ChatGPT生成mock数据出错的主因是未主动暴露隐含约束；应通过反问式提示强制确认关键信息、嵌入可执行校验逻辑、用CRISPE框架锚定上下文边界，确保字段完整、类型正确、业务逻辑自洽。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
当你让ChatGPT生成mock数据却拿到字段缺失、类型错配或业务逻辑断裂的JSON样本时，问题往往不是模型“编不出来”，而是你没让它主动揪出自己漏掉的关键约束——比如“用户ID必须是12位数字字符串”“订单状态只能取['pending','shipped','cancelled']”这类隐含规则。
用反问式提示强制AI暴露信息缺口
第一步：在提示词开头插入明确指令：“请先向我提出3个关键问题，确认以下需求中缺失的必要信息；待我回答后，再生成mock数据。”
第二步：紧接描述当前已知需求，例如：“生成10条电商订单mock数据，包含用户ID、下单时间、商品名称、数量、金额。”
第三步：必须限定问题范围，避免AI发散提问。加一句：“问题仅限于数据结构本身，不涉及前端展示或API传输格式。”
这一步卡住AI的自由发挥欲——它无法跳过确认环节直接输出，【否则生成的每条数据都可能因缺少枚举值约束而失效】。
给AI装上校验钩子：嵌入可执行验证逻辑
方法一：要求AI在生成mock前，先输出一份“约束检查清单”
在提示词末尾追加：“请列出你将用于校验每条mock数据的5条硬性规则，格式为‘规则1：[字段名]必须满足[条件]’，例如‘规则3：amount字段必须为正数且保留两位小数’。”
方法二：绑定具体验证动作
写明：“生成完全部10条数据后，请立即执行一次自检：遍历每条记录，对清单中每条规则做真/假判断，只输出违反规则的字段名与具体行号，不修改原始数据。”
用于在用户想通过浏览器自动化与 Google Gemini 或 ChatGPT 交互时。触发短语包括“ask Gemini”“ask ChatGPT”“ask GPT”“让...”。
这个操作把AI从“内容生产者”临时切换成“质量门禁”，【一旦它无法写出完整检查清单，说明需求本身存在结构性缺失】。
用CRISPE框架锚定上下文边界
Context：你正在为支付网关压测准备mock请求体，目标系统要求严格校验字段类型、长度和枚举值。
Role：你是一名API契约审查工程师，熟悉OpenAPI 3.0规范与金融级数据合规要求。
Insight：测试环境禁止使用真实手机号、身份证号；所有时间戳必须为ISO 8601格式且落在2026年5月范围内。
Statement：生成10条符合上述约束的payment_order对象JSON数组。
Personality：输出仅含代码块与必要注释，禁用解释性文字。
Examples：输入：{"user_id":"U98765432101","status":"pending","amount":299.00} → 输出：✅ 符合全部约束
示例中用✅符号直击验证结果，让AI理解你要的是“可判定对错”的输出形态，而非模糊描述。
