This is a viewer only at the moment see the article on how this works.
To update the preview hit Ctrl-Alt-R (or ⌘-Alt-R on Mac) or Enter to refresh. The Save icon lets you save the markdown file to disk
This is a preview from the server running through my markdig pipeline
Zero PII Customer Intelligence - Part 1.1: Generating Sample Data МSK2and Images) Locally
Wednesday, 31 December 2025
В Частина 1 ми застосовували філософію МСК0 , прозоре сегментування без ПІ, МСК1 Частина 2 obejmuje профіль сеансу, сигналиM SK1 та визначення сегментів.
Але спершу як ви можете підтвердити будь-яку з цих речей, не торкаючись реальних даних клієнта?
Для цієї серії я генерую повний синтетичний набор даних електронної торгівлі локально:
- Katalog з товарами (назвиМSK1 описиM SK2 ярликиMSC3 ціни)
- Анонімні “профіліМSK1 МСК2 особистості МСК3 зацікавлення МСК4 сигналиМСк5
- Зйомки товару ( та портрети профілей МSK1 через ComfyUI
- Опціональний импорт DB, щоб реальна програма могла працювати проти нього
Це один із тих “ це відчувається, як шахрайство МSK1 робочі потоки : ви отримуєте реалістичні вхідні дані M SK3 ви можете їх відтворювати будь-коли
Чому локальні синтетичні дані такі потужні
Якщо ви будуєте сегментацію, то вам потрібні дані, які
- У вас достатньо варіацій, щоб порушити наївну геризтику
- Безпечно ділитися ( в коді МSK1 тести МSK2 демонстрації )
- Вони повторювані ( так, що ви можете порівняти зміни моделіM SK1
Справжні дані є протилежними.
Синтетичні дані дають вам три суперсили:
- швидке повторення: змінити логіку сегментації , відновити M SK2 перетворити
- Ускладнення: симуляція дивних довгих - поведінок хвоста, які ви бачили в ’ не видно у маленькому наборі даних dev
- Тестування правдивості: ви можете перевіряти кожен генерований поле і підтвердити ваші “покажіть мені, чому МSK1 інтерфейс є правдивим МSK2
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
Набір інструментів ( Що насправді працює)
Генератор живе в Mostlylucid.SegmentCommerce.SampleData.
МСК0 навмисно не є МСК1 , Cadre і "”;", а CLI , прагматичне, що спілкується з СМСК4 .
- Оллама ( локальний LLM) для структурного генерування JSONM SK2
- КомфійUI ( локальна стабильна дифференція ) для фотообробки продукту МSK2 зйомки стилю
- А taxonomy JSON що зберігає послідовність виходів. (категорииM SK1 типиМSK2 варіанти МSK3 цінні діапазони ).
Конфигурація підключена так, що її можна керувати за допомогою змінних середовища:
// Mostlylucid.SegmentCommerce.SampleData/Program.cs
var configuration = new ConfigurationBuilder()
.SetBasePath(AppContext.BaseDirectory)
.AddJsonFile("appsettings.json", optional: true)
.AddEnvironmentVariables("SAMPLEDATA_")
.Build();
Гнучкий старт
Ви, як правило, запустите три локальні послуги поруч з генератором.
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
Запуск генератора з репо root:
dotnet run --project Mostlylucid.SegmentCommerce.SampleData -- status
Далі генерувати дані:
# 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
Полезні перемикачі:
# 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
Зверніть увагу: якщо ComfyUI не є’ не доступнийM SK2 генератор vMSC3 повертається до зображень, що закріплюють місцезнаходження picsum.photos, таким чином, щоб шлях не був “ повністю відключений МSK2 Якщо ви хочете, щоб Strictly --no-images.
vМСК0 ГенераторМSK1 Продавці МСК2 Продукції MСК3 Klienci МСК4 Закази МСК5 Вбудова
Там також є нове командування генератора (gen), що створює більш повний
# 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
Він був організований як багатофазний трубний канал
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
І ви можете побачити ці етапи безпосередньо в коді:
// 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
Вбудовані модулі (Local ONNX, Cached After First RunM SK2
Генератор v2 може обчислювати вбудова, використовуючи модель ONNX. all-MiniLM-L6-v2). Коли ви вперше запускаєте його, , він завантажує модель і записує її в папку вихідних даних
Це означає:
- Перший запуск потребує доступу до мережі (сканування моделіM SK1
- Наступні запуски локальні і швидкі
- Якщо ви хочете, щоб “ жодна мережа не працювала
--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);
}
Як ми виробляємо “LLMM SK1Shaped” Продукцію (JSON тільки МSK4
Про prompt генерації продукту є навмисно жорстким: LLM має повернути тільки JSON , з вбудованим прикладом schema JSON
// 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:
""";
Це важливо, тому що системи зворотнього потоку ( генерування зображення МSK1 введення МSK2 вбудова ) хочуть структурованих даних вхідні дані до трубопроводу, не пишуть прозуM SK1
Responses LLM: Parse JSON, or Fall Back
LLM - це не компілятори. Навіть з “JSON лишеM SK2 вам все ще потрібно оборонне розшифровування і грайзенний зворотний зв 'язок .
Генератор v2 робить це за допомогою маленького помічника M SK1LlmService), що витягує перший {...} блокувати і десеріалізувати його:
// 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
});
}
І загальна генерація чітко перевіряє доступність та зниження до детермінативних шаблонів, коли це необхідно:
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
До прикладу: Персонали покупців M SK1v2)
Показник для покупців короткий і структурований, тому його можна швидко генерувати за допомогою маленької локальної моделі:
// 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: Фотографія продукту через API
ComfyUI чудово, тому що він дає вам контрольований канал потоків: (ワークフローиM SK1, а не “денний кінцевий пункт зображення чорної скриньки
Генератор:
- Завантаження шаблону робочого потоку (
ComfyUI/workflows/product_image.json) - Перетворює про prompt на
CLIPTextEncode - Кільця
/prompt - Вибори
/history/{promptId} - завантажує зображення через
/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
Вибір комп 'ютерної моделі також закріплений в робочому потокі під час запуску (, тож ви можете замінити контрольні точки без редагування JSON):
// 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");
І патчування робочого потоку є навмисно простим і надійним:
// 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;
}
}
Profiles and Personas (Useful, Not CreepyM SK2
Генератор v1 створює анонімні профілі, а потім заповнює їх особистістю. ( досі немає ПIIM SK2 Ви отримуєте реалістичні дані МSK3 людей МСК4 у формі М СК5 тестування без електронної пошти MСК6 адресів M СК7 чи будь-чого, що ви могли б випадково відправити
В v1, профілі зашифровуються за допомогою хешу в один спосіб.
// 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();
}
Те, що "’" - це саме той спосіб мислення, який існує в цілій серії. МSK1 , ви можете, МSK2 , не протікати того, чого ніколи не зберігали .
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
Validation: Що це дає вам довести
Цей локальний трубопровод потужний, тому що він підтримує перевірки моделі, не лише демонстрації
- Здоров 'я сегментації: зробити сегменти, які ви обчислюєте МSK1 почуватися МSK2 послідовним, коли ви перевіряєте назви продуктів / знаки та генеровані особистості
- Пояснення рекомендацій: робить “ показує мені, чому МSK2 вказує на реальний сигнал, який ви можете перевірити
- Холодний початок: якщо ви вимикаєте набір даних і відтворюєте , чи система працює передбачувано МSK2
- Тестування регресії: відтворює той самий вид даних і гарантує, що ваші зміни не пошкодять рейтингу
Важлива тонкость - :, що генерує текст і зображення, ви можете підтвердити весь досвід з продуктом , не тільки назад МSK2 закінчити математику
Що Next
Частина 2: Профілеві сеансів , сигнали МSK2 і визначення сегменту M SK3 де ми поєднуємо дані з цього зразка в працюючу сегментацію
Частина 3 ( прийдешні ): шаблон скриньки для відправлення МSK2 черга обов 'язків, МSK3 і прозорість інтерфейсу
Код генератора: Mostlylucid.SegmentCommerce.SampleData/