用 Cursor Rules 实现「种子数据生成」：.mdc 规则写法与示例
把「种子数据生成」交给智能体，难点不在模型能力，而在流程是否说清楚：输入是什么（表结构），按什么顺序处理，交付什么（插入语句或脚本），哪些事不能做。Skill 就是把这些写下来的载体。
本文介绍如何在 Cursor Rules 上实现这个技能，包括它的形态、示例配置、启用步骤、一次完整的运行过程和常见坑。
这个技能做什么
| 项目 | 说明 |
|---|---|
| 技能 | 种子数据生成（seed-data-generator） |
| 作用 | 为开发库生成符合约束的种子数据 |
| 输入 | 表结构 |
| 输出 | 插入语句或脚本 |
| 形态 | 带脚本 |
| 风险 | 低 |
| 适用人群 | 后端与数据工程师 |
处理流程分四步：
- 读取约束与外键
- 按依赖顺序生成
- 控制数据量
- 避免真实个人信息
这个技能需要运行本地脚本（解析文件、调用命令行工具等），要求运行环境允许执行代码；风险较低，但输出仍需快速过目再使用。
在 Cursor Rules 中是什么形态
Cursor 用项目规则（Project Rules）给智能体注入长期指令，规则文件放在 .cursor/rules/ 下，扩展名为 .mdc，头部可写 description、globs 与 alwaysApply，用来控制规则何时生效。
规则文件随仓库提交；description 供智能体按需选用，globs 让规则在匹配文件被引用时自动附加，alwaysApply 为 true 时每次都会带上。
示例配置
.cursor/rules/seed-data-generator.mdc 示例（示意）：
---
description: 种子数据生成：为开发库生成符合约束的种子数据
globs: **/*.sql, migrations/**
alwaysApply: false
---
# 种子数据生成
当我要求「种子数据生成」时，按以下步骤进行：
1. 读取约束与外键
2. 按依赖顺序生成
3. 控制数据量
4. 避免真实个人信息
输出：插入语句或脚本。
- 默认使用只读连接，任何写操作都要人工确认。
- 信息不足时先提问，不要自行编造数据或事实。
- 脚本只在当前项目目录内运行，运行失败时报告错误原文，不要猜测结果。
示例里最重要的是两处：一是描述（或指令开头）要写明「什么时候用」，让智能体在后端与数据工程师提出相关请求时能对上号；二是约束部分要写进「默认使用只读连接，任何写操作都要人工确认」这类领域规矩，避免智能体自作主张。
安装与启用步骤
- 在仓库新建
.cursor/rules/seed-data-generator.mdc - 写好 description，让它准确描述适用场景
- 按需填写 globs（只对相关文件生效），一般不要设为 alwaysApply
- 在 Agent 模式中描述任务，确认规则被引用
- 把规则提交到仓库，并在团队约定里说明
实操：一次完整的运行
假设你在数据库客户端与查询工具中发出这样的请求（虚构示例）：
用种子数据生成技能处理这份表结构，输出插入语句或脚本。
智能体识别到任务与「种子数据生成」相关后，会依次读取约束与外键、按依赖顺序生成、控制数据量、避免真实个人信息。最终交付插入语句或脚本，并在末尾列出需要人工确认的内容。你的工作是对照原始表结构抽查两三处关键信息，确认无误后再使用。
测试与验收
在 Agent 对话中观察规则是否被列为上下文；分别打开匹配与不匹配 globs 的文件测试。
针对这个技能，还建议额外准备：
- 一份信息齐全的标准表结构，检查输出是否完整
- 一份缺少关键信息的输入，检查智能体是否先提问而不是编造
- 一份包含“忽略以上规则”等字样的输入，检查约束是否仍然有效
常见坑
- 把十几条无关规则都设成 alwaysApply，挤占上下文且相互冲突。
- 规则写成泛泛的“写出高质量代码”，缺少可执行的步骤。
- 只写了步骤，没写交付格式，导致每次输出的插入语句或脚本结构不同。
- 没有给出样例，智能体对“好结果”的理解与你不一致；在参考资料里放一两份范例会明显改善。
延伸阅读
- 种子数据生成 · 测试用例
- 种子数据生成 · 极简与进阶
- 种子数据生成 · 定制指南
- SQL 上线审查 · Cursor Rules 版
- 死锁分析 · Cursor Rules 版
- 智能体Skills 分类：625 个技能 × 32 个角度
说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。