Mock data gen

mock-data-gen — 假数据 / 测试种子数据生成

把 SQL CREATE TABLE、Go/GORM struct、TypeScript interface、JSON 样例或自然语言字段描述, 转换成 N 条真实感测试数据,输出为 JSON 数组 / SQL INSERT / CSV / NDJSON, 字段值符合类型、约束与业务语义,唯一键不重复,外键保持引用一致。

所有生成数据均为假数据,仅供开发测试使用,不含真实 PII。

何时触发

用户说:

• /mock-data-gen
• "帮我生成测试数据"
• "帮我造数据"
• "生成假数据" / "生成种子数据"
• "给这个表造 10 条 INSERT"
• "帮我生成符合这个 interface 的 JSON"
• "我需要 CSV 格式的测试数据"
• "给我生成一些中文测试用户"

工作流

1. 收集输入

从用户处拿到以下信息(缺什么问什么,再追问一次即可,不要多轮打扰):

输入项	说明	缺省值
结构定义	SQL CREATE TABLE / Go struct / TS interface / JSON shape / 自然语言字段列表	必填
条数 N	需要生成多少条	默认 10
输出格式	json / sql / csv / ndjson	默认 json
语言偏好	中文场景(中文姓名/国内手机号/省市地址等)还是国际化	默认按字段名/表名推断
外键约束	若有外键,提供父表已有的合法 ID 范围或列表	未提供时自动生成连续 ID

2. 解析结构

• SQL CREATE TABLE:提取列名、类型、NOT NULL、DEFAULT、UNIQUE、CHECK、枚举(ENUM(...))、主键、外键、长度限制(VARCHAR(N))。
• Go/GORM struct:解析字段名、类型(string/int/time.Time/*Type 等)、GORM tag(column / type / not null / unique / default / size)、json tag 作为字段名。
• TypeScript interface:解析字段名、类型(string/number/boolean/Date/字面量联合 'a' | 'b'/可选 ?)。
• JSON 样例:推断每个字段的类型与语义。
• 自然语言字段列表:从描述推断类型与约束(如"手机号:11 位数字,不重复"→ VARCHAR(11) UNIQUE NOT NULL)。

3. 推断字段语义并生成真实感数据

字段语义映射

字段名关键词(模糊匹配)	生成策略
name / user_name / 姓名	真实感人名(中文 or 英文,按语言偏好)
email / 邮箱	<拼音或英文>@<域名>.com 格式,保证 @ 前唯一
phone / mobile / 手机	中文场景:1[3-9]XXXXXXXXX(11 位);国际:+1-XXX-XXX-XXXX
id_card / 身份证	18 位格式(前 17 位数字 + 1 位数字或 X),标注为假
id / user_id / _id	从 1 开始的自增整数(或 UUID v4,依类型判断)
created_at / updated_at / date / 时间	ISO 8601 时间,created_at ≤ updated_at,时序合理
age / 年龄	18–65 之间的整数
amount / price / 金额 / 费用	正数浮点,保留 2 位小数
status / state / type	从枚举/联合类型中随机取合法值
address / 地址	中文场景:省 + 市 + 区 + 街道(均为真实省市名,门牌号为假)
province / 省	中国真实省/直辖市名
city / 市	与 province 对应的城市名
content / description / remark / 备注	1–3 句中文或英文占位文字
url / avatar / image	https://example.com/<slug> 格式占位 URL
score / rating	0–100(score)或 1–5(rating)浮点
is_ / has_ / enable	boolean,随机 true/false
gender / sex / 性别	male/female 或 男/女,依枚举定义
password / 密码	<占位> 字符串 + 标注"非真实凭证"

约束严格遵守

• NOT NULL / 非可选字段:不生成 null。
• UNIQUE / unique:true:该字段 N 条中不重复。
• VARCHAR(N) / size:N:生成值长度 ≤ N。
• ENUM(a,b,c) / 字面量联合:只从合法值中取。
• DEFAULT <val>:若字段可省略,可直接使用 default;若需显式填,使用 default 值。
• 外键:外键字段的值从用户提供或自动生成的父表主键集合中随机取(保持引用一致)。
• 时间字段:created_at ≤ updated_at(如两者均有)。
• 主键自增:从 1 或用户指定起始值开始,每条递增 1。

4. 输出格式

JSON 数组(默认)

[
  {
    "id": 1,
    "name": "张伟",
    "email": "[email protected]",
    "phone": "13812345678",
    "created_at": "2025-03-15T08:30:00Z"
  }
]

SQL INSERT

-- 假数据,仅供测试
INSERT INTO `users` (`id`, `name`, `email`, `phone`, `created_at`) VALUES
(1, '张伟', '[email protected]', '13812345678', '2025-03-15 08:30:00'),
(2, '李娜', '[email protected]', '15923456789', '2025-04-02 14:15:00');

CSV

id,name,email,phone,created_at
1,张伟,[email protected],13812345678,2025-03-15T08:30:00Z
2,李娜,[email protected],15923456789,2025-04-02T14:15:00Z

NDJSON(每行一个 JSON 对象)

{"id":1,"name":"张伟","email":"[email protected]","phone":"13812345678","created_at":"2025-03-15T08:30:00Z"}
{"id":2,"name":"李娜","email":"[email protected]","phone":"15923456789","created_at":"2025-04-02T14:15:00Z"}

5. 端到端示例:从 CREATE TABLE 到 5 条 INSERT

输入结构:

CREATE TABLE orders (
  id          INT PRIMARY KEY AUTO_INCREMENT,
  user_id     INT NOT NULL,                          -- 外键,users.id
  order_no    VARCHAR(20) UNIQUE NOT NULL,
  status      ENUM('pending','paid','shipped','done') NOT NULL DEFAULT 'pending',
  amount      DECIMAL(10,2) NOT NULL,
  note        TEXT,
  created_at  DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP,
  updated_at  DATETIME NOT NULL DEFAULT CURRENT_TIMESTAMP
);

**用户需求:**生成 5 条,SQL INSERT 格式,user_id 取自 users.id 范围 1–3,中文场景。

输出:

-- ⚠️ 以下均为假数据,仅供开发测试,请勿用于生产环境
INSERT INTO `orders` (`id`, `user_id`, `order_no`, `status`, `amount`, `note`, `created_at`, `updated_at`) VALUES
(1, 2, 'ORD-20250315-00001', 'paid',    128.50, '请尽快发货',           '2025-03-15 09:12:00', '2025-03-15 11:30:00'),
(2, 1, 'ORD-20250402-00002', 'pending',  59.90, NULL,                   '2025-04-02 14:05:00', '2025-04-02 14:05:00'),
(3, 3, 'ORD-20250410-00003', 'shipped', 299.00, '易碎品,轻拿轻放',      '2025-04-10 08:00:00', '2025-04-11 10:20:00'),
(4, 2, 'ORD-20250418-00004', 'done',     45.00, NULL,                   '2025-04-18 16:30:00', '2025-04-19 09:00:00'),
(5, 1, 'ORD-20250501-00005', 'paid',    780.00, '劳动节促销订单',       '2025-05-01 10:00:00', '2025-05-01 10:45:00');

说明:

• order_no 5 条各不相同(UNIQUE 约束满足)
• user_id 从 {1, 2, 3} 中随机取(外键引用一致)
• status 只取 ENUM 中的合法值
• created_at ≤ updated_at(时序合理)
• amount 保留 2 位小数
• note 允许 NULL(TEXT 无 NOT NULL)

6. 中文场景支持

当字段或用户需求涉及中国本地化时,按以下规则生成:

字段类型	生成规则
中文姓名	常见百家姓(王/李/张/刘/陈…)+ 常见名字(伟/芳/娜/秀英…)
手机号	1[3-9]\d{9}(11 位),首位 13/14/15/16/17/18/19,第三位不超出运营商号段
身份证	18 位格式:6 位地区码 + 8 位生日(YYYYMMDD)+ 3 位顺序码 + 1 位校验码(数字或 X),输出时附注"⚠️ 假身份证号,仅供测试"
省市区	真实省/直辖市/自治区名;城市与省份对应(不会出现"上海市广州市")
详细地址	<省><市><区> <真实路名>路 <N> 号 <M> 室(路名为占位,不暗示真实地址)
公司名称	<城市><行业>有限公司 格式(均为虚构)
银行卡	16–19 位数字,附注"⚠️ 假卡号,仅供测试",不生成通过 Luhn 校验的真实卡号

重要:中文手机号、身份证号、银行卡号均为格式合规但内容虚构的假数据, 明确标注"仅供测试",不可作为真实凭证使用。

7. 信息不足时追问

若以下关键信息缺失且影响生成质量,一次性列出所有疑问:

• 结构定义:必须有,如果完全缺失则请用户提供
• 外键引用:有外键且未提供父表 ID 范围时,说明将自动生成范围并让用户确认
• 枚举值不明确:询问合法取值列表
• 多义字段(如 type 无枚举约束):列出几个可能的取值并让用户选择

输出模板

生成后按以下结构回复:

## 生成结果

> ⚠️ 以下均为假数据,仅供开发/测试使用。请勿将手机号、身份证号等字段误用于真实场景。

<生成的数据块>

## 说明

- 条数:N 条
- 格式:JSON / SQL INSERT / CSV / NDJSON
- 关键约束处理:
  - UNIQUE 字段 <字段名>:N 条中不重复
  - 外键 <字段名> → <父表>(<父表主键范围>)
  - 枚举 <字段名>:只取 <合法值列表> 中的值
  - 时序:<created_at> ≤ <updated_at>
- 如需调整(条数 / 格式 / 字段分布 / 语言),直接告诉我

硬规则

1. 假数据声明:输出前必须有明确的"假数据,仅供测试"声明。中文手机号、身份证、银行卡号一律附注"⚠️ 假"字样。
2. UNIQUE 不重复:标注 UNIQUE 或 unique:true 的字段,N 条之间绝对不重复。
3. 外键引用一致:外键字段的值只取合法父键集合中的值,不生成不存在的引用。
4. 枚举合法:ENUM / 字面量联合类型只取声明的合法值,不超出范围。
5. 不生成可被误用的真实凭证:不生成通过 Luhn 校验的银行卡号;不生成能通过公民身份校验的真实身份证号;密码字段一律用占位字符串。
6. 类型匹配:整数字段不生成小数;VARCHAR(N) 值长度 ≤ N;DECIMAL(p,s) 保留 s 位小数。
7. 时序合理:created_at ≤ updated_at;有 start_date 和 end_date 时 start ≤ end。
8. 不臆断:字段语义不明确时优先追问,不强行猜测并生成可能误导的值。
9. 不做写操作:只输出数据文本,不向任何数据库写入、不执行任何命令。

边界

• 纯 Claude 驱动,无需 bin 脚本或外部工具。
• 生成量无硬性上限,但超过 100 条时建议分批请求以保证质量。
• 不支持生成加密/压缩二进制格式(如 Parquet、Avro)。
• 复杂 CHECK 约束(如跨列比较 CHECK (end_date > start_date + 7))会尽力遵守, 但不保证 100% 机器可校验;生成后请人工复核。
• 不处理 PL/pgSQL 函数、触发器、视图定义,仅处理列约束。