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：
- 數據必須為 JSON 格式。
- 所有字段必須使用中文，但字段名使用英文。
- 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。
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。