Sisään Osa 1 käsittelimme filosofiaa: läpinäkyvää segmentointia ilman PII:tä. 2 osa kattaa istuntoprofiilit, signaalit ja segmenttimäärittelyt.

Mutta ensin: Miten voit vahvistaa mitään tästä koskematta koskaan todellisiin asiakastietoihin?

Tähän sarjaan luon täydellisen synteettisen verkkokauppatietokannan paikallisesti:

• Tuoteluettelo (nimet, kuvaukset, tunnisteet, hinnat)
• Anonyymit profiilit / personas (intressit + signaalit)
• Tuotekuvat (ja profiilikuvat) ComfyUI:n kautta
• Valinnainen DB-tuonti, jotta oikea sovellus voi ajaa sitä vastaan

Tämä on yksi niistä, jotka tuntuvat huijaavilta työnvirroilta: saat realistisia syötteitä, voit uudistaa niitä milloin tahansa, etkä koskaan ota PII:tä käyttöön dev-ympäristöösi.

Miksi paikallinen synteettinen data on niin voimakasta

Jos rakennat segmentointia / personointia, tarvitset dataa, joka:

• On tarpeeksi vaihtelua murtaa naiivi heuristiikka
• On turvallista jakaa (koodilla, testeillä, demoilla)
• On toistettavissa (jotta voit vertailla mallimuutoksia)

Todellinen data on päinvastoin: herkkää, sotkuista, vaikeasti liikuteltavaa ja täynnä historiallista puolueellisuutta.

Synteettiset tiedot antavat kolme supervaltaa:

1. Nopea iterointi: muuttaa segmentoitumisen logiikkaa, uudistaa, uudistaa.
2. Kovempi: simuloi outoa pitkähäntäistä käytöstä, jota et näe pienessä dev-aineistossa.
3. Selitettävissä oleva testaus: voit tarkasta jokainen luotu kenttä ja vahvistakaa, että näytätte minulle, miksi UI on totuudenmukainen.

flowchart LR
    Taxonomy[gadget-taxonomy.json] --> Gen[SampleData generator]
    Gen --> Products[products.json]
    Gen --> Profiles[profiles.json]
    Gen --> Images[images/*]
    Products --> Import[Import into Postgres]
    Profiles --> Import

    style Taxonomy stroke:#1971c2,stroke-width:3px
    style Gen stroke:#1971c2,stroke-width:3px
    style Import stroke:#2f9e44,stroke-width:3px

Työkalut (mitä itse asiassa kulkee)

Generaattori elää Mostlylucid.SegmentCommerce.SampleData.

Se ei tarkoituksellisesti ole kehys; se on pragmaattinen CLI, joka puhuu

• Ollama (paikallinen LLM) rakenteelliselle JSON-sukupolvelle.
• ComfyUI (paikallinen vakaa diffuusio) tuotekuvauksiin.
• A taksonominen JSON joka pitää tuotokset yhtenäisinä (luokat, tyypit, muunnelmat, hintahaarukat).

Konfiguraatio on kytketty päälle, jotta voit ajaa sitä ympäristömuuttujien kautta:

// Mostlylucid.SegmentCommerce.SampleData/Program.cs
var configuration = new ConfigurationBuilder()
    .SetBasePath(AppContext.BaseDirectory)
    .AddJsonFile("appsettings.json", optional: true)
    .AddEnvironmentVariables("SAMPLEDATA_")
    .Build();

Pikakäynnistys

Voit tyypillisesti hoitaa kolme paikallista palvelua generaattorin rinnalla:

flowchart LR
    CLI[SampleData CLI] --> Ollama["Ollama
    http://localhost:11434"]
    CLI --> Comfy["ComfyUI
    http://localhost:8188"]
    CLI -. optional .-> DB[(Postgres)]

    style CLI stroke:#1971c2,stroke-width:3px
    style Ollama stroke:#1971c2,stroke-width:3px
    style Comfy stroke:#2f9e44,stroke-width:3px
    style DB stroke:#fab005,stroke-width:3px

Suorita generaattori repojuuresta:

dotnet run --project Mostlylucid.SegmentCommerce.SampleData -- status

Luo sitten tietoaineisto:

# v1 generator: taxonomy + optional Ollama + optional ComfyUI
# Writes ./Output/products.json, ./Output/profiles.json, ./Output/images/...
dotnet run --project Mostlylucid.SegmentCommerce.SampleData -- generate --count 20

Hyödyllisiä kytkimiä:

# No LLM calls, taxonomy only
dotnet run --project Mostlylucid.SegmentCommerce.SampleData -- generate --no-ollama

# No ComfyUI images
dotnet run --project Mostlylucid.SegmentCommerce.SampleData -- generate --no-images

# Write into Postgres (uses configured connection string)
dotnet run --project Mostlylucid.SegmentCommerce.SampleData -- generate --db

Huomautus: Jos ComfyUI ei ole saatavilla, v1-generaattori putoaa takaisin paikanninkuviin (se käyttää picsum.photos, Niin, että polku ei ole täysin offline. Jos haluat tiukasti paikallista, juokse --no-images.

v2 Generator: Myyjät → Tuotteet → Asiakkaat → Tilaukset → Upotukset

On olemassa myös uudempi generaattorikomento (gen), joka rakentaa täydellisemmän kauppapaikan muotoisen aineiston:

# v2 generator
# Writes dataset.json plus sellers/products/customers/orders split files
dotnet run --project Mostlylucid.SegmentCommerce.SampleData -- gen --sellers 50 --products 20 --customers 1000

Se masinoi monivaiheiseksi putkistoksi:

flowchart LR
    A[Sellers] --> B[Products]
    B --> C[Customers]
    C --> D[Orders]
    D --> E[Embeddings]

    B -. optional .-> I[ComfyUI images]

    style A stroke:#1971c2,stroke-width:3px
    style B stroke:#1971c2,stroke-width:3px
    style C stroke:#1971c2,stroke-width:3px
    style D stroke:#1971c2,stroke-width:3px
    style E stroke:#2f9e44,stroke-width:3px
    style I stroke:#2f9e44,stroke-width:3px

Ja voit nähdä ne vaiheet suoraan koodilla:

// Mostlylucid.SegmentCommerce.SampleData/Services/DataGenerator.cs
// 1. Generate Sellers
// 2. Generate Products for each seller
// 3. Generate Customers
// 4. Generate Orders (with fake checkout data via Bogus)
// 5. Generate embeddings for all entities

Upotukset (Paikallinen ONNX, katettu ensimmäisen juoksun jälkeen)

V2-generaattori voi laskea upotukset ONNX-mallilla (oletus: all-MiniLM-L6-v2Se lataa mallin ja vokabin lähtökansioosi ensimmäisellä kerralla, kun suoritat sen.

Tämä tarkoittaa:

• Ensimmäinen ajo tarvitsee verkkoyhteyden (mallilataus)
• Seuraavat juoksut ovat paikallisia ja nopeita
• Jos haluat verkkoa koskaan, juokse --no-embeddings

// Mostlylucid.SegmentCommerce.SampleData/Services/EmbeddingService.cs
private const string ModelUrl = "https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2/resolve/main/onnx/model.onnx";
private const string VocabUrl = "https://huggingface.co/sentence-transformers/all-MiniLM-L6-v2/resolve/main/vocab.txt";

// Download model if not exists
if (!File.Exists(_config.ModelPath))
{
    await DownloadFileAsync(ModelUrl, _config.ModelPath, ct);
}

Miten luomme tuotteita (vain JSON)

Tuotesukupolvi on tarkoituksellisesti tiukka: LLM:n on palautettava vain JSON, jossa on upotettu JSON-skeemaesimerkki.

// Mostlylucid.SegmentCommerce.SampleData/Services/OllamaProductGenerator.cs
return $"""
    You are a product catalog generator for an e-commerce store. Generate {count} unique, realistic product listings for the \"{category.DisplayName}\" category.

    Category description: {category.Description}
    Example products in this category: {category.ExampleProducts}
    Price range: £{category.PriceRange.Min:F2} - £{category.PriceRange.Max:F2}

    For each product, provide:
    1. A compelling product name (realistic brand-style naming)
    2. A detailed description (2-3 sentences, highlighting key features and benefits)
    3. A realistic price within the range
    4. Optional original price if on sale (20-40% higher than current price)
    5. 3-5 relevant tags
    6. Whether it's trending (about 20% should be trending)
    7. Whether it's featured (about 15% should be featured)
    8. An image prompt for AI image generation (detailed, product photography style)
    9. 2-3 colour variants for the product

    IMPORTANT: Respond with ONLY valid JSON, no markdown formatting, no code blocks, no explanations.

    Generate {count} diverse products now:
    """;

Tällä on merkitystä, koska loppupään järjestelmät (kuvantuotanto + tuonti + upotukset) haluavat strukturoitua dataa. LLM tuottaa panostus putkeenEn kirjoita proosaa.

LLM-vasteet: Parse JSON tai Fall Back

LLM:t eivät ole kääntäjiä. Vaikka JOSON on vainoharhainen, tarvitset silti puolustavaa ryhdistäytymistä ja sulavaa varaiskua.

V2-generaattori tekee sen pienen auttajan kautta (LlmService), joka poimii ensimmäisen {...} estää ja poistaa sen:

// Mostlylucid.SegmentCommerce.SampleData/Services/LlmService.cs
var jsonStart = response.IndexOf('{');
var jsonEnd = response.LastIndexOf('}');

if (jsonStart >= 0 && jsonEnd > jsonStart)
{
    var jsonStr = response.Substring(jsonStart, jsonEnd - jsonStart + 1);
    return JsonSerializer.Deserialize<T>(jsonStr, new JsonSerializerOptions
    {
        PropertyNameCaseInsensitive = true
    });
}

Ja kokonaissukupolven putkistossa nimenomaisesti tarkistetaan käytettävyyttä ja heikennyksiä deterministisiin malleihin, jos se on tarpeen:

flowchart LR
    A[EnableLlm=true?] -->|no| F[Fallback templates]
    A -->|yes| B[GET /api/tags]
    B -->|model present| C[LLM JSON prompts]
    B -->|not available| F

    style A stroke:#1971c2,stroke-width:3px
    style C stroke:#2f9e44,stroke-width:3px
    style F stroke:#fab005,stroke-width:3px

Esimerkki: Asiakaspersoonat (v2)

Asiakaskehotus on lyhyt ja jäsennelty, joten se voi syntyä nopeasti pienellä paikallisella mallilla:

// Mostlylucid.SegmentCommerce.SampleData/Services/DataGenerator.cs
var prompt = $$"""
    Generate a shopper persona interested in: {{string.Join(", ", categoryNames)}}.

    Return JSON only:
    {
      "persona": "Brief persona description (e.g. 'Tech enthusiast who values quality')",
      "name": "Realistic first name",
      "bio": "One sentence about their shopping habits",
      "age": 25,
      "shopping_style": "budget|value|premium|luxury",
      "preferred_categories": ["category1", "category2"]
    }
    """;

ComfyUI: Tuotekuvaus API:n kautta

ComfyUI on mahtava, koska se antaa sinulle ohjattavan putken (työnkulkua) eikä yhden mustan laatikon kuvan päätepisteen.

Generaattori:

1. Lataa työnkulkumallin (ComfyUI/workflows/product_image.json)
2. Liittää pikaviestin CLIPTextEncode
3. Jonot /prompt
4. Kyselyt /history/{promptId}
5. Lataa kuvan kautta /view?...

sequenceDiagram
    participant Gen as SampleData
    participant Comfy as ComfyUI

    Gen->>Comfy: POST /prompt (workflow + prompt)
    Comfy-->>Gen: prompt_id
    loop poll
        Gen->>Comfy: GET /history/{prompt_id}
        Comfy-->>Gen: outputs / images
    end
    Gen->>Comfy: GET /view?filename=...&type=output
    Comfy-->>Gen: PNG bytes

ComfyUI-mallisto yhdistetään myös työnkulkuun ajon aikana (jotta voit vaihtaa tarkastuspisteitä muokkaamatta JSON-järjestelmää):

// Mostlylucid.SegmentCommerce.SampleData/Services/ComfyUIImageGenerator.cs
TryPatchCheckpoint(workflow, _config.ComfyUICheckpointName ?? "sd_xl_base_1.0.safetensors");
TryPatchRefiner(workflow, _config.ComfyUIRefinerName ?? "sd_xl_refiner_1.0.safetensors");

Ja työnkulku tasaantuu tarkoituksellisesti yksinkertaiseksi ja vakaaksi:

// Mostlylucid.SegmentCommerce.SampleData/Services/ComfyUIImageGenerator.cs
// Update CLIPTextEncode nodes with our prompt
if (classType == "CLIPTextEncode")
{
    var inputs = nodeObj["inputs"]?.AsObject();
    if (inputs != null && inputs.ContainsKey("text"))
    {
        var currentText = inputs["text"]?.GetValue<string>() ?? "";
        if (!currentText.Contains("bad") && !currentText.Contains("ugly") && !currentText.Contains("deformed"))
        {
            inputs["text"] = prompt;
        }
    }
}

// Update image dimensions
if (classType == "EmptyLatentImage")
{
    var inputs = nodeObj["inputs"]?.AsObject();
    if (inputs != null)
    {
        inputs["width"] = _config.ImageWidth;
        inputs["height"] = _config.ImageHeight;
    }
}

Profiilit ja persoonat (hyödyllinen, ei karmiva)

V1-generaattori luo anonyymejä profiileja ja rikastuttaa niitä personalla (ei vieläkään PII:llä). Päädyt realistisiin testitietoihin ilman sähköposteja, osoitteita tai mitään, mitä voisit koskaan vahingossa lähettää.

V1:n profiileissa käytetään yksisuuntaista hasista, joten ei ole mitään, mistä toipua:

// Mostlylucid.SegmentCommerce.SampleData/Services/ProfileGenerator.cs
var profileKey = Hash($"fp-{Guid.NewGuid():N}");

private static string Hash(string input)
{
    using var sha = SHA256.Create();
    var bytes = sha.ComputeHash(Encoding.UTF8.GetBytes(input));
    return Convert.ToHexString(bytes).ToLowerInvariant();
}

Se on juuri koko sarjan ajattelutapa: voit vuotaa sitä, mitä et koskaan tallentanut.

flowchart TB
    Signals["Generated signals
    views/cart/purchase weights"] --> Persona["Persona enrichment
    Ollama JSON-only"]
    Persona --> Portrait[Portrait prompt]
    Portrait --> Comfy[ComfyUI]

    style Signals stroke:#1971c2,stroke-width:3px
    style Persona stroke:#1971c2,stroke-width:3px
    style Comfy stroke:#2f9e44,stroke-width:3px

Validointi: Mitä tämä antaa sinun todistaa

Tämä paikallinen putki on voimakas, koska se tukee mallivalidointi, ei vain demoja.

• Segmentaation järkevyys: Lasketaanko segmentit yhdenmukaisiksi, kun tarkastat tuotenimiä/tageja ja luotuja personoita?
• Suosituksen selitettävyys: näyttääkö se minulle, miksi voit todentaa oikean signaalin?
• Kylmäkäynnistys: Jos pyyhit aineiston ja uudistut, käyttäytyykö järjestelmä ennakoiden?
• Regressiotesti: uudistaa saman muotoista dataa ja varmistaa, että muutokset eivät riko sijoitusta, pisteytys, tai käyttöliittymä.

Tärkeä hienovaraisuus: luomalla molemmat teksti ja kuvat, voit validoida koko tuotekokemuksen, et vain back-end-matematiikkaa.

Mitä seuraavaksi?

2 osa: Session profiileja, signaaleja ja segmenttimääritelmiä – joissa kytkemme nämä näytetiedot toimivaan segmentoitumiseen.

3 osa (tulevaisuus): Outbox-kuvio, työjono ja läpinäkyvyys-UI.

Generaattorin koodi: Mostlylucid.SegmentCommerce.SampleData/