这算不算 AI 应用开发？
结论：算，而且是「正统的」AI 应用开发，不是调戏 ChatGPT。
1. 市场在说的「AI 应用开发」通常指什么
不是训练基础大模型，而是把模型嵌进真实产品：
LLM
+ Prompt / Structured Output
+ Tool Use（调业务系统）
+ （可选）RAG / Memory / Workflow
+ 权限、审计、评测、成本与体验你要做的 TourMate 助手，正好落在这条链上：
| 你的动作 | 对应能力层 |
|---|---|
| 用户自然语言 → Intent DTO | Structured Output |
search_activities 调现有查询 | Tool Use / 业务集成 |
| 卡片 + deep link 进详情 | 产品闭环（不是 Demo 对话） |
| 禁止虚构活动、权限过滤 | 生产治理 |
| 评测话术集 | AI Evals |
这和「会写 Prompt 玩一玩」的差别，就在 Tool + 真实数据 + 可点击动作 + 治理。
2. 和「模型训练 / 算法岗」的边界
| AI 应用工程（你这条） | 模型/算法研究 | |
|---|---|---|
| 核心产出 | 能上线的业务功能 | 更好的模型或指标论文 |
| 日常工作 | 编排、Tool、RAG、评测、成本 | 数据、训练、推理优化 |
| 你的优势 | 已有 DDD、订单、活动、权限 | 不是当前主线 |
简历/学习叙事可以写：
在存量 Spring Boot 业务系统中落地 C 端对话式活动检索 Agent（Structured Output + Tool Calling + Deep Link），并规划 B 端运营分析工作流。
这就是标准的 AI Application / LLM Application Engineer 叙事。
3. 怎样才算「做出了」而不只是「学了」
最低完成线（C 端 MVP）：
- 真实模型 API 接入（非纯 Mock）
- 意图结构化，且列表数据来自业务查询而非模型编造
- App（或可演示客户端）能点进活动详情
- 有一小份评测集证明：越权=0、虚构=0
做到这四条，就可以对外说：做过 AI 应用开发，而不是看过教程。
4. 一句话给你自己
智能体助手项目 = AI 应用开发的主战场之一；
你不是从零学 AI，而是用已有业务系统做「有工具、有边界、有交付」的 Agent。