最好的年终奖！蚂蚁P6升P7。

大家好，我是二哥呀。

在某脉上刷到一条帖子，有蚂蚁的同学晒出了P6升P7的截图，并配文一句话：这就是最好的年终奖。

恭喜他！

年终奖发了多少钱，当然重要（这不废话）。但晋升，往往比几个月工资更令人兴奋。

因为职级升上去就是实打实的身价提升，以后跳槽谈offer，底气完全不一样。

TIPS：蚂蚁内部在去P化，但大部分阿里系的同学还是习惯称P，包括外界，主打一个你懂我懂大家都懂。

我一个蚂蚁的朋友，卡在P6这个级别上好几年了，年年冲P7，年年陪跑。不是他不努力，主要是P7的竞争太特么激烈。

首先，硬性条件不能差，绩效每年都要3.5+以上，如果竞争对手是3.75，注定没戏。

另外，工作年限得够，项目经历得硬，技术能力得服众。还有就是要成为嫡系，说白了，你得让领导觉得提拔你是安全的，不会打脸。

根据往年的情况，蚂蚁的年终奖和绩效大概是这么一个关系（据说这个月底就会发）：

• 绩效3.75，年终奖大概4-6个月，涨薪8%-15%左右（含晋升）。一个团队可能就几个人能拿到这个。
• 绩效3.5+，年终奖4个月左右，涨薪6%-8%。大部分人都在这个区间。
• 绩效3.5，年终奖3个月左右，涨薪5%-6%。也算及格，但想晋升就得继续卷了。

这里有几句掏心掏肺的话，想分享给对职场晋升有欲望的同学：

第一，别只埋头干活。做了什么事情，要让领导知道。不是邀功，是让领导有素材帮你说话。晋升答辩的时候，领导得能举出你的例子来。

第二，把一到两个项目做深。找一个方向深挖下去，做到别人提到这个方向就想到你。

第三，提前准备述职材料。很多同学临到头才开始写PPT，结果逻辑不通、数据不全。提前半年准备，持续迭代，效果会好很多。

第四，找个靠谱的导师。最好是已经升过P7的人，付费搞好关系，让人家帮你看看述职材料，讲讲晋升的坑在哪里。有时候一个点拨，能少走很多弯路。

星球里就有不少拿到蚂蚁offer的同学，真不是我在这里脱裤子放屁，我举几个例子自证一下。

有去年4月份春招拿到蚂蚁的，有拿到蚂蚁暑期实习的，还有26届秋招拿到的。

举这个例子就是要告诉大家，只要你有渴望，有路径，目标并非可望不可及。

要对自己有信心啊，兄弟姐妹们。

如果有同学打算在春节期间冲一个AI实战项目，年后开始暑期实习和春招。

二哥这里也举贤不避亲，推荐一下PaiAgent，目前在GitHub上已经有77个star了，离小目标 100 star 也不远了。

https://github.com/itwanger/PaiAgent

教程我也更新了五篇，放在了技术派上，限时免费哦。

复制到浏览器打开：https://paicoding.com/column/14/1

第一期我更新了五篇教程，春节期间打算继续更新，主要完成LangGraph4J、简历写法、面试题预测，如果有新的功能也会第一时间更新上去。

今天先给大家提供第一个简历模板（可直接抄哦，有帮助的同学点个赞回报下二哥不过分吧，😄）。

简历模板1

项目名称：PaiAgent - 企业级 AI 工作流可视化编排平台

项目介绍：基于 LangGraph4j + Spring AI 的企业级 AI 工作流平台，支持通过可视化拖拽界面编排多种大模型（OpenAI、DeepSeek、通义千问）和工具节点，使用 DAG 引擎按拓扑顺序执行复杂 AI 任务，实现零代码构建 AI Agent 应用。

技术栈：Java 21、Spring Boot 3.4.1、Spring AI 1.0.0-M5、LangGraph4j 1.8

核心职责：

• 基于 LangGraph4j StateGraph 构建工作流引擎，GraphBuilder 负责节点注册和边连接，NodeAdapter 将现有执行器适配为 LangGraph 异步节点执行，StateManager 管理节点间状态传递，实现支持状态图、条件分支的高级工作流编排
• Spring AI 多模型统一接入架构：设计 ChatClientFactory 动态工厂，运行时根据节点配置（apiUrl/apiKey/model/temperature）动态创建 OpenAI 兼容的 ChatClient 实例，通过 OpenAiChatOptions 统一配置模型参数，实现 OpenAI、DeepSeek、通义千问等多厂商 LLM 的无缝切换
• 使用模板方法模式重构 LLM 节点执行器，抽象 AbstractLLMNodeExecutor 基类封装配置提取、模板处理、API 调用、输出构建的通用流程，子类仅需实现 getNodeType() 方法，将 5 个 LLM 节点执行器代码从 800+ 行精简至每个约 10 行
• 实现 Prompt 支持模板变量替换，可通过 {{variable}} 解析 input 静态值和 reference 动态引用两种参数类型，支持从上游节点输出中自动获取参数值，实现节点间数据流的灵活映射
• 实现 DAG 工作流解析引擎，基于 Kahn 算法的拓扑排序确定节点执行顺序，DFS 深度优先搜索检测循环依赖防止死锁，支持一对多、多对一的节点连接方式
• 基于 Spring SseEmitter 实现工作流执行的实时反馈，设计 ExecutionEvent 事件模型，通过 Consumer<ExecutionEvent> 回调机制将 LLM 流式生成内容实时推送到前端调试面板

想弯道超车的兄弟姐妹们，机会来了，😄

一个真正的Vibe Coding项目，难度不大，写到简历上缺比点评商城来得有用。

在职的同学，不管是晋升也好，跳槽也好，也要及时更新自己。

最后一周了，冲冲冲吧！

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 11600 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 💪。