摘要：项目名称：基于 AI 的数据库模拟数据生成工具项目导师：乐别项目简述：在数据库测试和开发场景中，模拟数据生成是重要的工具，用于帮助开发人员验证代码逻辑和功能。已有的工具（ODC 的模拟数据功能 等）能够根据列的数据类型（如字符串、整数、日期等）生成随机模拟数据

开源之夏个人专访与项目经验分享持续开放中，欢迎正在参与和已从开源之夏毕业的学生、导师一同加入专访行动，填写文末专访问卷，与大家分享你的开源经验与收获！

本期项目经验分享来自北京邮电大学的研二学生李铭扬，在OSPP2025 中他承担的项目是：基于 AI 的数据库模拟数据生成工具 。

项目名称： 基于 AI 的数据库模拟数据生成工具
项目导师：乐别项目简述：在数据库测试和开发场景中，模拟数据生成是重要的工具，用于帮助开发人员验证代码逻辑和功能。已有的工具（ODC 的模拟数据功能 等）能够根据列的数据类型（如字符串、整数、日期等）生成随机模拟数据，但这些数据往往无语义性，无法贴近实际业务场景。此项目旨在通过结合 AI 技术 对字段语义进行自动理解和推断，实现数据生成的业务化、智能化。

项目链接：https://summer-ospp.ac.cn/org/prodetail/25e200048

本项目旨在为现有的 OceanBase 随机数据生成工具注入 AI 能力，使其能够通过大语言模型（LLM）生成具有现实业务意义的模拟数据 。经过方案评估，笔者决定通过网络请求调用外部大模型 API（如 DeepSeek）来实现此功能 。该方案的核心是将 AI 的不确定性工程化，确保生成过程的稳定、可控与高效 。具体实现围绕以下四大模块展开：

1. 分段式提示词工程 (Prompt Engineering)

笔者在项目开发初期遇到了当生成数目较大时，会超出模型 API 最大 token 限制而导致生成出的 sql 文件异常的问题。为解决上述问题，笔者设计了一套复杂且有状态的分段式 Prompt 生成系统 。该系统将一次大的数据生成任务拆分为首段”、“中间续段”和“末段”，并为每个阶 段动态构建不同的指令 。

状态传递：在生成“中间续段”时，笔者会将已生成的行数 (alreadyGenerated) 作为上下文传入 Prompt，明确指示模型在此基础上继续生成全新的数据，从而有效解决了多批次调用时主键重复的问题 。

融合用户配置： Prompt 会动态地将用户在配置文件中定义的uniqueConstraints（唯一约束）和 columnComments（字段注释）等信息整合进去 。这为模型提供了丰富的上下文，解决了因列名模糊（如 attr_x）导致生成质量下降的问题 。下面是其中的部分代码：

分段式 Prompt 生成系统部分代码展示

2. 智能、流式的数据生成引擎

为将分段式 Prompt 落地并提升用户体验、方便测试，笔者构建了一个智能化的数据生成引擎。该引擎通过流式（Streaming）API 调用，实时地将模型生成的数据块输出到控制台和最终的 SQL 文件中 。

任务自动拆分：引擎内置了一个 Token 估算单元，可以根据表结构预估单行数据的 Token 消耗 。结合此估算结果，它会自动将总任务量拆分为多个合理的批次，确保每次 API 调用都在 Token 限制内。

核心调度：SqlStreamingPagedGenerator.java 作为引擎的核心调度器，它会按顺序调用 PagedSqlPrompt 生成不同阶段的指令，并管理整个流式生成过程，最终确保生成一个语法完整、数据连续的 SQL 文件。下面是数据生成的部分代码示例。

实时数据清洗：由于 LLM 的返回内容有时会包含 Markdown 标记（如 ```sql）或“Here is the SQL script:”之类的解释性文字，笔者开发了 SqlStreamSanitizer 模块。该模块在 数据生成方法中被调用，对接收到的每一个数据块（delta）进行实时的增量清洗，确保最终输出到控制台和文件的内容是纯净的 SQL。

智能化的数据生成引擎部分代码展示

3. 灵活的用户自定义配置

笔者通过对原有的数据配置内容进行修改，实现了允许用户通过 JSON 配置文件对生成逻辑进行精细化控制的功能，以覆盖 AI 的默认行为或为特定业务场景提供指导 。笔者在开发中注意到AI在面对类似与 attr_1、s1 等无明显意义的数据时，返回的数据显得杂乱无章，于是设计了一个 comment 字段，用户可以通过它为任何语义模糊的列提供自然语言描述，显著提升了在复杂场景下的数据生成质量。

4. 无缝集成与向下兼容

笔者将新功能无缝集成到现有的 ODC 随机数据生成项目中，作为一个可切换的“智能生成”模式 ，用户可通过配置文件中的字段内容进行模式的切换。

配置开关：通过在主配置文件中增加 llmConfig 配置项，用户可以方便地通过 enabled: true/false 来启用或禁用 AI 生成模式 。

逻辑解耦：笔者在原有的核心工厂类 ObMockerFactory.java 中增加了新的逻辑分支。它会根据配置决定是进入原有的随机生成流程，还是调用新的 AI 生成模块 。这种设计确保了新旧功能完全解耦，实现了完美的向下兼容 。

笔者目前已经圆满完成了项目的全部核心功能，成功为 ODC 数据模拟工具引入了智能化的数据生成能力 。所有功能代码均已提交 Pull Request，并通过了社区的代码审查和自动化测试。同时笔者完成了覆盖所有核心功能的自测流程，并修复了过程中发现的关键 bug（如多批次主键重复、模糊列名生成质量不高等），确保了代码的交付质量 。同时，笔者也完成了详细的《ODC v0.1.0 基于 AI 的数据库模拟数据生成工具提测文档》和README文档的更新，为项目对接和后续使用者提供了清晰的指引 。下面是运行代码后生成的 sql 数据文件简单示例。

--自我介绍--

OSPP：请简单介绍一下你自己。

李铭扬：大家好，我是李铭扬。我目前在北京邮电大学攻读硕士二年级，本科也毕业于此。我从大一开始接触编程，得益于学校浓厚的技术氛围，我积极投身于众多实战项目，积累了丰富的开发与团队协作经验。在专业学习之外，我兴趣广泛，热爱台球、足球，也热衷于挑战如“魂系”系列的高难度游戏。

OSPP：你的专业学习和这个项目所涉及的 AI、数据库技术领域是如何产生交集的？是什么让你对“用 AI 解决数据问题”这个方向产生了兴趣？

李铭扬：我的研究生毕业论文方向聚焦于 Agent Memory 领域，在研究初期，我就已经亲手编写并部署过相关项目，积累过相关实践经验。得益于这份积累，当我看到这个项目介绍时，一个清晰的实现蓝图便在我脑海中浮现，这种高度的匹配性让我毫不犹豫地选择了它。我对“用 AI 解决实际问题”这个方向始终保持着浓厚兴趣。大模型的快速迭代正在深刻地重塑编程生态，我在日常学习和研究中也深度应用 AI 来提升效率。我坚信 AI 的变革性潜力远未完全展现，因此，积极投身 AI 应用项目，不仅能帮我积累宝贵的实战经验，更是我主动适应未来企业用人需求、保持竞争力的关键一步。

OSPP：你是何时第一次接触开源的？可以分享一下你的开源故事吗？

李铭扬：我第一次接触开源是在我初学代码的阶段，当时我为了解决某个技术问题而在开源论坛借鉴了别人的项目实现。像这样参与开源之夏并为开源仓库提交自己的代码还是第一次，这让我感觉到一股成就感和自豪感，也印证着我以及从懵懂的学习者成长为了一名合格的项目开发者。

--参与开源之夏--

OSPP：是什么机缘让你选择开源之夏?在选择项目任务和撰写申请书的时候有哪些考虑和准备?

李铭扬：我是在同实验室学长和同学的推荐下得知开源之夏的。在选择项目时，这个“基于 AI 的数据库模拟数据生成工具”项目立即吸引了我，因为它和我的研究方向高度相关。在撰写申请书时，我详细描述了我对项目的构思与实现方案，同时也向导师介绍了我自身的学习经历与相关项目经验，最终有幸得到了这个机会。

OSPP：能否用一个生动的比喻，向不太了解技术的同学解释一下你的项目解决了什么问题？

李铭扬：当然可以。可以把传统的数据工具想象成一个只会做随机口味冰淇淋的机器。你告诉它“我想要一个甜筒”，它只能给你一个随机口味，可能是草莓味，也可能是……辣椒味。因为它只知道“甜筒”这个形状，不理解“口味”（业务语义），所以产出的数据是无意义的随机值 。而我的项目，就是给这台机器装上了一个“AI 大脑”。现在你对它说“我想要一个‘地址’”，它就能理解“地址”的含义，然后精准地为你生成一个现实生活中实际存在的地址。它甚至还能理解更复杂的需求，比如“一个 18 到 75 岁之间的‘年龄’”。我的项目解决的就是让数据生成工具从“随机”变得“智能”，能听懂人话，生成真正有业务意义的数据 。

OSPP：项目要求使用模型进行语义推断。在实践中，你是如何让 AI 模型准确理解各种数据库列名的真实含义的？在项目开发过程中，遇到的最大技术挑战是什么？

李铭扬：在如何让 AI 模型准确理解各种数据库列名的真实含义上，我的解决方法是提示词工程，通过简单规范的提示词让大模型对列名真实含义进行理解。当遇到含义模糊的列名时，我选择让人与模型进行协同，让用户在配置中添加对字段的描述，以辅助模型进行理解。在开发过程中，我遇到的最大技术挑战其实是“API 调用超出 Token 限制”。当用户要求生成的数据量较大时，一次请求和响应很容易超出模型 API 的最大 Token 限制，导致生成失败 。

OSPP：在成熟的代码框架上进行二次开发，和从零开始写项目，感觉有什么不同？

李铭扬：我觉得最大的价值在于服务实际。在学校里，我们写的代码更多是课程作业或者科研 demo，但开源项目是一个真实的系统，有用户、有社区、有迭代节奏。你写的功能不仅要“跑通”，还要能被别人用、和现有框架无缝兼容。这种真实环境的要求，会让人快速成长，也能体会到“代码在被真正使用”的意义。

OSPP：完成这个项目后，你对未来的学习或职业规划有什么新的想法吗？

李铭扬：本项目很好地体现了当下的一个发展趋势，即 AI 与各个领域、项目的结合。这也激发并清晰了我的个人职业规划。我认为，在 AI 浪潮席卷各行各业的今天，能否主动应用 AI 来提升开发效率，已不再是加分项，而是衡量一名程序员核心竞争力的关键指标。这也让我得出一个结论：无论未来我从事什么岗位，“持续学习”都将是我最重要的行事准则。在企业需求日新月异的背景下，这不仅是适应变化的被动选择，更是我主动保持自身”不可替代性“的有效途径。

OSPP：有什么想对开源之夏、社区、导师或小伙伴们说的话吗？

李铭扬：非常感谢开源之夏和 ODC 社区提供了这么好的一个项目和平台！能将 AI 技术应用到数据库工具中，解决一个真实存在的工程问题，对我来说是一次非常宝贵的经历。特别感谢我的导师在项目期间的指导，也希望我的这一点点工作能为 ODC 社区带来价值。各位小伙伴们我们一起努力，为开源社区贡献我们的力量！

来源：小向说科技