模拟数据
MockData
by BytesAgain
Generate realistic fake data — names, emails, addresses — for testing and dev. Use when seeding databases, mocking API responses, creating sample records.
安装
claude skill add --url github.com/openclaw/skills/tree/main/skills/bytesagain/mockdata文档
MockData — Mock Data Generator
Generate realistic random data for testing, development, and prototyping. Outputs names, emails, phone numbers, addresses, UUIDs, CSV files, and JSON records.
Commands
| Command | Description |
|---|---|
name [count] | Generate random full names (first + last, from 160+ name pool) |
email [count] | Generate random email addresses (realistic patterns with varied domains) |
phone [count] | Generate random US phone numbers (+1-XXX-XXX-XXXX format) |
address [count] | Generate random US street addresses with city, state, ZIP |
uuid [count] | Generate random UUID v4 values (from /dev/urandom) |
csv <rows> <cols> | Generate CSV with auto-typed columns (id, name, email, phone, city, score) |
json [count] | Generate JSON array of records with id, name, email, phone, age, city |
Examples
# Generate 5 random names
mockdata name 5
# Generate 10 email addresses
mockdata email 10
# Generate UUIDs
mockdata uuid 3
# Generate a CSV file with 100 rows and 4 columns
mockdata csv 100 4 > test-data.csv
# Generate JSON records
mockdata json 5 > users.json
# Combine for seeding
mockdata json 50 > seed.json
Data Sources
- Names: 80+ first names × 80+ last names (10,000+ combinations)
- Emails: Varied patterns —
first.last@,firstlast42@,flast@across 10 domains - Phones: Random US format with valid area code ranges
- Addresses: 20 street types × 20 cities × 20 states
- UUIDs: Generated from
/dev/urandomwith proper v4 formatting
CSV Column Types
Columns cycle through these types based on position:
id(sequential)name(random full name)email(random email)phone(random phone)city(random city)score(random 0-99)
Notes
- All output goes to stdout — pipe to a file to save
- JSON output is valid JSON (array of objects)
- No external dependencies — uses bash builtins and
/dev/urandom
相关 Skills
前端设计
by anthropics
面向组件、页面、海报和 Web 应用开发,按鲜明视觉方向生成可直接落地的前端代码与高质感 UI,适合做 landing page、Dashboard 或美化现有界面,避开千篇一律的 AI 审美。
✎ 想把页面做得既能上线又有设计感,就用前端设计:组件到整站都能产出,难得的是能避开千篇一律的 AI 味。
网页构建器
by anthropics
面向复杂 claude.ai HTML artifact 开发,快速初始化 React + Tailwind CSS + shadcn/ui 项目并打包为单文件 HTML,适合需要状态管理、路由或多组件交互的页面。
✎ 在 claude.ai 里做复杂网页 Artifact 很省心,多组件、状态和路由都能顺手搭起来,React、Tailwind 与 shadcn/ui 组合效率高、成品也更精致。
网页应用测试
by anthropics
用 Playwright 为本地 Web 应用编写自动化测试,支持启动开发服务器、校验前端交互、排查 UI 异常、抓取截图与浏览器日志,适合调试动态页面和回归验证。
✎ 借助 Playwright 一站式验证本地 Web 应用前端功能,调 UI 时还能同步查看日志和截图,定位问题更快。
相关 MCP 服务
GitHub
编辑精选by GitHub
GitHub 是 MCP 官方参考服务器,让 Claude 直接读写你的代码仓库和 Issues。
✎ 这个参考服务器解决了开发者想让 AI 安全访问 GitHub 数据的问题,适合需要自动化代码审查或 Issue 管理的团队。但注意它只是参考实现,生产环境得自己加固安全。
Context7 文档查询
编辑精选by Context7
Context7 是实时拉取最新文档和代码示例的智能助手,让你告别过时资料。
✎ 它能解决开发者查找文档时信息滞后的问题,特别适合快速上手新库或跟进更新。不过,依赖外部源可能导致偶尔的数据延迟,建议结合官方文档使用。
by tldraw
tldraw 是让 AI 助手直接在无限画布上绘图和协作的 MCP 服务器。
✎ 这解决了 AI 只能输出文本、无法视觉化协作的痛点——想象让 Claude 帮你画流程图或白板讨论。最适合需要快速原型设计或头脑风暴的开发者。不过,目前它只是个基础连接器,你得自己搭建画布应用才能发挥全部潜力。