Data Designer 合成数据集

要解决什么问题

评测、演示和联调往往需要形状固定、字段语义清晰的表格数据，但真实数据难拿、脱敏成本高，手写 faker 脚本又容易在列依赖、分布和校验上反复返工。Data Designer 用声明式列配置描述生成逻辑；本技能把「用自然语言描述数据集」收敛成可执行的 DataDesignerConfigBuilder 配置与 Python 入口文件。

技能如何工作

• 双模式路由：默认走交互式工作流（workflows/interactive.md），逐步澄清字段与约束；若用户表示「你来决定」「直接构建」等，则改读 自动导航（workflows/autopilot.md）并按合理假设推进。
• 列与采样规则：默认保留输出中的全部列；仅在用户明确要求删除，或列为派生其它列的辅助列（如采样 person 后拆姓名、城市）时才删。需要人员字段时参照 references/person-sampling.md；用户明确给种子或要求基于现有记录时再读 references/seed-datasets.md。
• 实现细节：采样器与验证列需同时指定 type 与 params（如 sampler_type="category" 配 dd.CategorySamplerParams(...)）；SamplerColumnConfig 用 params 而非 sampler_params；Jinja2 中用 {{ column_name }} / {{ column_name.field }}；LLM 评判器评分取 {{ quality.correctness.score }} 而非整段字典。
• 交付物：在当前目录写入含 load_config_builder() 的 Python 文件，按需附带 Pydantic 模型、自定义生成器或 PEP 723 内联依赖；若已有匹配描述的数据集脚本，会先问是编辑还是新建。

边界与注意

本技能面向 Data Designer 配置生成，不负责替你安装 data-designer CLI（需 Python ≥ 3.10）。预览若因沙箱阻断出站网络失败，需在允许外网的环境重试或由你本地执行命令。