From pm-execution
Generates realistic dummy datasets with custom columns, constraints, and output formats (CSV, JSON, SQL, Python script) for test data, mocks, and dev demos.
npx claudepluginhub lucas-flatwhite/pm-skills-ko --plugin pm-executionThis skill uses the workspace's default tool permissions.
사용자 정의 컬럼, 제약 조건, 출력 형식(CSV, JSON, SQL, Python script)으로 테스트용 현실적인 더미 데이터셋을 생성합니다. 즉시 사용 가능한 실행 가능 스크립트 또는 직접적인 데이터 파일을 생성합니다.
Guides Next.js Cache Components and Partial Prerendering (PPR) with cacheComponents enabled. Implements 'use cache', cacheLife(), cacheTag(), revalidateTag(), static/dynamic optimization, and cache debugging.
Migrates code, prompts, and API calls from Claude Sonnet 4.0/4.5 or Opus 4.1 to Opus 4.5, updating model strings on Anthropic, AWS, GCP, Azure platforms.
Automates semantic versioning and release workflow for Claude Code plugins: bumps versions in package.json, marketplace.json, plugin.json; verifies builds; creates git tags, GitHub releases, changelogs.
사용자 정의 컬럼, 제약 조건, 출력 형식(CSV, JSON, SQL, Python script)으로 테스트용 현실적인 더미 데이터셋을 생성합니다. 즉시 사용 가능한 실행 가능 스크립트 또는 직접적인 데이터 파일을 생성합니다.
사용 시기: 테스트 데이터 생성, 샘플 데이터셋 생성, 개발용 현실적인 목 데이터 구성, 또는 테스트 환경 채우기 시.
Arguments:
$PRODUCT: 제품 또는 시스템 이름$DATASET_TYPE: 데이터 유형 (예: 고객 피드백, 거래 내역, 사용자 프로필)$ROWS: 생성할 행 수 (기본값: 100)$COLUMNS: 포함할 특정 컬럼 또는 필드$FORMAT: 출력 형식 (CSV, JSON, SQL, Python script)$CONSTRAINTS: 추가 제약 조건 또는 비즈니스 규칙import csv
import json
from datetime import datetime, timedelta
import random
# Configuration
ROWS = $ROWS
FILENAME = "$DATASET_TYPE.csv"
# Column definitions with realistic value generators
columns = {
"id": "auto-increment",
"name": "first_last_name",
"email": "email",
"created_at": "timestamp",
# Add more columns...
}
def generate_dataset():
"""Generate realistic dummy dataset"""
data = []
for i in range(1, ROWS + 1):
record = {
"id": f"U{i:06d}",
# Generate values based on column definitions
}
data.append(record)
return data
def save_as_csv(data, filename):
"""Save dataset as CSV"""
with open(filename, 'w', newline='') as f:
writer = csv.DictWriter(f, fieldnames=data[0].keys())
writer.writeheader()
writer.writerows(data)
if __name__ == "__main__":
dataset = generate_dataset()
save_as_csv(dataset, FILENAME)
print(f"Generated {len(dataset)} records in {FILENAME}")
데이터셋 유형: 고객 피드백
컬럼:
제약 조건:
CSV: 평면 테이블 형식, 스프레드시트와 데이터베이스로 쉽게 가져오기 가능
JSON: 중첩 구조, API 및 NoSQL 데이터베이스에 적합
SQL: INSERT 문, 관계형 데이터베이스에서 직접 실행 가능
Python Script: 사용자 정의 또는 대용량 데이터셋을 위한 실행 가능 생성기