模拟测试数据集生成

为什么要手工造测试数据

在开发初期，数据库里往往没有足够真实的数据来验证查询逻辑或接口行为。手写一百条 INSERT 语句既枯燥又容易遗漏边界条件；而随意生成的随机字符串又无法通过外键约束或业务规则校验。这个技能用于替代这类重复劳动，直接产出符合预期的结构化测试数据。

技能如何工作

该技能的核心在于将业务约束转化为可执行的数据生成逻辑。你需要提供产品名称、数据集类型（如 customer_feedback）、目标行数、列定义以及具体的约束规则。

技能的处理流程包括：

• 定义列规范：明确每一列的数据类型与取值范围，例如 feedback_id 的自增规则或 rating 的枚举值。
• 应用业务逻辑：确保数据符合真实场景。例如，设定“Bug 类别仅对应 1-3 星评分”或“评分分布呈现 40% 五星、30% 四星”的倾斜分布。
• 输出多种格式：根据需求生成可直接导入的 CSV 或 JSON 文件，或者输出包含完整逻辑的 SQL 插入语句。
• 交付可执行脚本：特别地，它能生成一份带有参数化配置的 Python 脚本。你可以修改脚本中的配置，自行运行以生成更大体量的数据，而不必重新请求生成。

适用边界与注意点

该技能专注于离线数据生成，不会自动安装依赖或修改系统权限。所有涉及外部写入或执行命令的操作，都需要你明确确认。生成的数据仅作为测试参考，请在用于生产环境前进行必要的验证。