Масштабное моделирование данных GraphQL с помощью LLM и @generateMock

Создание реалистичных поддельных данных GraphQL было постоянной проблемой в отрасли. Airbnb разработала решение, используя новую директиву клиента GraphQL, @generateMock, для автоматизации этого процесса. Эта директива позволяет инженерам добавлять контекст и URL-адреса дизайна к своим GraphQL-операциям. Инструмент командной строки Niobe интегрирует эту директиву в рабочий процесс генерации кода. Niobe собирает детали запроса, контекст схемы и информацию о дизайне для создания подсказок для больших языковых моделей. Модель Gemini 2.5 Pro используется из-за ее большого контекстного окна и эффективной производительности. После генерации LLM поддельные данные проходят проверку на соответствие схеме GraphQL для обеспечения типобезопасности. Если проверка не удалась, ошибки передаются обратно в LLM для исправления, создавая механизм самовосстановления. Этот подход устраняет ручное создание подделок, экономя время и усилия инженеров. Сгенерированные подделки очень реалистичны, соответствуют дизайнерским макетам и улучшают возможности прототипирования и тестирования.