熟悉至少一种主流大模型的API调用与鉴权，包括但不限于OpenAI（GPT系列）、Azure Open AI、文心一言、通义千问、智谱GLM、DeepSeek等。
Prompt工程：具备复杂Prompt编写与调优的实战经验（如Few-shot、CoT思维链、结构化输出约束如JSON Mode），并能根据Token消耗进行成本评估与优化。
RAG实战能力：熟悉RAG（检索增强生成）基本原理与实现路径，有向量数据库（如Milvus、Qdrant、Pinecone，或Elasticsearch向量检索）的实际使用经验；熟悉文档加载、切分策略（如RecursiveCharacterTextSplitter）及Embedding模型选型。
AI框架应用：熟悉Spring AI、LangChain4j 或类似Java生态的AI集成框架，能够将AI能力以标准化方式接入Spring Boot项目。
流式与异步处理：熟悉WebFlux或Netty，能够处理大模型返回的流式数据（SSE或WebSocket），理解AI场景下的超时重试、异常处理与降级策略。
AI Agent（加分但建议具备）：了解Function Calling / Tool Calling机制，有AI Agent（智能体）多工具调用开发经验者优先。

三、AI工具辅助编码能力（
AI编程工具实战：在日常开发中已长期使用至少一种AI编程助手（GitHub Copilot、通义灵码、Cursor、CodeGeeX、Codeium等），能利用其进行：
根据需求注释/方法签名自动生成完整方法体；
一键生成单元测试用例（JUnit + Mockito）；
代码重构优化（提取公共方法、简化复杂表达式）；
辅助排查报错堆栈，快速定位并修复问题。
代码甄别能力：能够独立判断AI生成代码的正确性、安全性和性能，不盲目采纳。能识别AI常见的N+1查询、线程不安全、事务注解使用不当等问题并修正。
Prompt撰写能力：能编写清晰、结构化的中文/英文Prompt，引导AI工具生成更精准的代码或方案，而非仅依赖基础补全。

四、综合素质
具备良好的沟通表达能力，能清晰阐述技术方案和问题根因。
有较强的自驱力和学习能力，关注AI辅助开发领域的新工具与实践。
有团队合作精神，乐于通过代码Review和知识分享帮助团队共同成长。

加分项
有Fine-tuning（微调） 数据集准备或模型微调经验者优先。
熟悉Python，能阅读或修改基础的数据处理/模型推理脚本者优先。
有私有化模型部署经验（如vLLM、FastChat、ollama）或GPU推理加速经验者优先。
有语义缓存（Semantic Cache）、多模态模型（图文/语音）处理经验者优先。
有技术博客或内部技术分享习惯，乐于沉淀AI开发与工具使用心得者优先。
有GitHub Copilot企业版长期使用经验，或在团队内推广AI工具并取得效果者优先。