hex
1
在进行一些小测试的时候,我们可能会要求 AI 帮我们生成一些测试数据。
例如可以用下面的:
生成一个包含 50000 个用户对象的 JSON 数组。每个用户对象都应该包含以下字段:
* id: UUID 格式的字符串。
* username: 随机但看起来真实的名字,小写。
* email: 与用户名匹配的电子邮件地址。
* name: 随机2到5个汉字人名。
* age: 18 到 60 之间的随机整数。
* isActive: 布尔值,随机为 true 或 false。
* lastLogin: ISO 8601 格式的日期时间字符串,表示过去 30 天内的任意时间。
要求:
* 直接输出原始的 JSON 代码块,不要包含任何额外的解释。
这个可以之间生成一些测试用例。
hex
2
生成一个包含 5个用户对象的 JSON 数组。每个用户对象都应该包含以下字段:
- id: UUID 格式的字符串。
- username: 随机但看起来真实的名字,小写。
- email: 与用户名匹配的电子邮件地址。
- name: 随机2到5个汉字人名。
- age: 18 到 60 之间的随机整数。
- isActive: 布尔值,随机为 true 或 false。
- lastLogin: ISO 8601 格式的日期时间字符串,表示过去 30 天内的任意时间。
要求:
- 直接输出原始的 JSON 代码块,不要包含任何额外的解释。
[
{
"id": "3f1a9f2e-8c14-4b9f-9d4a-0e3a6a1b4f2d",
"username": "liwei",
"email": "[email protected]",
"name": "李伟",
"age": 28,
"isActive": true,
"lastLogin": "2025-09-28T14:23:45Z"
},
{
"id": "b7c6d9a2-2f6e-4cba-9a0d-9b0a1f3c4e5d",
"username": "chenyue",
"email": "[email protected]",
"name": "陈悦君",
"age": 34,
"isActive": false,
"lastLogin": "2025-09-18T08:05:12Z"
},
{
"id": "d1a2b3c4-5d6e-7f89-0a1b-2c3d4e5f6a7b",
"username": "liyun",
"email": "[email protected]",
"name": "李云",
"age": 22,
"isActive": true,
"lastLogin": "2025-09-24T19:40:03Z"
},
{
"id": "a9f1e2d3-4c5b-6a7d-8e9f-0a1b2c3d4e5f",
"username": "zhaohua",
"email": "[email protected]",
"name": "赵华",
"age": 41,
"isActive": true,
"lastLogin": "2025-09-07T11:22:55Z"
},
{
"id": "2f6b7a89-3c4d-5e6f-7a8b-9c0d1e2f3a4b",
"username": "wangli",
"email": "[email protected]",
"name": "王丽娟",
"age": 29,
"isActive": false,
"lastLogin": "2025-09-27T10:50:21Z"
}
]
hex
4
还可以用 AI 的 API 生成一些测试数据。
上面生成的测试数据 GPT-5 的测试数据。
如果需要进行大规模使用或者生成几十万的测试数据的话,使用 Python 的库来生成是更好的选择。
在这里我们可以用这几条数据来做格式匹配。