SKILLEMALL.ai

BD Test Data Factory

Генератор фабрик тестовых данных на основе схемы. Читает схему вашей базы данных или определения моделей — схему Prisma, модели SQLAlchemy, модели Django, сущности TypeORM, схемы Zod, модели Pydantic или необработанные SQL DDL — и генерирует готовые к использованию фабричные функции с реалистичными поддельными данными. Выводит файлы фабрик TypeScript с использованием Faker.js, Python conftest.py с использованием factory_boy + Faker или необработанные SQL INSERT скрипты для заполнения. Учитывает связи внешних ключей (сначала заполняет родительские, затем дочерние), обрабатывает перечисления, поля с возможностью NULL, уникальные ограничения и генерирует варианты крайних случаев (пустые строки, значения максимальной длины, граничные даты). Никаких внешних API — только локальный анализ файлов + генерация кода. Активируется по запросам "generate test data", "seed database", "test fixtures", "factory functions", "fake data from schema", "/test-data-factory".

машинный переводПоказать оригиналСкрыть оригинал«Schema-driven test data factory generator. Reads your database schema…»

Schema-driven test data factory generator. Reads your database schema or model definitions — Prisma schema, SQLAlchemy models, Django models, TypeORM entities, Zod schemas, Pydantic models, or raw SQL DDL — and generates ready-to-use factory functions with realistic fake data. Outputs TypeScript factory files using Faker.js, Python conftest.py using factory_boy + Faker, or raw SQL INSERT seed scripts. Respects foreign key relationships (seeds parents before children), handles enums, nullable fields, unique constraints, and generates edge-case variants (empty strings, max-length values, boundary dates). Zero external API — pure local file analysis + code generation. Triggers on "generate test data", "seed database", "test fixtures", "factory functions", "fake data from schema", "/test-data-factory".

ClawHub Agent Skills автор: Lucius Pang v1.0.3 MIT-0 2 файла тело ≈ 5 323 токенов Открыть источникclawhub.ai проанализирован 2 дн назад

Генератор фабрик тестовых данных на основе схемы.

Как процесс D 48/100 · Процесс не доведён — слабые места: результат и критерий готовности, входы и предусловия, согласованность

ГенераторРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
D
48/100
Процесс не доведён
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
Отчётность по ходу вес 2
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Тело SKILL.md длиннее 5 000 токенов: вынесите справочные детали в references/ и подключайте по необходимости.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение name-format name должен быть в kebab-case (строчные буквы, цифры, дефисы)
  • предупреждение body-long тело SKILL.md ≈ 5323 токенов (рекомендуется < 5000); вынесите детали в references/
  • заметка frontmatter-key неизвестное поле фронтматтера "homepage"

Процессный рейтинг: все десять параметров 48/100

  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 30Повторный запуск. Изменяющих операций: 12, без проверки текущего состояния
  • 40Согласованность. Имя во frontmatter (Test Data Factory) не совпадает с папкой (phy-test-data-factory)
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 60Инструменты и файлы. Используются инструменты (python), но во frontmatter они не объявлены
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 70Стоимость исполнения. Тело инструкции 5323 токенов
  • 100Шаги. Шагов: 8
  • low Разделов верхнего уровня: 10. Похоже на несколько доменов в одном скилле

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Длина description 809: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +2Инструкции на одном языке
  • +5В description 6 примера фраз-триггеров в кавычках
  • +4Структура: 16 заголовков
  • +3Пошаговые инструкции: 8 пунктов
  • +4Есть примеры (12 блоков кода)
  • +1Лицензия указана

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: suspicious
This skill is a local test-data generator, but it can produce unguarded database cleanup code that may delete records if run against the wrong database.
LLM: suspicious (high) · VirusTotal: · 29 мая 2026 г.