把「测试数据工厂」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（数据模型定义），按什么顺序处理，交付什么（数据工厂代码），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 Gemini CLI 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 Gemini CLI 中是什么形态

Gemini CLI 会读取项目中的 GEMINI.md 作为长期上下文，还支持在 .gemini/commands/ 下用 TOML 文件定义自定义斜杠命令，把一段固定提示封装成一个命令。

项目级命令放在仓库的 .gemini/commands/，个人级放在用户目录下的 .gemini/commands/；命令中可用 {{args}} 接收调用时的参数。

示例配置

自定义命令示例（示意）：

# .gemini/commands/test-data-factory.toml
description = "测试数据工厂：为测试生成结构合理、可复现的假数据工厂"
prompt = """
你现在执行「测试数据工厂」任务。
输入：{{args}}

按以下步骤处理：
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

最后输出：数据工厂代码，并列出需要人工确认的内容。
"""

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. 在项目中新建 .gemini/commands/test-data-factory.toml
  2. 填写 description 与 prompt，prompt 中写清步骤与输出
  3. 在 GEMINI.md 中补充项目约定，供命令执行时参考
  4. 在 CLI 中输入 /test-data-factory 加参数调用
  5. 提交到仓库，团队共享

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

用空参数、正常参数和超长参数各调用一次命令，确认提示中的步骤与约束都生效。

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

  • 把所有流程都塞进 GEMINI.md，导致每次对话上下文过长。
  • 命令名与内置命令或其他命令重名，调用时混淆。
  • 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。