要让copilot生成贴近真实业务的测试数据，需嵌入业务约束、字段逻辑、分布特征和校验规则；明确角色与上下文、定义字段级规则（自然语言描述依赖或表格列约束）、注入真实分布与异常比例、绑定业务动线与事件序列。
☞☞☞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☜☜☜
要让Microsoft Copilot生成的测试数据贴近真实业务场景，不能只写“生成10条用户数据”，必须把业务约束、字段逻辑、分布特征和校验规则嵌入提示词中，否则产出的数据往往格式正确但业务失真。
明确角色与上下文
先告诉Copilot它正在扮演什么角色，以及这个数据将用在哪个系统、哪个环节。例如：“你是一名银行风控系统的测试工程师，正在为反洗钱模型训练准备模拟交易流水。”角色越具体，Copilot越容易调用对应领域的常识。
不写角色时，Copilot默认按通用文本模式生成，常出现“张三”“李四”“北京朝阳区某街道1号”这类无业务含义的占位符。
定义字段级业务规则
方法一：用自然语言描述字段间依赖关系
写明“注册时间早于首次登录时间，且首次登录时间必须在注册后1～7天内；若用户等级为VIP，则累计充值金额≥5000元且最近30天有至少2次单笔≥800元的消费”。Copilot会据此拒绝生成“VIP用户但充值0元”的矛盾数据。
方法二：用表格形式列出字段+示例+约束
字段名｜示例值｜约束说明
user_id｜U202405170089｜8位字母+6位年月日+4位序列号，全大写
account_type｜business｜只能是personal/business/government三选一，business类用户必须有company_reg_no字段非空
【company_reg_no字段为空时，Copilot可能忽略business类型校验】
Outlook 日历 / Microsoft 365 日历 SECURE API CLI。当用户需要列出、搜索或读取 Outlook / Microsoft 365 日历事件，以及创建……
注入真实分布与异常比例
第一步：指定主分布形态——“85%用户来自华东地区，其中上海占比32%，江苏28%，浙江25%；其余15%均匀分布在其他五区”。
第二步：插入合理异常——“约3.2%的手机号末四位为重复数字（如138****6666），0.7%的身份证号校验位错误（仅用于测试边界逻辑）”。
第三步：设置时间衰减——“近30天注册用户占总量62%，前31～90天占27%，90天以上占11%，所有时间字段使用东八区时间，不带毫秒”。
这三步缺一不可。只写“生成100条”会导致时间戳堆在当天、地域均匀铺开、异常完全缺失——根本无法暴露真实系统里的长尾问题。
绑定业务动线与事件序列
对需要时序逻辑的数据（如订单→支付→发货→签收），用动词短语链式描述：
“每个用户至少有1条完整订单流：创建订单（order_status=created）→ 支付成功（payment_status=paid，payment_time晚于order_time 2～180秒）→ 仓库拣货（status_updated_at晚于payment_time 3～36小时）→ 物流发出（shipping_time晚于status_updated_at 0～12小时）→ 签收（signed_at晚于shipping_time 1～15天）”。
Copilot会据此拒绝生成“签收时间早于支付时间”的数据，而纯字段列表提示词做不到这点。
