ln-723-seed-data-generator

📌 用途 ln-723-seed-data-generator 是一个通用种子数据生成技能，用于为开发环境填充数据库。它根据 ORM schema 或实体定义生成指定目标格式的种子数据文件。

主要能力

双模式：MIGRATE（解析已有 ORM schema 生成种子数据）与 GENERATE（从实体定义生成种子数据）。
支持的目标格式：C# MockData（输出 MockData.cs，使用 Bogus 库）、TypeScript fixtures（输出 seed.ts，使用 Faker.js）、Python factories（输出 factories.py，使用 Python Faker）、JSON（输出 seed.json）、SQL（输出 seed.sql）。
可自动检测的 ORM：Drizzle（pgTable/mysqlTable/sqliteTable）、Prisma（.prisma 文件中的 model 语法）、TypeORM（@Entity/@Column 装饰器）、EF Core（DbContext、DbSet<>、[Table] 特性）、SQLAlchemy（declarative_base、Column）、Django ORM（models.Model、models.CharField）。
使用 faker 库生成真实感数据，采用固定种子值（42）保证可复现。
类型映射：将列类型映射到目标格式，处理可空性、外键与关系。
命名约定转换：如 C# 使用 PascalCase 单数类名与 PascalCase 属性，TypeScript 使用 PascalCase 单数类名与 camelCase 字段，Python 使用 PascalCase 单数类名与 snake_case 字段，JSON 使用 camelCase 与 kebab-case 文件名，SQL 使用 snake_case 复数表名与 snake_case 字段。
按依赖顺序生成：先根实体（无外键），再一级子实体，依此类推，确保所有外键指向已存在的父级 ID。

使用方式工作流分四个阶段：

Parse/Define：MIGRATE 模式定位并解析 ORM schema 文件、自动检测 ORM 类型、提取表/模型、列定义、约束与枚举；GENERATE 模式接收实体清单（若为空则使用起始模板 User 与 Role），解析实体定义并推断关系。
Map Types：选择目标格式，应用通用类型映射，确定可空性，映射外键与关系，按目标约定转换名称。
Generate Seed Data：确定生成顺序，生成 GUID/UUID，使用 faker 生成字段值，确保外键有效，写出目标格式种子文件。
Verify：检查语法、外键有效性、类型正确性、命名约定以及 faker 确定性（相同种子输出一致）。

faker 集成规则要求所有生成的种子文件必须使用 faker 库并采用固定种子值以确保可复现，例如 C# 使用 Randomizer.Seed = new Random(42)，TypeScript 使用 faker.seed(42)，Python 使用 Faker.seed(42)。

样本数据指南：根实体 3–5 项，子实体 5–10 项，叶子实体 10–20 项；关键规则包括单一职责（仅生成种子数据）、幂等（相同种子输出一致）、外键有效、必须使用 faker、确定性种子、父级先于子级、模式不混用。

适用场景

限制

技能介绍