ln-723-seed-data-generator

Compare original and translation side by side

🇺🇸

Original

English

🇨🇳

Translation

Chinese

ln-723-seed-data-generator

Type: L3 Worker Category: 7XX Project Bootstrap Parent: ln-720-structure-migrator

Universal seed data generator with two modes: MIGRATE (parse existing ORM schemas) or GENERATE (create from entity definitions). Outputs to any target format (C#, TypeScript, Python, JSON, SQL).

类型： L3 Worker 分类： 7XX项目启动工具 父项： ln-720-structure-migrator

通用种子数据生成器，支持两种模式：MIGRATE（解析现有ORM架构）或GENERATE（从实体定义创建）。可输出至任意目标格式（C#、TypeScript、Python、JSON、SQL）。

Purpose & Scope

用途与范围

Aspect	Description
Input	ORM schema files (MIGRATE) or entity list (GENERATE)
Output	Seed data files in target format
Modes	MIGRATE: parse existing ORM → seed data. GENERATE: entity definitions → seed data

Scope boundaries:

Parses ORM schema definitions or accepts entity lists
Generates seed data in requested target format
Creates realistic sample data using faker libraries
Does not generate database migrations, EF Core configs, or ORM models

维度	说明
输入	ORM架构文件（MIGRATE模式）或实体列表（GENERATE模式）
输出	目标格式的种子数据文件
模式	MIGRATE：解析现有ORM→生成种子数据；GENERATE：实体定义→生成种子数据

范围边界：

解析ORM架构定义或接收实体列表
按请求的目标格式生成种子数据
使用faker类库生成真实感样本数据
不生成数据库迁移脚本、EF Core配置或ORM模型

Mode Selection

模式选择

Mode	When	Input	Source
MIGRATE	TRANSFORM pipeline — existing ORM schemas found	ORM schema files	Drizzle, Prisma, TypeORM, EF Core, SQLAlchemy, Django ORM
GENERATE	CREATE pipeline — no existing schemas	Entity list from ln-700 Phase 0	User-provided or starter template (User, Role)

If GENERATE mode receives no entity list, generate starter template with

User

(id, name, email, role, createdAt) and

Role

(id, name, description).

模式	适用场景	输入	来源
MIGRATE	TRANSFORM流水线——存在现有ORM架构	ORM架构文件	Drizzle、Prisma、TypeORM、EF Core、SQLAlchemy、Django ORM
GENERATE	CREATE流水线——无现有架构	ln-700阶段0提供的实体列表	用户提供或起始模板（User、Role）

若GENERATE模式未收到实体列表，则自动生成包含

User

（id、name、email、role、createdAt）和

Role

（id、name、description）的起始模板。

Target Formats

目标格式

Format	Output File	Faker Library	Use Case
C# MockData	`MockData.cs`	Bogus	.NET projects
TypeScript fixtures	`seed.ts`	Faker.js	Node/React projects
Python factories	`factories.py`	Faker (Python)	Django/Flask projects
JSON	`seed.json`	—	API testing, import scripts
SQL	`seed.sql`	—	Direct DB seeding

格式	输出文件	Faker类库	适用场景
C# 模拟数据	`MockData.cs`	Bogus	.NET项目
TypeScript 测试夹具	`seed.ts`	Faker.js	Node/React项目
Python 工厂类	`factories.py`	Faker (Python)	Django/Flask项目
JSON	`seed.json`	—	API测试、导入脚本
SQL	`seed.sql`	—	直接数据库初始化

Workflow

工作流程

Phase	Name	Actions	Output
1	Parse/Define	1A: Parse ORM schema (MIGRATE) or 1B: Accept entity list (GENERATE)	Entity model
2	Map Types	Apply universal type mapping to target format	Target type definitions
3	Generate Seed Data	Create seed files with faker-based realistic data	Seed data files
4	Verify	Validate relationships, check syntax	Valid seed files

阶段	名称	操作	输出
1	解析/定义	1A：解析ORM架构（MIGRATE模式）或1B：接收实体列表（GENERATE模式）	实体模型
2	类型映射	将通用类型转换为目标格式类型	目标类型定义
3	生成种子数据	使用faker类库创建包含真实感数据的种子文件	种子数据文件
4	验证	验证关系、检查语法	合法的种子文件

Phase 1: Parse/Define

阶段1：解析/定义

1A: MIGRATE Mode — Parse ORM Schema

1A：MIGRATE模式——解析ORM架构

Step	Action	Reference
1A.1	Locate schema file(s)	—
1A.2	Auto-detect ORM type	`orm_patterns.md` — ORM Auto-Detection table
1A.3	Extract table/model definitions	`orm_patterns.md` — per-ORM parsing section
1A.4	Extract column definitions with types	`orm_patterns.md`
1A.5	Identify constraints (PK, FK, nullable, unique)	`orm_patterns.md`
1A.6	Extract enum definitions	`orm_patterns.md`

步骤	操作	参考文档
1A.1	定位架构文件	—
1A.2	自动检测ORM类型	`orm_patterns.md` ——ORM自动检测表
1A.3	提取表/模型定义	`orm_patterns.md` ——各ORM解析章节
1A.4	提取带类型的列定义	`orm_patterns.md`
1A.5	识别约束（主键、外键、可空、唯一）	`orm_patterns.md`
1A.6	提取枚举定义	`orm_patterns.md`

1B: GENERATE Mode — Accept Entity Definitions

1B：GENERATE模式——接收实体定义

Step	Action	Reference
1B.1	Receive entity list from orchestrator (or use starter template)	—
1B.2	Parse entity definitions (name, fields, types)	—
1B.3	Infer relationships from field names ( `userId` → FK to User)	`relationship_mapping.md`
1B.4	Apply default constraints (id = PK, `*Id` = FK)	—

Output: Entity model with columns, types, and constraints.

步骤	操作	参考文档
1B.1	从编排器接收实体列表（或使用起始模板）	—
1B.2	解析实体定义（名称、字段、类型）	—
1B.3	从字段名推断关系（ `userId` →关联至User的外键）	`relationship_mapping.md`
1B.4	应用默认约束（id=主键， `*Id` =外键）	—

输出： 包含列、类型和约束的实体模型。

Phase 2: Map Types

阶段2：类型映射

Convert entity types to target format types.

Step	Action	Reference
2.1	Select target format (from orchestrator params)	—
2.2	Map column types to target format	`type_mapping.md` — Universal Type Mapping table
2.3	Determine nullable status per target	`type_mapping.md`
2.4	Map foreign keys and relationships	`relationship_mapping.md`
2.5	Transform names to target convention	See Name Conventions table below

Name Conventions by Target:

Target	Class/Model	Property/Field	File
C#	PascalCase singular	PascalCase	PascalCase.cs
TypeScript	PascalCase singular	camelCase	camelCase.ts
Python	PascalCase singular	snake_case	snake_case.py
JSON	camelCase	camelCase	kebab-case.json
SQL	snake_case plural	snake_case	snake_case.sql

将实体类型转换为目标格式类型。

步骤	操作	参考文档
2.1	选择目标格式（来自编排器参数）	—
2.2	将列类型映射至目标格式	`type_mapping.md` ——通用类型映射表
2.3	确定目标格式下的可空状态	`type_mapping.md`
2.4	映射外键与关系	`relationship_mapping.md`
2.5	将名称转换为目标格式的命名规范	见下方命名规范表

各目标格式的命名规范：

目标格式	类/模型	属性/字段	文件
C#	单数大驼峰	大驼峰	大驼峰.cs
TypeScript	单数大驼峰	小驼峰	小驼峰.ts
Python	单数大驼峰	蛇形命名	蛇形命名.py
JSON	小驼峰	小驼峰	短横线命名.json
SQL	复数蛇形命名	蛇形命名	蛇形命名.sql

Phase 3: Generate Seed Data

阶段3：生成种子数据

Create seed files with realistic data using faker libraries.

Step	Action	Reference
3.1	Determine generation order (parents → children)	`relationship_mapping.md`
3.2	Generate IDs (GUIDs/UUIDs) for all entities	`data_generation.md`
3.3	Generate field values using faker	`data_generation.md` , `type_mapping.md` — Faker Integration
3.4	Ensure FK relationships valid (child references existing parent ID)	`relationship_mapping.md`
3.5	Write seed file in target format	—

Faker integration rule: All generated seed files MUST use faker libraries for realistic data with deterministic seeding (fixed seed value for reproducibility).

Target	Faker Setup
C#	`var faker = new Bogus.Faker(); Randomizer.Seed = new Random(42);`
TypeScript	`import { faker } from '@faker-js/faker'; faker.seed(42);`
Python	`from faker import Faker; fake = Faker(); Faker.seed(42)`

Generation order by dependency:

Order	Entity Type	Generate After
1	Root entities (no FK)	First
2	First-level children	Parents exist
3	Second-level children	Grandparents exist
N	Deepest children	All ancestors exist

使用faker类库创建包含真实感数据的种子文件。

步骤	操作	参考文档
3.1	确定生成顺序（父实体→子实体）	`relationship_mapping.md`
3.2	为所有实体生成ID（GUID/UUID）	`data_generation.md`
3.3	使用faker生成字段值	`data_generation.md` , `type_mapping.md` ——Faker集成章节
3.4	确保外键关系合法（子实体引用已存在的父实体ID）	`relationship_mapping.md`
3.5	按目标格式写入种子文件	—

Faker集成规则： 所有生成的种子文件必须使用faker类库生成真实感数据，并保证确定性生成（固定种子值以确保可复现）。

目标格式	Faker配置
C#	`var faker = new Bogus.Faker(); Randomizer.Seed = new Random(42);`
TypeScript	`import { faker } from '@faker-js/faker'; faker.seed(42);`
Python	`from faker import Faker; fake = Faker(); Faker.seed(42)`

按依赖关系的生成顺序：

顺序	实体类型	生成时机
1	根实体（无外键）	最先生成
2	一级子实体	父实体已生成
3	二级子实体	祖父实体已生成
N	最深层子实体	所有祖先实体已生成

Phase 4: Verify

阶段4：验证

Check	Method	Expected
Syntax valid	Language-specific check	No syntax errors
FKs valid	Cross-reference	All FKs point to existing IDs
Types correct	Type analysis	Proper types for target format
Names follow convention	Pattern check	Per-target naming convention
Faker deterministic	Re-run with same seed	Identical output

检查项	方法	预期结果
语法合法	语言特定检查	无语法错误
外键合法	交叉引用	所有外键指向已存在的ID
类型正确	类型分析	符合目标格式的正确类型
名称符合规范	模式检查	符合对应目标格式的命名规范
Faker确定性	使用相同种子重新生成	输出完全一致

Supported ORM Detection

支持的ORM检测

ORM	Detection Pattern	Ecosystem
Drizzle	`pgTable()` , `mysqlTable()` , `sqliteTable()`	Node.js
Prisma	`model X {` syntax in `.prisma` files	Node.js
TypeORM	`@Entity()` , `@Column()` decorators	Node.js
EF Core	`DbContext` , `DbSet<>` , `[Table]` attributes	.NET
SQLAlchemy	`Base = declarative_base()` , `Column()`	Python
Django ORM	`models.Model` , `models.CharField()`	Python

ORM	检测模式	技术生态
Drizzle	`pgTable()` , `mysqlTable()` , `sqliteTable()`	Node.js
Prisma	`.prisma` 文件中的 `model X {` 语法	Node.js
TypeORM	`@Entity()` , `@Column()` 装饰器	Node.js
EF Core	`DbContext` , `DbSet<>` , `[Table]` 特性	.NET
SQLAlchemy	`Base = declarative_base()` , `Column()`	Python
Django ORM	`models.Model` , `models.CharField()`	Python

Entity Transformation Rules

实体转换规则

Source	Target	Transformation
Table name (plural, snake)	Class name (singular, Pascal)	`user_profiles` → `UserProfile`
Column name (snake)	Property name (target convention)	`created_at` → `CreatedAt` / `createdAt` / `created_at`
Enum name	Enum type (Pascal)	`status_enum` → `StatusEnum`
FK column	Navigation property	`user_id` → `UserId` / `userId`

来源	目标	转换方式
表名（复数、蛇形命名）	类名（单数、大驼峰）	`user_profiles` → `UserProfile`
列名（蛇形命名）	属性名（目标格式规范）	`created_at` → `CreatedAt` / `createdAt` / `created_at`
枚举名	枚举类型（大驼峰）	`status_enum` → `StatusEnum`
外键列	导航属性	`user_id` → `UserId` / `userId`

Sample Data Guidelines

样本数据指南

Field Type	Sample Count	Distribution
Root entities	3-5 items	Varied status/priority
Child entities	5-10 items	Distributed across parents
Leaf entities	10-20 items	Realistic variety

字段类型	样本数量	分布方式
根实体	3-5条	包含不同状态/优先级
子实体	5-10条	均匀分布至各父实体
叶子实体	10-20条	真实感多样性

Critical Rules

核心规则

Single Responsibility: Generate only seed data, no ORM models or migrations
Idempotent: Can re-run with same seed to produce identical output
Valid Relationships: All FKs must reference existing parent IDs
Faker Required: Use faker libraries for realistic data, never random strings
Deterministic Seeding: Fixed seed value (42) for reproducibility across re-runs
Generation Order: Parents before children, always
Mode Awareness: MIGRATE parses files; GENERATE accepts definitions — never mix

单一职责： 仅生成种子数据，不生成ORM模型或迁移脚本
幂等性： 使用相同种子重新运行可生成完全一致的输出
合法关系： 所有外键必须指向已存在的父实体ID
强制使用Faker： 使用faker类库生成真实感数据，禁止使用随机字符串
确定性生成： 使用固定种子值（42）确保多次运行的可复现性
生成顺序： 始终先生成父实体，再生成子实体
模式区分： MIGRATE模式解析文件；GENERATE模式接收定义——禁止混合使用

Definition of Done

完成标准

Risk Mitigation

风险缓解

Risk	Detection	Mitigation
Unknown ORM type	Auto-detection fails	Log warning, ask orchestrator for ORM hint
Invalid type mapping	Unknown column type	Use string as fallback, log warning
FK mismatch	FK references non-existent ID	Generate parents first, validate after
No entity list in GENERATE	Empty input	Use starter template (User, Role)
Name collision	Duplicate class/table names	Prefix with feature name
Circular references	Self-referencing with cycles	Limit depth, validate graph

风险	检测方式	缓解措施
未知ORM类型	自动检测失败	记录警告，向编排器请求ORM提示
无效类型映射	未知列类型	使用字符串作为 fallback，记录警告
外键不匹配	外键引用不存在的ID	先生成父实体，生成后验证
GENERATE模式无实体列表	输入为空	使用起始模板（User、Role）
名称冲突	类/表名重复	以功能名作为前缀
循环引用	自引用存在循环	限制深度，验证关系图

Reference Files

参考文件

File	Purpose
`references/orm_patterns.md`	ORM auto-detection and schema parsing patterns (Drizzle, Prisma, TypeORM, EF Core, SQLAlchemy, Django)
`references/type_mapping.md`	Universal type mapping (ORM-agnostic → C#, TypeScript, Python) + Faker integration
`references/data_generation.md`	Realistic sample data patterns and generation rules
`references/relationship_mapping.md`	FK handling, generation order, relationship inference

Version: 3.0.0 Last Updated: 2026-02-07

文件	用途
`references/orm_patterns.md`	ORM自动检测与架构解析规则（Drizzle、Prisma、TypeORM、EF Core、SQLAlchemy、Django）
`references/type_mapping.md`	通用类型映射（ORM无关→C#、TypeScript、Python）+ Faker集成规则
`references/data_generation.md`	真实感样本数据模式与生成规则
`references/relationship_mapping.md`	外键处理、生成顺序、关系推断规则

版本： 3.0.0 最后更新： 2026-02-07