在尝试利用AI自动生成测试数据时，许多人都会遇到这样的困境：明明提供了详尽的业务规则，模型却无视约束，按照自身的“通用模式”随意填写。例如，“用户状态”字段，AI往往直接填入"active"，而实际系统中可能隐藏着pending_review、suspended、archived等五种合法取值。要让AI真正遵循业务逻辑，必须在生成之前明确划定规则边界。

核心思路非常直接：在AI开始生成数据之前，先要求它输出一套可执行、可验证的判断标准。若不提前定义标准，AI就会按照自己的惯性模式随意填充，导致结果不合规。

引导AI先输出判断标准，再生成测试数据

第一步，需要在提示词的开头明确设定阶段划分，用清晰的分隔符将“定义标准”与“生成数据”两个步骤隔开。直接告知模型，不按顺序执行则视为任务未完成。

具体如何编写？可以参考以下写法：请严格遵守以下两步流程：① 首先列出该测试场景下所有字段的校验规则与取值约束（不包含示例数据）；② 然后依据①中规则，生成3条完全符合所有约束的JSON格式测试数据。分隔符必须为【标准结束】。

这条指令的关键在于，通过明确的顺序词（如“首先……然后……”）构建了不可跳过的执行步骤。AI对这类显式步骤指令的响应稳定性较高。如果只是模糊地说“请先说明标准”，部分模型可能直接忽略或将其与数据生成步骤混淆在一起输出。

针对不同字段类型编写具体约束提示

方法一：枚举型字段——直接提供“可选值列表”

在提示词中必须清晰注明：“订单状态”字段仅允许以下4个字符串值：'created'、'paid'、'shipped'、'delivered'，不允许使用缩写、大小写变体或额外空格。 这样才能避免AI在生成时自由发挥。

方法二：数值范围字段——边界条件必须明确

需要特别强调：必须明确说明是闭区间还是开区间。 例如：“折扣率”为0.00至0.95之间的浮点数，包含0.00，不包含0.95（即最大值可填写0.949）。明确边界条件能有效避免出现不合逻辑的数据。

方法三：时间字段——格式与业务含义均需限定

建议写成：“生效时间”必须采用ISO 8601格式（如2026-06-24T09:30:00Z），且不得早于当前日期（2026-06-24）。 这样既统一了格式，也确保了业务上要求的“未来”属性。

验证AI是否严格按照标准生成数据

规则制定之后，如何判断其有效性？一个简单的方法是：检查AI输出的第一部分，确认每条规则是否都可执行、可验证。规则中必须包含明确的字段名称、可编程实现的约束描述，绝对不能出现“一般”“通常”“大概”这类模糊词汇。

如果AI在标准部分写下了“用户名应合理”，则必须毫不犹豫地要求它重新生成——这种描述完全无法用于自动化校验，形同虚设。

确认标准无歧义后，再审查第二部分的JSON数据。需要逐条核对，确保每一条都满足先前列出的所有条款。只要任意一条数据违反了其中任何一条标准，本次输出即可判定为失败，须立即进行人工干预。