测试数据造假神器：利用 LLM 批量生成符合业务逻辑的连贯 Mock 数据

开篇：测试数据的“仿冒困境”2026年，AI应用开发的节奏已经快到“上午写Prompt，下午上生产”的地步。但如果你问一线开发者最头疼什么，答案可能出乎意料——不是模型不够聪明，不是API太贵，而是测试数据造不出来。传统做法无非两条路：一是从生产环境脱敏一份数据，先不说合规审批要走多久，光是数据清洗就能把人逼疯；二是用Faker库随机生成，名字倒是五花八门，但“张三+zhangsan@163.com+13800138000”这种毫无逻辑的拼凑，一跑测试就露馅——用户画像全乱套，业务关联全断链。更让人崩溃的是AI应用的测试场景：你需要模拟用户和AI的多轮对话，需要测试Agent调用工具的各种路径，需要验证RAG检索的边界情况……传统Mock工具的“假数据”面对这些场景根本无力招架。你需要的是“以假乱真”——让测试数据既有业务逻辑的连贯性，又能批量高效生成。一个正在崛起的新范式给出了答案：用大语言模型（LLM）来批量生成符合业务逻辑的Mock数据。这不是纸上谈兵。根据Meta于2026年4月发布的Synthetic Data Kit（SDK）项目描述，该工具旨在生成高质量合成数据集，已在GitHub获得超过2000颗星标的社区认可。Red Hat于2025年11月发布的Synthetic Data Generation Hub（SDG Hub）则是一个开源框架，旨在简化和标准化合成数据的创建流程，采用模块化和可扩展架构，允许用户设计和编排复杂的数据生成与处理流水线。而近期PyPI上陆续涌现的mostlyai-mock