AI 生成前端模拟数据怎么检查？固定种子，核对唯一 ID 和关联关系

AI 生成前端模拟数据后，需要先检查关系是否自洽。订单指向不存在的用户、重复ID或每次刷新不同的随机结果，都会令联调问题难以复现。

希望用AI编写接口联调样本的前端开发者。本文使用 Python 3.11 或以上版本的标准库，先验证一组人工构造的小样本。AI 负责提出实现或解释差异，结果由本地检查决定；这里没有把模型回答当成真实运行结果。

验证模拟数据的关联与可复现性前，先定规则

本例用户ID固定，订单ID从1递增，用独立随机种子选择user_id。相同seed与代码生成相同fixture。

模拟数据不含真实个人信息，不把随机名字假装成真实客户。它用于验证页面与接口字段，不用于推断用户分布。

关系检查必须跨表进行；单表JSON字段齐全，仍可能存在外键指向不存在的对象。

给 AI 的输入要包含什么

把下面这份输入说明和你的实际样本一起交给可用的 AI 编程助手。示例只含虚构数据；对真实材料先去除账号凭据和个人信息。

生成前端fixture：users为u1/u2/u3，orders含唯一id/user_id/status，固定seed=11，状态仅new/paid。检查订单关联存在、ID唯一、重复生成完全相等。不要拟合真实客户数据。

要求模型保留检查条件，并把它认为缺少的业务定义列出来。若回答改变了输入字段、忽略异常分支或直接删除原材料，先要求修正，再运行。提示词的作用是缩小任务范围，验收仍以代码和数据为准。

保存并运行最小验证程序

下方程序把关键规则和验证用例放在同一个可复跑示例中，便于先理解输入如何变成输出，再用它检查 AI 给出的实现。

新建一个空目录，把下面代码保存为 check.py，在该目录打开终端，运行 python -X utf8 check.py。代码自带示例输入，不需要安装第三方库。

import random
def fixtures(seed):
    users=[{'id':f'u{i}'} for i in range(1,4)]
    rng=random.Random(seed)
    orders=[{'id':i,'user_id':rng.choice(users)['id'],'status':rng.choice(['new','paid'])} for i in range(1,6)]
    return users,orders
users,orders=fixtures(11)
assert (users,orders)==fixtures(11)
assert len({r['id'] for r in orders})==len(orders)
assert all(r['user_id'] in {u['id'] for u in users} for r in orders)
assert all(r['status'] in {'new','paid'} for r in orders)
print('users',len(users),'orders',len(orders),'repeatable',True)
print('orders',orders)

怎样判断结果符合要求

users为3、orders为5，repeatable为True。核对每个订单的user_id都在用户表里，重复运行内容相同。

下方是这份最小示例在本地执行得到的输出。它验证示例程序与断言的关系，不代表任何 AI 模型一次就能生成同样代码，也不构成性能或生产可靠性结论。

users 3 orders 5 repeatable True
orders [{'id': 1, 'user_id': 'u2', 'status': 'paid'}, {'id': 2, 'user_id': 'u2', 'status': 'new'}, {'id': 3, 'user_id': 'u1', 'status': 'paid'}, {'id': 4, 'user_id': 'u3', 'status': 'new'}, {'id': 5, 'user_id': 'u1', 'status': 'paid'}]

这份样本缺少空列表、权限拒绝、极长文本和异常状态，联调时还需单独fixture覆盖。

AI若把订单ID随机生成且未查重，会让问题随运行出现或消失。

哪些失败必须停下来处理

固定seed不保证业务分布真实，也不保证跨Python大版本完全相同；关键失败fixture应保存成文件。

前端不能因为模拟字段存在就假设后端正式契约已实现。

接入自己的任务前再核对一次

把fixture和真实API schema分别维护，变化时检查字段差异。

让AI增加某个边界场景时说明唯一ID与关联约束，避免为制造错误破坏正常样本。

资料与适用范围

random.Random提供独立种子生成器；模拟数据的结构约束由测试代码定义。以下链接核对于 2026-10-03；运行环境及额外依赖按本文前述说明。

• https://docs.python.org/3.11/library/random.html

相关基础可阅读 表格合成数据怎么生成？用 SDV 拟合样本并检查结果。本文的重点是验证模拟数据的关联与可复现性，可以把两项检查作为不同步骤保留。