可利用WorkBuddy四种方式快速生成复杂嵌套JSON：一、JSON Schema驱动模板生成；二、自然语言指令触发AI构造；三、基于样本智能扩增；四、CLI命令行批量生成带变量数据。
☞☞☞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☜☜☜
如果您需要为前端联调、接口测试或原型演示快速生成符合业务逻辑的复杂嵌套JSON数据，但手动编写易出错且难以复用，则可利用WorkBuddy内置的结构化数据生成功能自动构造。以下是实现此目标的具体路径：
一、使用JSON Schema驱动的模板生成器
该方法基于标准JSON Schema定义数据结构约束（如字段类型、嵌套层级、必填项、枚举值等），WorkBuddy据此实时生成合法且语义合规的示例数据，支持无限深度嵌套与数组对象混合结构。
1、新建一个以.jsonschema为后缀的文件，内容包含完整Schema定义，例如描述“订单+用户+商品”三层嵌套结构，其中items数组内含至少两个不同sku的商品对象。
2、在WorkBuddy主界面点击「数据工具」→「Schema生成器」，点击「导入Schema」并选择该.jsonschema文件。
3、设置生成数量为5条，勾选「启用真实感填充」（自动注入合理姓名、手机号、时间戳等），点击「生成并预览」。
4、确认预览结果中嵌套路径如order.items[0].product.specs.color准确展开后，点击「导出为JSON文件」保存至指定目录。
二、通过自然语言指令触发AI结构化构造
该方法无需编写任何格式文本，直接用中文描述所需数据形态，WorkBuddy调用语义理解模型解析意图，自动推导字段关系与嵌套逻辑，并输出格式严谨的JSON。
1、在对话输入框中输入：生成10条模拟电商售后工单数据，每条包含工单ID、用户信息（姓名、电话、地址三级嵌套）、问题分类、处理状态、关联订单号、以及最多3条操作日志（含时间、操作人、动作）。
2、点击发送，等待AI完成上下文组装与结构推理；过程中可见“正在构建嵌套对象关系图”状态提示。
3、响应流式返回完成后，点击「复制全部JSON」或「下载为demo_returns.json」。
4、打开文件验证：根数组长度为10，每个元素的user.address.province与logs[1].timestamp等深层路径均存在且类型正确。
三、加载已有JSON样本进行智能扩增
该方法适用于已有少量真实数据样本但需规模化扩展的场景，WorkBuddy通过分析字段分布规律与嵌套模式，在保持结构一致性前提下生成语义连贯的新数据。
1、准备一个含3条记录的sample.json，确保其已包含多层嵌套（如profile.skills[0].level）与数组字段。
2、在WorkBuddy中使用@file://引用该文件，随后输入指令：基于此样本结构，扩增生成50条新数据，要求skills数组长度在2–5之间随机，level字段从["初级","中级","高级"]中均匀采样。
3、系统自动完成样本解析、字段分布建模与合成策略编排，显示“扩增完成：50/50”进度条。
4、点击「查看扩增结果」，确认所有新条目均未破坏原始嵌套路径，且skills数组长度符合设定区间。
四、调用CLI命令行批量构造带变量的嵌套JSON
该方法面向开发者，支持脚本化生成含动态字段（如日期偏移、序列编号、UUID）的嵌套结构，适用于压测数据或A/B测试分组场景。
1、打开WorkBuddy安装目录下的cli子文件夹，运行workbuddy-json-gen --help确认工具可用。
2、执行命令：workbuddy-json-gen --template "orders/{date}/batch_{seq:03d}.json" --count 20 --var date=2026-04-16 --var seq=1，其中template中{date}和{seq}将被替换为实际值。
3、在命令输出路径下检查生成的20个文件，每个文件内容均为完整嵌套JSON，根对象含batch_id、created_at（含时区）、items数组（含3个随机SKU对象）等字段。
4、任选一个文件，用文本编辑器打开，验证items[2].price为浮点数、created_at符合ISO 8601格式、无语法错误。
