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。

一句话说明

「测试数据工厂」技能让智能体为测试生成结构合理、可复现的假数据工厂。你提供数据模型定义，它按固定步骤处理，交付数据工厂代码。

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

它解决什么问题

没有技能时，开发与测试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
  • 输出结构固定，便于复核和归档
  • 领域规矩（如「生成的测试要先在本地跑通，别只盯覆盖率数字」）写在技能里，不靠临时提醒

适合与不适合

适合：经常处理数据模型定义、希望结果格式统一、愿意花十分钟把流程写清楚的开发与测试工程师。

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：

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。

领域注意事项

「测试数据工厂」属于测试领域，使用者多是开发与测试工程师，工作环境通常是测试框架与 CI 流水线。这个领域最重要的一条底线是：生成的测试要先在本地跑通，别只盯覆盖率数字。

建议把这条底线原样写进技能的约束部分，而不是指望智能体自己意识到。同时，在团队内部明确：智能体给出的数据工厂代码只是初稿或建议，最终由谁签字确认、出了问题由谁负责。

常见变体

同一个技能可以按使用场景派生出几个变体：

  • 简版：只保留核心步骤（读取模型字段与约束、保证随机种子可复现），适合快速过一遍
  • 详版：每一步都写出理由与依据，适合交给他人复核或留档
  • 批量版：一次处理多份数据模型定义，输出汇总表，适合定期集中处理

变体之间共享同一套约束，只在步骤详略和输出格式上有差异。可以在一个技能里用参数区分，也可以拆成几个名称明确的技能。

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。