工具(4)——AI自动生成与测试数据的构建

2024-09-01 20:04

本文主要是介绍工具(4)——AI自动生成与测试数据的构建,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

​ 开发里面测试数据构建

主要是构建一些项目的测试数据,有俩种方法,一种内部根据逻辑关系构建,自动对数据表进行批量增加和关联,第二种是外部使用接口模拟自动化操作流程。开发类的项目,需要初期掌握构建数据表相关信息。

整理下常用的生成场景,方便需要集成数据生成开发的使用。
随机用户的生成: (场景,系统需要10-100个用户的某个指标参与排名 或者模拟圈子里加了好友的情形)
涉及到随机手机号码的生成: (号码规律13开头,11位,需要生成用户随机手机号)

     function  getRndPhone() {$prefix = mt_rand(130, 199);$middle = mt_rand(1000, 9999);$last = mt_rand(10000, 99999);return $prefix. $middle. $last;}

随机昵称的构建: 使用到array_rand 获取随机的一个位置,修饰+名词(填充自己的修饰词库即可)

function getRandomNickname() {$adjectives = ['可爱的', '帅气的', '聪明的', '勇敢的', '温柔的', '活泼的'];$nouns = ['兔子', '猫咪', '小鸟', '老虎', '狮子', '星星'];$randomAdjective = $adjectives[array_rand($adjectives)];$randomNoun = $nouns[array_rand($nouns)];return $randomAdjective. $randomNoun;
}

真实名称的构建: 姓 + 名字 一起 昵称可以更灵活,名字受到的字库限制比较多

function getRandRealName(){$xing = ['赵','钱','孙','李','周','吴','郑','王','冯','陈','褚','卫','蒋','沈','韩','杨','朱','秦','尤','许','何','吕','施','张','孔','曹','严','华','金','魏','陶','姜'];$ming = ['子璇','淼','国栋','夫子','瑞堂','甜','敏','尚','国贤','贺','晨涛','昊轩','易轩','益辰','益帆','益冉','瑾春','瑾昆','春齐','杨','文昊','东东','雄霖','浩晨','熙涵','溶溶','冰枫','欣欣','宜豪','欣慧','建政','美欣','淑慧','文轩','文杰','欣源','忠林','榕润','欣汝','慧嘉','新建','建林','亦菲','林','冰洁','佳欣','涵涵','禹辰'];$realname = $xing[array_rand($xing)] . $ming[array_rand($ming)];
}
return $xing[array_rand($xing)] . $ming[array_rand($ming)]
}  

从关联表里面,随机读取一个ID,填入到系统表里面。比如A用户随机购买(1-100 ID里面的任意一个商品) B在模拟用户订单的时候,需要去读取商品库的ID信息表,需要使用到mysql的 select id from product order by rand() limit 1 随机读取仓库里面的一条数据信息。模拟用户下各种订单相关信息。

随机短语或者简单文章生成: 类似标题,乱句子(纯粹凑字数时候的使用)

  function generateRandomChinese($length = 1) {$commonChineseCharacters = ["的", "一", "是", "在", "不", "了", "有", "和", "就", "他","安","全","交","同","通","新","问","温","文","测","题"."目","教","育","考","试"];$randomChinese = '';for ($i = 0; $i < $length; $i++) {// 从常用汉字数组中随机选择一个汉字$randomIndex = array_rand($commonChineseCharacters);$randomChinese .= $commonChineseCharacters[$randomIndex];}return $randomChinese;}

有意义的句子在线生成,需要接入chatGPT或者其他开放平台的AI根据短语的生成。这种更加的智能一些。类似帮我写一点关于 教育的新闻(生成之后,填入数据表里面,给你自动生成)。AI在PHP的搭建,这里以千帆为例子(chatGPT涉及到墙问题),因为只是需要我们辅助生成简单文本,并不需要很精确,也不需要运营,挂一个辅助助手即可。

首先需要申请一个apikey和secret。下面是我使用国内千帆写的小辅助助手:

class Aihelp {const API_KEY = "key"; //你申请到keyconst SECRET_KEY = "secret"; //填入你的secret key//你的回答提问 在后台我们可以辅助接入相关数据,让用户输入回答 我们接入前端 只需要输入这个词public function run($need) {if(!$need)  return "请输入需求";$curl = curl_init();curl_setopt_array($curl, array(CURLOPT_URL => "https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/ernie-tiny-8k?access_token={$this->getAccessToken()}",CURLOPT_TIMEOUT => 30,CURLOPT_RETURNTRANSFER => true,CURLOPT_SSL_VERIFYPEER  => false,CURLOPT_SSL_VERIFYHOST  => false,CURLOPT_CUSTOMREQUEST => 'POST',CURLOPT_POSTFIELDS =>'{"messages":[{"role":"user","content":"'.$need.'"}],"temperature":0.95,"top_p":0.7,"penalty_score":1}',CURLOPT_HTTPHEADER => array('Content-Type: application/json'),));$response = curl_exec($curl);curl_close($curl);return $this->result($response);}//这个就是我们对外输出的结果,辅助我们写文案或者自动化生成一些内容的时候 会使用到public function result($response) {$rtn = json_decode($response,true);return $rtn['result'];}/*** 使用 AK,SK 生成鉴权签名(Access Token)* @return string 鉴权签名信息(Access Token)* token的有效日期是30天  可以将token缓存本地直接读取,29天的时候失效或者失效后重新获取*/private function getAccessToken(){$curl = curl_init();$postData = array('grant_type' => 'client_credentials','client_id' => self::API_KEY,'client_secret' => self::SECRET_KEY);curl_setopt_array($curl, array(CURLOPT_URL => 'https://aip.baidubce.com/oauth/2.0/token',CURLOPT_CUSTOMREQUEST => 'POST',CURLOPT_SSL_VERIFYPEER  => false,CURLOPT_SSL_VERIFYHOST  => false,CURLOPT_RETURNTRANSFER => true,CURLOPT_POSTFIELDS => http_build_query($postData)));$response = curl_exec($curl);curl_close($curl);$rtn = json_decode($response);return $rtn->access_token;}
}$need = "你多大了"; //需求
$rtn = (new Aihelp())->run($need);
print_r($rtn);

在实际应用里面,我们只需要输入我们对应的需求,收到的回答,填入数据库。这样我们网站的基础内容,可以借助AI的生成快速的填充相关类似内容。后期还是需要调整,不过真实运营还是需要真实资料。

比如我的场景: 生成一门关于安全方面的课程名字,第二个需求是简单介绍下生成的课程信息,第三个内容生成一模拟的大纲。

逻辑关系的数据填充:
这种是最复杂的,要通过A表查询B表里面数据,然后判断逻辑读取C表数据,拼接生成某些条件字段,最后填入D表里面,中途经过N次中转,完成数据的相关生成。这种基本只能在写逻辑的时候写入。

这篇关于工具(4)——AI自动生成与测试数据的构建的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1127916

相关文章

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

AI绘图怎么变现?想做点副业的小白必看!

在科技飞速发展的今天,AI绘图作为一种新兴技术,不仅改变了艺术创作的方式,也为创作者提供了多种变现途径。本文将详细探讨几种常见的AI绘图变现方式,帮助创作者更好地利用这一技术实现经济收益。 更多实操教程和AI绘画工具,可以扫描下方,免费获取 定制服务:个性化的创意商机 个性化定制 AI绘图技术能够根据用户需求生成个性化的头像、壁纸、插画等作品。例如,姓氏头像在电商平台上非常受欢迎,

从去中心化到智能化:Web3如何与AI共同塑造数字生态

在数字时代的演进中,Web3和人工智能(AI)正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术,正相互交织,共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界,并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展,它基于去中心化的区块链技术,旨在创建一个开放、透明且用户主导的数字生态。不同于传统

AI一键生成 PPT

AI一键生成 PPT 操作步骤 作为一名打工人,是不是经常需要制作各种PPT来分享我的生活和想法。但是,你们知道,有时候灵感来了,时间却不够用了!😩直到我发现了Kimi AI——一个能够自动生成PPT的神奇助手!🌟 什么是Kimi? 一款月之暗面科技有限公司开发的AI办公工具,帮助用户快速生成高质量的演示文稿。 无论你是职场人士、学生还是教师,Kimi都能够为你的办公文

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

嵌入式QT开发:构建高效智能的嵌入式系统

摘要: 本文深入探讨了嵌入式 QT 相关的各个方面。从 QT 框架的基础架构和核心概念出发,详细阐述了其在嵌入式环境中的优势与特点。文中分析了嵌入式 QT 的开发环境搭建过程,包括交叉编译工具链的配置等关键步骤。进一步探讨了嵌入式 QT 的界面设计与开发,涵盖了从基本控件的使用到复杂界面布局的构建。同时也深入研究了信号与槽机制在嵌入式系统中的应用,以及嵌入式 QT 与硬件设备的交互,包括输入输出设

高效录音转文字:2024年四大工具精选!

在快节奏的工作生活中,能够快速将录音转换成文字是一项非常实用的能力。特别是在需要记录会议纪要、讲座内容或者是采访素材的时候,一款优秀的在线录音转文字工具能派上大用场。以下推荐几个好用的录音转文字工具! 365在线转文字 直达链接:https://www.pdf365.cn/ 365在线转文字是一款提供在线录音转文字服务的工具,它以其高效、便捷的特点受到用户的青睐。用户无需下载安装任何软件,只

pdfmake生成pdf的使用

实际项目中有时会有根据填写的表单数据或者其他格式的数据,将数据自动填充到pdf文件中根据固定模板生成pdf文件的需求 文章目录 利用pdfmake生成pdf文件1.下载安装pdfmake第三方包2.封装生成pdf文件的共用配置3.生成pdf文件的文件模板内容4.调用方法生成pdf 利用pdfmake生成pdf文件 1.下载安装pdfmake第三方包 npm i pdfma

Retrieval-based-Voice-Conversion-WebUI模型构建指南

一、模型介绍 Retrieval-based-Voice-Conversion-WebUI(简称 RVC)模型是一个基于 VITS(Variational Inference with adversarial learning for end-to-end Text-to-Speech)的简单易用的语音转换框架。 具有以下特点 简单易用:RVC 模型通过简单易用的网页界面,使得用户无需深入了

poj 1258 Agri-Net(最小生成树模板代码)

感觉用这题来当模板更适合。 题意就是给你邻接矩阵求最小生成树啦。~ prim代码:效率很高。172k...0ms。 #include<stdio.h>#include<algorithm>using namespace std;const int MaxN = 101;const int INF = 0x3f3f3f3f;int g[MaxN][MaxN];int n