配套文章：篇1《干了 13 年 Java，AI 时代我不是被淘汰，而是被重新定价》
这是一份可执行的路线图，不是鸡汤——每个阶段都有明确的「产出物」和「自检标准」。
| 画像 | 推荐方向 | 建议路径 |
|---|---|---|
| 1–5 年 Java 后端 | 方向 1（Spring AI 应用开发） | 90 天标准路径 |
| 5–10 年 Java 老兵 / Leader | 方向 4（AI 平台架构） | 侧重选型 + 架构 + 成本 |
| 想做副业的 Javaer | 方向 6（AI 副业） | 主业先行，先攒作品集 |
| 应届毕业生 | 方向 1 或 2 | 用 AI 项目做简历差异化 |
| 对安全感兴趣 | 方向 5（AI 安全） | 稀缺赛道，竞争少 |
- 目标岗位：Java AI 应用开发 / AI 业务后端
- 核心技能：Spring AI 2.0、ChatClient、ChatMemory、Function Calling、MCP
- 学习路径：官方 quickstart → 企业级 ChatClient → 多模型接入 → 生产三件套（埋点/限流/安全）
- 产出物：一个能跑的企业级 AI 服务（含 SSE 流式 + 多模型切换 + 限流降级）
- 薪资预期：base +20%~40%
- 目标岗位：知识库 / 企业搜索方向 AI 工程师
- 核心技能：文档解析、切片策略、Embedding 选型、混合检索、Rerank、评估体系
- 学习路径：pgvector / Milvus → 切片与召回 → 混合检索 → Rerank → 用测试集量化效果
- 产出物：一个准确率可量化的知识库问答系统（带评估脚本）
- 薪资预期：base +25%~45%
- 目标岗位：Agent 平台开发 / 智能体工程师
- 核心技能：ReAct / Plan-and-Execute、Multi-Agent 编排、MCP、A2A
- 学习路径：单 Agent → 工具编排 → 多 Agent 协同 → 生产级稳定性（断点续跑/上下文管理）
- 产出物：一个 4 Agent 协同的业务 Agent（Planner / Executor / Reviewer / Summarizer）
- 薪资预期：base +30%~50%
- 目标岗位：AI 中台 / AI 平台架构
- 核心技能：多模型路由、AI 网关、可观测体系、Token FinOps、降级容灾
- 学习路径：网关选型 → 路由策略 → 可观测（Trace/成本看板） → 成本优化
- 产出物：一份 AI 平台架构方案 + 可用的多模型路由 Demo
- 薪资预期：base +35%~60%
- 目标岗位：AI 应用安全 / 合规
- 核心技能：Prompt 注入防护、工具越权防护、内容审核、数据合规
- 学习路径：攻击面分析 → 四层防御体系 → 红蓝对抗 → 合规审计
- 产出物：30 条 AI 应用安全自查清单 + 一个防御中间件
- 薪资预期：base +25%~50%（稀缺方向，企业刚需）
- 目标：副业月入 1w–4w（第 4 个月起）
- 路径：作品集（GitHub + 公众号）→ 接外包 → 咨询 / 内训 → 课程 / 社群
- 产出物：6 个开源项目 + 10 篇技术文章 + 第一单
- 时间投入：主业为主，每周 10–15 小时
- 预期管理：前 3 个月基本无收入是正常现象
- 跑通 Spring AI 官方全部 quickstart
- 读完篇 1–篇 3 文章 + 对应仓库代码（framework-compare）
- 完成一个「多轮对话 + 工具调用」Demo
- 在 GitHub 开出自己的 AI 仓库（哪怕只有 README）
30 天自检：你能向别人讲清楚 ChatClient / ChatMemory / Tool 是什么吗？
- 选定 1 个方向，做一个完整项目（客服 / RAG / Agent 任选）
- 项目带 docker-compose 一键启动 + 中英双语 README
- 写 2–3 篇实践文章（公众号 / 掘金 / CSDN 同步分发）
- 把简历改造成「Java AI 应用开发工程师」
60 天自检：你有 1 个拿得出手的项目 + 2 篇文章了吗？
- 面试 3–5 家，检验市场反馈（别怕挂，面经就是情报）
- 或：接第一个外包 / 咨询（哪怕不赚钱，跑通流程）
- 持续输出：每周 1 篇文章
- 复盘：哪条路走通了就加深，没走通就换
90 天自检：你拿到 offer 或第一笔副业收入了吗？
- 我能 10 分钟内说清楚一个 AI 技术概念吗
- 我的项目别人 clone 下来能一键跑起来吗
- 我这个月产出了文章 / 代码吗
- 我和 3 个以上同行深聊过 AI 落地吗
- 我的简历 / GitHub 主页，HR 10 秒内能看出「Java + AI」吗
5 项里 ≥4 项打勾 = 节奏正常；≤2 项 = 该调整计划了。
| 资源 | 链接 |
|---|---|
| Spring AI | https://docs.spring.io/spring-ai/reference/ |
| LangChain4j | https://docs.langchain4j.dev/ |
| Spring AI Alibaba | https://sca.aliyun.com/ai/guide/getting-started/ |
| MCP 协议 | https://modelcontextprotocol.io/ |
| 仓库 | 用途 |
|---|---|
| framework-compare | 三框架对比（篇 2 / 篇 3 配套） |
| 后续每篇一个仓库 | 见组织主页 |
- Docker + docker-compose（必备）
- IDE：IntelliJ IDEA / VSCode + AI 插件
- 模型：DeepSeek（便宜）/ 通义（国内合规）/ OpenAI（效果标杆）
- Spring AI GitHub Discussions
- 阿里云开发者社区 SCA 专栏
- 公众号「Java AI 实战派」（不定时更新）
Q：要不要学 Python？ A：应用层不需要。模型训练 / 算法岗另说。Java + Spring AI 足够覆盖企业级 AI 应用开发 80% 的场景。
Q：没 GPU 能学吗？ A：能。调 API 完全不需要 GPU。本地部署（Ollama）是进阶选项，不是门槛。
Q：多久能上手？ A：30 天能做 Demo，90 天能做项目，6 个月能拿 offer（按每天投入 2 小时算）。
Q：35 岁转来得及吗？ A：Java AI 应用开发的壁垒是「工程能力 + 业务理解」——这两样正是老 Java 的优势。慌的应该是算法岗，不是你。
Q：三个框架到底学哪个？ A：看篇 2 选型指南。默认建议：先 Spring AI（企业主流），再按需看 SAA 或 LangChain4j。
| 篇序 | 文章 | 配套仓库 |
|---|---|---|
| 篇1 | 干了 13 年 Java，AI 时代我不是被淘汰，而是被重新定价 | 本仓库 |
| 篇2 | Spring AI vs LangChain4j vs Spring AI Alibaba：2026 终极选型指南 | framework-compare |
| 篇3 | Spring AI 2.0 GA 实战：从 0 到 1 搭建企业级 ChatClient | framework-compare |
| 篇4 | RAG 准确率从 32% 干到 89% | rag-in-action（规划中） |
| 篇5 | 把 @Tool 一键暴露成 MCP Server | mcp-in-action（规划中） |
| 篇6 | 企业级 Multi-Agent 实战 | multi-agent-in-action（规划中） |
| 篇7 | 多模型路由与故障转移 | model-routing-in-action（规划中） |
| 篇8 | AI Agent 可观测 + Token FinOps | observability-in-action（规划中） |
| 篇9 | Prompt Injection 真实复盘 | ai-security-in-action（规划中） |
| 篇10 | 33 岁 Java 后端转 AI 的真实账单 | 本仓库（更新） |
MIT