AC test-data-gen
Генерирует реалистичные тестовые данные для тестирования программного обеспечения. Создает структурированные наборы данных с поддержкой китайской локали (имена, удостоверения личности, номера телефонов, адреса, банковские карты). Генерирует SQL-вставки, JSON-фикстуры, CSV-файлы и полезные нагрузки, готовые для API. Поддерживает Faker (Python), пользовательские генераторы и маскирование/десенсибилизацию данных. Используйте, когда: (1) генерируются тестовые данные для баз данных или API, (2) создаются тестовые данные, (3) создаются тестовые учетные записи пользователей, (4) генерируются данные для китайской локали (身份证/手机号/姓名/地址), (5) выполняется маскирование/десенсибилизация данных для тестовых сред, (6) по запросам «造数据», «测试数据», «生成数据», «假数据», «mock数据», «数据脱敏», «身份证号», «手机号生成», «Faker». НЕ для: управления производственными данными, анализа данных или администрирования баз данных.
машинный переводПоказать оригиналСкрыть оригинал«Generate realistic test data for software testing. Create structured d…»
Generate realistic test data for software testing. Create structured data sets with Chinese locale support (names, ID cards, phone numbers, addresses, bank cards). Generate SQL inserts, JSON fixtures, CSV files, and API-ready payloads. Supports Faker (Python), custom generators, and data masking/desensitization. Use when: (1) generating test data for databases or APIs, (2) creating data fixtures, (3) building test user accounts, (4) generating Chinese locale data (身份证/手机号/姓名/地址), (5) data masking/desensitization for test environments, (6) "造数据", "测试数据", "生成数据", "假数据", "mock数据", "数据脱敏", "身份证号", "手机号生成", "Faker". NOT for: production data management, data analysis, or database administration.
Генерирует реалистичные тестовые данные для тестирования программного обеспечения.
Как процесс C 53/100 · Есть пробелы — слабые места: входы и предусловия, ошибки и развилки, согласованность
Как улучшить
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 3. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
✓ По спецификации Agent Skills замечаний нет
Процессный рейтинг: все десять параметров 53/100
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 0Ошибки и развилки. Линейный процесс без обработки сбоев
- 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
- 40Согласованность. Имя во frontmatter (test-data-gen) не совпадает с папкой (qa-test-data-gen)
- 50Когда включается. Не сказано, при каком запросе скилл включается
- 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
- 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
- 100Шаги. Шагов: 6
- 100Стоимость исполнения. Тело инструкции 1732 токенов
- 100Повторный запуск. Изменяющих операций нет
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +1Лицензия не указана
- +2Инструкции на одном языке
- +4Описание говорит, когда скилл НЕ применять
- +3Длина description 698 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 16 заголовков
- +3Пошаговые инструкции: 6 пунктов
- +3Формат ответа описан явно
- +4Есть примеры (11 блоков кода)
- +3Все 1 скриптов описаны в инструкциях
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 94.