如果你在测试框架与 CI 流水线里反复做测试数据工厂，可以考虑把经验沉淀为一个 Skill：写清触发条件、步骤、输出格式和边界，让智能体代劳重复部分，人只负责把关。

本文介绍如何在 扣子（Coze）智能体与工作流 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
技能测试数据工厂（test-data-factory）
作用为测试生成结构合理、可复现的假数据工厂
输入数据模型定义
输出数据工厂代码
形态纯提示词
风险低
适用人群开发与测试工程师

处理流程分四步：

  1. 读取模型字段与约束
  2. 设计默认值
  3. 支持覆盖字段
  4. 保证随机种子可复现

这个技能纯指令型，不需要额外脚本或外部连接，复制到大多数平台都能用；风险较低，但输出仍需快速过目再使用。

在 扣子（Coze）智能体与工作流 中是什么形态

扣子（Coze）是字节跳动推出的智能体开发平台，可以为智能体设置人设与回复逻辑，挂载插件、知识库和工作流，并发布到多个渠道。

国内版与海外版在功能和发布渠道上可能不同，具体以所用版本的官方文档为准。

示例配置

# 扣子（Coze）配置思路示意，界面字段以平台当前版本为准
智能体: 测试数据工厂
人设与回复逻辑: 你负责为测试生成结构合理、可复现的假数据工厂。收到数据模型定义后按工作流处理，不确定处要说明。
工作流 test_data_factory:
  - 开始: content
  - 大模型: 读取模型字段与约束；设计默认值
  - 大模型: 支持覆盖字段；保证随机种子可复现
  - 结束: 数据工厂代码
知识库: 团队规范与示例（可选）

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」，让智能体在开发与测试工程师提出相关请求时能对上号；二是约束部分要写进「生成的测试要先在本地跑通，别只盯覆盖率数字」这类领域规矩，避免智能体自作主张。

安装与启用步骤

  1. 新建智能体，写好人设与回复逻辑
  2. 新建工作流，按技能步骤添加大模型、代码、插件节点
  3. 上传团队规范作为知识库（可选）
  4. 在调试窗口测试多组输入
  5. 发布到需要的渠道

实操：一次完整的运行

假设你在测试框架与 CI 流水线中发出这样的请求（虚构示例）：

帮我做一下测试数据工厂，材料是附上的数据模型定义。

智能体识别到任务与「测试数据工厂」相关后，会依次读取模型字段与约束、设计默认值、支持覆盖字段、保证随机种子可复现。最终交付数据工厂代码，并在末尾列出需要人工确认的内容。你的工作是对照原始数据模型定义抽查两三处关键信息，确认无误后再使用。

测试与验收

在调试窗口查看工作流每个节点的运行结果，尤其检查插件返回为空时的处理。

针对这个技能，还建议额外准备：

  • 一份信息齐全的标准数据模型定义，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

  • 人设写得过于花哨，反而削弱了流程约束。
  • 插件授权范围过大。
  • 只写了步骤，没写交付格式，导致每次输出的数据工厂代码结构不同。
  • 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

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。