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。

一句话说明

「种子数据生成」技能让智能体为开发库生成符合约束的种子数据。你提供表结构，它按固定步骤处理，交付插入语句或脚本。

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

它解决什么问题

没有技能时，后端与数据工程师每次都要重新描述要求，智能体的输出时详时略、格式不一，关键的检查步骤也经常被跳过。把流程写成技能后：

  • 每次都按同样的顺序执行：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
  • 输出结构固定，便于复核和归档
  • 领域规矩（如「默认使用只读连接，任何写操作都要人工确认」）写在技能里，不靠临时提醒

适合与不适合

适合：经常处理表结构、希望结果格式统一、愿意花十分钟把流程写清楚的后端与数据工程师。

不适合：一次性的临时任务；需要大量现场判断、无法写成步骤的工作；以及没有人复核就要直接对外使用的场景。

可以在哪些平台实现

同一个技能的思路可以落在不同平台上，常见选择有：

  • Claude Code Skill：Claude Code 的 Agent Skills 以文件夹为单位：一个 SKILL.md（YAML 头写 name 与 description）加上可选的脚本和参考资料。智能体平时只看到 description
  • AGENTS.md：AGENTS.md 是放在仓库根目录、写给编码智能体看的说明文件
  • Cline Rules：Cline 支持在项目中用 .clinerules 写规则（可以是单个文件
  • Function Calling：Function Calling（工具调用）是主流大模型 API 的通用能力：你用 JSON Schema 描述函数

怎么开始

建议先用纯提示词版本在日常对话助手里试几次，确认步骤合理；再按SKILL.md 写法封装成技能；最后用测试用例验收。

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。

智能体与人的分工

技能不是把工作全部交出去，而是把重复、机械的部分交给智能体，人把住判断和责任：

步骤智能体负责人负责
读取约束与外键按指令完成并给出依据抽查关键处，确认无误
按依赖顺序生成按指令完成并给出依据抽查关键处，确认无误
控制数据量按指令完成并给出依据抽查关键处，确认无误
避免真实个人信息按指令完成并给出依据抽查关键处，确认无误
最终交付整理插入语句或脚本决定是否采用、是否对外

风险较低，但输出仍需快速过目再使用。

准备一份好范例

在技能的参考资料里放一份你认可的插入语句或脚本范例，往往比多写十条规则更有效。好范例应当：

  • 来自真实工作，但已去除个人信息和敏感数据
  • 体现团队习惯的结构、措辞和详略程度
  • 包含一处“需人工确认”的标注示范，让智能体学会如何表达不确定
  • 篇幅适中，不要比平时的产出长太多

范例不必多，一到两份即可；太多范例反而会让智能体机械模仿某一份的细节。

延伸阅读

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。