人工智能彻底改变了软件开发。越来越多的团队采用 GitHub Copilot 和 ChatGPT 等工具来加快编码、文档编制和调试速度。然而，前景与实际应用之间存在巨大差距：如果没有明确的策略，使用人工智能甚至可能适得其反。
在本文中，我将解释如何运用“氛围编码”方法，这是一种自上而下与人工智能合作的结构化方法，能够保持控制，减少错误，并最大化影响力。最重要的是：它提供了真实案例、有效的提示和您现在就可以应用的技巧。
氛围编码：从上下文开始，而不是代码
使用代码生成工具时，一个常见的陷阱是直接请求功能或代码片段。这通常会导致混乱、浪费时间以及结果不一致。
自上而下的方法则相反：从 需求开始， 然后进行系统设计， 工作职能电子邮件列表 再到代码搭建，最后 生成功能块。这种方法可以让你控制流程，并在概念错误蔓延之前纠正它们。
真实案例：在 ElasticSearch 中索引 Cassandra
初始提示（摘要）：
我是产品经理，你是软件架构师。我们要设计一个应用，用 ElasticSearch 索引一个大型 Cassandra 表。请帮我构建一个健壮、无数据丢失的系统。
这将启动引导式问答环节，其中人工智能将探索：
索引用例（搜索、分析……）
数据量和插入率
数据集类型（仅插入、可更新等）
最终，AI总结出一个建议的架构：
Cassandra → Kafka → ElasticSearch（批量写入）
使用 DLQ 队列实现容错
多区域复制
企业安全和恢复
并提供了完整的技术规格。
脚手架：先结构后内容
一旦设计得到验证，您就可以要求AI生成文件夹，类和功能模式：
迅速的：
创建一个 PHP 应用程序模式，从 Kafka 读取并多播到 PostgreSQL、REST API 和 SMTP。
预期输出：