用免费模型从数据库迁移文件自动生成Seed数据，告别手写Fixture

用免费模型从数据库迁移文件自动生成Seed数据，告别手写Fixture | 前端进阶之旅

Full translation

完整中文译文

我的迁移测试又通过了。二十分钟后，生产环境在外键约束上失败了。

上周我推送了一个小的 schema 变更。测试套件说一切正常。部署结果却截然不同。

为什么我的测试会欺骗我？因为我手动编写的种子行，恰好就是我的迁移所期望的那几行。

种子数据的盲区

问题不在于迁移代码本身有错。而是我的测试 fixture 只覆盖了快乐路径。

我写了五行数据，外键有效、时间戳非空、邮箱字符串规范。没有一条数据挑战新的约束。

你写 fixture 的时候会记得每一个列吗？我也不会。

一个好的 fixture 集应该包含：

每个可空列至少有一行为 null。

每个需要文本的列至少有一行为空字符串。

外键指向可能不存在的行。

值要落在列类型的边界上，而不只是中间地带。

这些我可以从一个免费模型获取。我读取迁移 SQL，发送到免费端点，请求一个 JSON 数组的行，然后把它们插入到一个临时的 SQLite 数据库中。

下面是我使用的脚本。它读取 schema.sql 文件，调用免费模型端点，返回我可以插入到 SQLite 的行。

import argparse, json, os, sqlite3, urllib.request

def read_schema(path):
    return open(path, encoding='utf-8').read()

def build_prompt(schema):
    return f'''You are a test-data generator.
Given this SQL schema:
{schema}
Return only a JSON array of row objects.
Each object must use column names as keys and valid SQL values.
Generate 6 rows that include nulls, empty strings, and boundary values where sensible.
Do not wrap the JSON in markdown.'''

def call_model(endpoint, key, model, prompt):
    payload = {
        'model': model,
        'messages': [
            {'role': 'system', 'content': 'You return only valid JSON.'},
            {'role': 'user', 'content': prompt},
        ],
        'temperature': 0.4,
    }
    req = urllib.request.Request(
        endpoint,
        data=json.dumps(payload).encode('utf-8'),
        headers={'Content-Type': 'application/json', 'Authorization': f'Bearer {key}'},
    )
    with urllib.request.urlopen(req, timeout=90) as r:
        return json.load(r)

def insert_rows(db_path, table_name, rows):
    con = sqlite3.connect(db_path)
    cur = con.cursor()
    for row in rows:
        columns = ', '.join(row.keys())
        placeholders = ', '.join('?' for _ in row)
        cur.execute(
            f'INSERT INTO {table_name} ({columns}) VALUES ({placeholders})',
            list(row.values()),
        )
    con.commit()
    con.close()

if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument('--schema', default='schema.sql')
    parser.add_argument('--table', required=True)
    parser.add_argument('--db', default='test.db')
    args = parser.parse_args()

    schema = read_schema(args.schema)
    prompt = build_prompt(schema)
    response = call_model(
        os.environ['MONKEYCODE_ENDPOINT'],
        os.environ.get('MONKEYCODE_API_KEY', ''),
        os.environ.get('MODEL_NAME', 'free-current'),
        prompt,
    )
    rows = json.loads(response['choices'][0]['message']['content'])
    insert_rows(args.db, args.table, rows)
    print(f'inserted {len(rows)} rows')

我不会在代码中固定模型名称。免费端点会轮转，我不希望本地工具在目录变化时坏掉。

重要的 Prompt

一个硬规则：只请求 JSON。模型喜欢在数组上方或下方加一段解释。这会把解析器弄坏。

我还把 temperature 设为 0.4。更高的值会产生更多样性，但也会产生更多伪造的列名。更低的值会变得无聊，错过边界情况。

针对免费端点运行

我使用 MonkeyCode 的免费模型访问和免费服务器选项来运行这个脚本，而不需要保持一个付费服务开放。

披露：本文是 MonkeyCode 产品推广的一部分。

因为端点是免费的，我不需要为这个一次性的任务配置 GPU 或管理 API 层级。我也不需要结果即时返回；等咖啡的几秒钟内完成调用就够了。

上周我给 users 表添加了一个 CHECK (age >= 0) 约束。我手写的行都是正整数，所以检查通过了。

模型生成了一行 age = -1 的数据。插入在本地失败了。这告诉我两件事：约束存在，而且我的应用代码没有处理负年龄的错误路径。

我在提交前修复了应用处理。失败留在了我的笔记本上。

模型为一个类型为 TEXT 的列生成了字符串格式的 datetime。我的 schema 检查器在插入前捕获了它，因为我做了列类型的白名单。

免费层的速率限制意味着我一次大约能生成 30 行，然后模型开始重复自己。较大的表我会分批请求。

模型无法看到跨多表的外键关系，除非我包含所有相关的 DDL。我把生成器限制为一次一张表，然后手动修复跨表行。

模型做不到的事

你需要真实的个人数据来做演示。模型凭空编造的名字和邮箱不是隐私边界。

你需要 100,000 行来浸泡测试查询计划。免费模型不会产生这种量。

你有触发器、检查约束或生成列，其语义是模型仅从 DDL 无法推断的。

结语

不要从记忆中编写测试行。让模型读取 DDL 并提出你永远不会想到包含的行。

失败留在你的笔记本上，而不是生产环境。

如果你已经有了一个免费端点，下次做迁移时试试它，在你写下一行之前。