Harness + SDD + 多仓管理：AI全栈开发实践方法论
本文提出一套基于Harness约束思维、SDD文档驱动和多仓协作的AI全栈开发实践。核心是让AI模仿现有代码而非凭空创造，通过建立前后端统一工作区与语义索引，提升代码可用性；同时采用前后端分离SDD文档对齐接口契约，并引入三阶段联调策略减少返工。实践表明该方法可提升AI代码采纳率、降低开发耗时与学习成本。
核心理念：Harness 约束思维
全栈 AI 开发中常见误区是让 AI 从零生成代码，导致风格不一致、复用率低、采纳率低。Harness 思维要求给 AI 提供已有的实现作为参照，让 AI 模仿现有模块的命名规范、目录结构、分层方式，而非自由发挥。约束越精准，生成代码的可用性越高。
全栈工作区搭建与代码索引
前后端代码通常分布在两个仓库，分开开发容易导致接口字段对不齐。将前后端代码放在同一工作区下，利用 Cursor 的 Codebase Indexing 对工作区内所有代码进行向量化嵌入，建立语义索引。AI 能跨仓库理解代码关系，生成代码质量大幅提升：生成后端接口时参考前端调用方式，生成前端代码时参考后端返回结构。
工具选择上，Cursor 与 Claude Code 各有侧重，前者适合交互式探索与精确修复，后者适合批量任务与自动话流程。
SDD 驱动的全栈代码生成
全栈 SDD (Specification-Driven Development) 需要生成两份 SDD 文档（前端一份、后端一份），并确保接口契约严格对齐、字段映射一致。推荐的多 Agent 协作流程：先由主 Agent 生成前后端 SDD 文档，再启动两个独立 Agent 并行实现前端和后端代码。
提示词范例中需明确指定：前端应用目录、后端应用目录、已有代码参照位置（如 @FeatureTable/index.tsx:53-58）、前后端需求点清单。
前后端联调三阶段验证
- Mock 数据自测：分别在前端 Mock 预期数据、后端 Mock 依赖，各自验证核心逻辑。
- 独立验证：前端连接真实后端（开发环境），后端运行单测或 Postman 验证。
- 联合联调：前后端打通完整链路。
该策略能大幅节省排查时间。
测试关注点
AI 生成代码可能包含未在需求文档中体现的“隐性功能”（如错误处理、边缘逻辑），测试用例需完整覆盖，避免遗漏需求。
实践效益
该方法论有效提升 AI 代码采纳率、降低单功能耗时、降低新成员学习成本，并提高需求吞吐率。