- プロンプト実行例
こんにちは！
生成
言語名{英名}
- ジェネラシス{Generacis}
特徴
- ジェネラシスは、データ生成に特化したプログラミング言語です。ランダムなデータの生成やパターンに基づいたデータの自動生成が得意です。
他の言語と違う所
- ジェネラシスは他のプログラミング言語と異なり、特定のデータ型やアルゴリズムに依存することなく、データの生成に焦点を当てています。また、乱数生成やデータ操作に特化した便利な機能を備えています。
できること
- ランダムな数値や文字列、日付の生成
- 指定したパターンに基づいたデータの生成
- データの変換や加工
書き方の例
- ランダムな数値の生成
generacis1var number = generateNumber(1, 100);
- ランダムな文字列の生成
generacis1var name = generateString(8);
- 指定したパターンに基づいたデータの生成
generacis1var address = generatePattern("######, Street, City");
- 日付の生成
generacis1var date = generateDate("YYYY-MM-DD");
- データの結合
generacis1var fullName = concat("John", "Doe");
- データの変換
generacis1var upperCaseName = toUpperCase("john doe");
- ランダムな真偽値の生成
generacis1var isTrue = generateBool();
- データの重複削除
generacis1var uniqueItems = removeDuplicates([1, 2, 2, 3, 4, 4, 5]);
- ランダムな要素の取得
generacis1var randomItem = getRandomElement(["apple", "banana", "orange"]);
- 乱数生成器の初期化
generacis1initializeRandomSeed(12345);
コメント 0
他のプロンプトもチェック
要件定義・設計
推奨モデル - GeminiRF‑EX3 は、自然言語で書かれた文章を **テスト項目の材料となる「因子」と「水準」へと構造化する** ためのプロンプトです。 文章を単文化し、述語項構造（誰が／何を／どうする）に基づいて因子を抽出し、 その水準を整理することで、テスト項目検討の“前段階”を自動化します。 私自身、長い間「自然言語をどうやってテスト項目に落とし込むか」という課題に向き合えずにいました。 仕様書を読んでも、文章のどこを因子と捉え、どこを水準と扱うべきかが曖昧で、 手を付けられないまま残っていた領域でした。 しかし EX1・EX2 を作り続ける中で、 文章を **分解し、構造化し、検証可能な形に変換する“型（デザインパターン）”** が見えてきました。 その延長線上で生まれたのが、この RF‑EX3 です。 RF‑EX3 は、テスト設計のすべてを自動化するものではありません。 しかし、テスト項目を考えるうえで最も時間がかかる **「因子と水準の抽出」** を確実に、再現性をもって行えるようにします。 自然言語を読み、 条件因子（〜の場合）を含む前提条件を整理し、 因子・水準の一覧を作り、 境界値や組み合わせ検討の土台を作る。 RF‑EX3 は、テスト項目検討の“最初の一歩”を支えるための、 徹底形式（Radical Formula）に基づくプロンプトです。00136
