synthetic-data-generator

收录理由

需要在不暴露真实记录的前提下获得贴近实际的表格数据，这个项目值得一看。它把单表与多表合成算法和LLM驱动生成放在一起，想快速出数时可以用经典模型，遇到复杂的表结构和关系时再交给语言模型。那些不太显眼但很关键的部分它也没有落下，比如十亿行级别的工作负载和注重隐私的生成方式——当产出要在多个团队之间流转，或者要拿去支撑下游测试和分析时，这点尤其重要。项目以Python包的形式发布，配有Colab示例和API文档，无论是快速试个想法，还是搭建更讲究的流水线，都能派上用场。如果你过去一直靠手工拼凑假数据，或者在不同生成器之间来回切换，这套更连贯的方案值得纳入你的评估范围。