Test Data Generator

Test Data Generator

Purpose: Generate reliable test data for automation tests.

---

When to Use

Use this skill when:

• Creating test data for new test cases
• Generating boundary and edge case data
• Setting up data-driven tests
• Creating API request payloads

---

Responsibilities

Generate test data for:

• Registration forms
• Login credentials
• Form submissions
• API payloads
• Search queries
• File uploads

---

Data Rules

All generated data must be:

• Unique — No duplication within test suite
• Deterministic — Same seed produces same data (when needed)
• Traceable — Can identify which test generated it

---

Unique Data Pattern

Recommended format:

__

Examples:

auto_register_20260402133000
test_login_1712024100

---

Common Data Types

Email

auto__@test.com

Example: auto_register_20260402@test.com

Username

user__

Example: user_login_20260402133000

Phone

Random 10-digit number starting with valid prefix

Example: 0912345678

Password

Mix of uppercase, lowercase, digits, special chars

Example: Test@12345

---

Data Categories

Positive Data (Happy Path)

• Valid format, within constraints
• All required fields filled
• Standard business values

Negative Data

• Missing required fields
• Invalid format (wrong email, short password)
• Invalid characters
• Already existing values (duplicate check)

Boundary Values

• Minimum length (e.g., 1 character)
• Maximum length (e.g., 255 characters)
• Min + 1, Max - 1
• Empty string vs null
• Zero, negative numbers

Edge Cases

• Unicode / special characters
• Very long strings
• SQL injection patterns (for security testing)
• HTML tags in text fields
• Leading/trailing whitespace

---

Constraints

Test data must:

• Respect field validation rules (from DOM inspection)
• Match input format (date format, phone format)
• Avoid duplication across test runs
• Not contain real PII (personal data)

---

Output Format

Provide data in structured format:

{
  "positive": [
    { "email": "auto_tc01_20260402@test.com", "password": "Test@12345" }
  ],
  "negative": [
    { "email": "", "password": "Test@12345", "expectedError": "Email is required" },
    { "email": "invalid-email", "password": "Test@12345", "expectedError": "Invalid email format" }
  ],
  "boundary": [
    { "email": "a@b.co", "password": "12345678", "note": "Min length" }
  ]
}

---

Multi-Step Data Pipeline (Cross-Module)

> Mở rộng cho bài toán: test data cần đi qua nhiều modules nối tiếp mới tạo ra được data hoàn chỉnh cho module cuối.

Khi nào dùng

• Tính năng đi qua chuỗi N modules (VD: Đối tác → Thanh toán → Thuế → Biên bản)
• Data module sau phụ thuộc output module trước (Reference fields)
• Cần tạo data thật trên hệ thống qua browser

Data Chain Pattern

Module 1 → Output: {id_1, code_1}
    ↓ (Reference)
Module 2 → Input: {id_1} → Output: {id_2}
    ↓ (Reference)
Module 3 → Input: {id_1, id_2} → Output: {id_3}
    ↓ (Reference)
Module N → Input: {id_1..id_N-1} → Output: Final Result

Field Classification

| Loại field | Mô tả | Cách sinh data | |-----------|-------|----------------| | Dimension field | Giá trị thuộc chiều kết hợp trong ma trận | Lấy chính xác từ bộ combo — KHÔNG random | | Supporting field | Bắt buộc nhưng không phải dimension | Random + unique + traceable | | Reference field | ID/code từ output module trước | Copy từ output module trước trong chuỗi | | Computed field | Tự tính từ formula/business rules | Tính theo formula — phải verify |

Data Chain Tracing Format

auto_combo{XX}_{module_short}_{timestamp}

Ví dụ cho combo 01:

Module 1: partner_name  = "auto_c01_partner_1712049200"
Module 2: payment_desc  = "auto_c01_payment_1712049200"
Module 3: tax_note      = "auto_c01_tax_1712049200"
→ Có thể trace: combo 01 tạo ra những data nào ở mỗi module

---

Combinatorial Data Generation

> Sinh bộ data cho ma trận kết hợp đa chiều — mỗi bộ kết hợp = 1 bộ data hoàn chỉnh.

Khi nào dùng

• Đã có ma trận kết hợp (từ /generate_cross_module_test_plan)
• Cần sinh N bộ data tương ứng N bộ kết hợp
• Mỗi bộ data phải có expected output (template, formula, computed values)

Combinatorial Data Structure

{
  "combination_id": "COMBO_01",
  "dimensions": {
    "D1": "value_from_matrix",
    "D2": "value_from_matrix"
  },
  "module_data": {
    "module_1": { "field1": "...", "field2": "..." },
    "module_2": { "ref_from_module1": "...", "field3": "..." }
  },
  "expected_output": {
    "template": "EXPECTED_TEMPLATE_CODE",
    "formula": "Amount × Rate",
    "computed_values": { "total": 110000000 }
  }
}

Rules cho Combinatorial Data

| # | Rule | |---|------| | 1 | Dimension values PHẢI đúng 100% so với ma trận — KHÔNG random | | 2 | Mỗi combo dùng data riêng (unique per combo) | | 3 | Computed values phải đúng theo formula | | 4 | Mỗi combo PHẢI có expected output | | 5 | Traceable: prefix auto_combo{XX} |

Workflow tham chiếu

• /generate_cross_module_test_plan → Sinh ma trận kết hợp (input cho skill này)
• /generate_combinatorial_test_data → Workflow chính dùng skill này cho combinatorial data

---

Rules References

• .claude/rules/automation_rules.md — Test data generation rules (Section 2)

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: anhtester
• Source: anhtester/claude-testing-kit
• License: MIT

Install and usage instructions live in the source repository linked above.