在軟件研發、數據分析和機器學習項目中，構建高質量、高覆蓋度的測試數據是確保產品質量的關鍵環節。然而，手動創建測試數據不僅耗時耗力，還常常面臨數據單調、缺乏真實性、難以模擬複雜業務邏輯等痛點。尤其是在進行壓力測試、性能基準測試或訓練複雜模型時，對百萬級逼真測試數據的需求，往往讓開發者和測試工程師們頭疼不已。 今天，我們將介紹一種革命性的解決方案：利用 Dify 工作流 結合 大語言模型（LLM），以可視化、自動化的方式，智能生成海量、逼真且符合業務規則的測試數據。
一、為什麼選擇 Dify + LLM？
- 智能化與逼真度：大語言模型（如 GPT-4、ChatGLM、文心一言等）擁有強大的自然語言理解和世界知識，能夠生成高度擬人化的姓名、地址、產品描述、評論等文本數據，遠超傳統隨機字符串生成器。
- 業務邏輯理解：通過精心設計的提示詞（Prompt），我們可以引導 LLM 理解並遵循複雜的業務規則。例如，“生成一個年齡在18-65歲之間、位於華東地區的用户數據，其購買力與職業相關”。
- 流程自動化與規模化：Dify 的工作流功能允許我們將數據生成、格式轉換、循環擴增、質量校驗等步驟串聯成一個自動化管道。一個節點的一次調用，可以輕鬆擴展為生成成千上萬條記錄。
- 可視化編排：無需編寫複雜的腳本，通過拖拽節點和連接線，即可構建完整的數據生成流水線，大大降低了技術門檻。
二、實戰：構建一個“百萬級電商用户數據生成器”
我們將通過一個具體的例子，演示如何在 Dify 中搭建一個工作流，用於生成包含用户基本信息、購買行為和產品偏好的測試數據集。 目標： 生成 1000 條結構化的 JSON 格式用户數據。
最終工作流概覽：開始 -> 循環器（設置循環次數） -> 數據生成節點（LLM） -> 代碼節點（格式處理） -> 答案節點（輸出結果）
步驟 1：在 Dify 中創建新應用和工作流
登錄 Dify，點擊“創建新應用”，選擇“工作流”類型。 給你的應用起一個名字，例如“電商測試數據生成器”。
步驟 2：搭建工作流
我們將從左側的組件庫中拖拽所需的節點到畫布上。 節點 1：開始節點 這是工作流的入口。 節點 2：循環器節點 將其連接到“開始”節點。 這是實現批量生成的關鍵。在節點的配置中，設置循環次數為 1000。 為了在後續節點中知道當前是第幾次循環，我們可以定義一個循環變量，例如 {{index}}。 節點 3：大語言模型節點（核心） 將其連接到“循環器”節點。 選擇模型：根據你的需要和可用性，選擇一個能力強的大模型，如 GPT-4。 編寫提示詞（Prompt）：這是引導 LLM 生成正確數據的核心。我們需要一個高度結構化、明確的提示詞。 示例提示詞：
你是一個測試數據生成專家。請生成一條高度逼真、虛構的中國電商用户數據記錄，包含基本信息、行為數據和偏好。
要求：
1. 數據必須為 JSON 格式。
2. 所有字段必須使用中文，但字段名使用英文。
3. 數據必須逼真，符合常理。
請嚴格按照以下 JSON 結構輸出，不要有任何額外的解釋：
{
"user_id": “根據循環索引自動生成，這裏先佔位”,
"name": “一個隨機的中文姓名”,
"age": 一個18至65之間的整數,
"city": “一個隨機的中國城市名”,
"membership_level": “從['普通', '白銀', '黃金', '鉑金', '鑽石']中隨機選擇”,
"last_login_days": 一個1至30之間的整數,
"total_orders": 一個1至200之間的整數,
"average_order_value": 一個50至500之間的浮點數，保留一位小數,
"favorite_category": “從['電子產品', '服裝', '家居', '美食', '圖書']中隨機選擇”,
"recent_search_keyword": “一個與偏好品類相關的搜索關鍵詞”
}
注意：user_id 字段請生成一個以“U”開頭，後接9位數字的字符串，例如“U100000001”。 關鍵點： 我們通過示例 JSON 結構強制 LLM 輸出標準格式。 字段設計涵蓋了多種數據類型（字符串、整數、浮點數、枚舉）。 提示詞中包含了業務規則（如年齡範圍、會員等級等）。 節點 4：代碼節點（用於數據組裝） 將其連接到“LLM 節點”。
這個節點的作用是處理 LLM 返回的文本，並將其解析成真正的 JSON 對象，同時可以整合循環變量。
選擇 Python 作為語言。 輸入代碼示例：
# 從上游節點獲取輸入
llm_output = ‘’ # 這裏假設 LLM 節點的變量鍵是 ‘llm_output’
loop_index = 0 # 這裏假設循環器的索引變量鍵是 ‘index’
try:
# 解析 LLM 返回的 JSON 字符串
user_data = json.loads(llm_output)
# 將循環索引整合到 user_id 中，確保唯一性
user_data[‘user_id’] = f"U{100000000 + loop_index}"
# 將處理好的數據輸出到下一節點
result = user_data
except Exception as e:
# 如果解析失敗，返回錯誤信息
result = {“error”: f"Data parsing failed: {str(e)}"}
節點 5：答案節點 將其連接到“代碼節點”。 這是工作流的輸出終端。它會收集並展示最終結果。 在配置中，選擇將“代碼節點”的輸出作為答案。
步驟 3：運行與測試
點擊右上角的“保存”按鈕。 點擊“運行”按鈕，開始測試工作流。你可以在右側的“運行跟蹤”面板中觀察每個節點的執行狀態和輸入輸出。 首次運行可能需要進行調試，檢查 LLM 的輸出格式是否符合預期，代碼節點是否能正確解析等。
步驟 4：批量生成與導出
當單次測試通過後，Dify 工作流會記住你的配置。 由於我們設置了循環 1000 次，每次運行這個工作流，它都會自動生成 1000 條不同的用户數據。 你可以在“運行歷史”中找到每次執行的結果。Dify 提供了 API 接口，你可以直接通過調用 API 來觸發數據生成，並將返回的 JSON 數組保存到文件中。 對於百萬級數據，你可以通過腳本循環調用該 API，或者在工作流外部再封裝一個循環邏輯，分批次生成。
三、高級技巧與場景拓展
- 數據關聯性：要生成有關聯的數據（如訂單和訂單項），可以創建兩個工作流。先運行“用户生成器”，再運行“訂單生成器”，後者在生成訂單時，隨機從已生成的用户列表中選取 user_id。
- 數據質量校驗：可以在工作流中增加一個“代碼節點”，編寫規則對生成的數據進行校驗（如檢查年齡範圍、金額合理性），將不合格的數據過濾掉。
- 多樣化數據：通過創建多個不同提示詞的 LLM 節點，並行生成不同類型的數據（如用户數據、商品數據、日誌數據），最後再通過代碼節點合併。
- 性能優化：對於超大規模數據生成，可以考慮使用 Dify 的異步批處理 API，或者將循環次數設置得非常大，然後利用雲服務的彈性資源來執行。
四、總結
通過將 Dify 工作流的自動化、可視化能力與大語言模型的創造力和認知能力相結合，我們成功地構建了一個強大、靈活且易於使用的測試數據生成工廠。這種方法不僅極大地提升了數據生成的效率和質量，還讓測試數據的創建過程變得前所未有的智能和有趣。 無論是為了單元測試、集成測試，還是為了填充演示系統、訓練 AI 模型，Dify + LLM 的方案都能讓你從“造數據”的苦海中解脱出來，將更多精力投入到核心業務邏輯的開發與創新中。
現在就前往 Dify，開始構建你的專屬測試數據生成器吧！
