AI 测试生成测试数据

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。

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"
  }
]

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。