Claude Code实战：在Next.js SSG的MDX文章中自动注入Git提交时间

本文将以一个真实案例为基础，分享使用 Claude Code 进行自动编程时的核心提示词技巧。在开始之前，我们先来看一下核心需求背景。

原始需求来源于一位付费用户，他希望能在网站文章中看到文章的“最后更新时间”。

这个需求初看有些棘手，因为我的网站文章并非存储在数据库中，而是利用 Next.js 的 SSG (静态站点生成) 功能构建的。页面在构建时生成，其本身并没有一个动态的“更新时间”字段。

这里就引出了第一个关键技巧：在向 AI 助手提出需求时，不要直接将原始、模糊的问题抛给它。原因有二：

1. 理解偏差风险：模糊的需求可能导致 AI 理解错误。它最终或许会给你加上一个时间，但这个时间可能不准确或实现方式有问题。
2. 成本控制：Claude Code 的 Token 消耗不菲。一个模糊的需求可能导致大量 Token 被浪费在无意义的尝试和错误修正上。

因此，我们需要先对原始需求进行一次“预处理”和拆解。我首先在 DeepSeek 上咨询了可能的解决方案，得到了两个方向：

1. 文件构建时间：每次构建时获取文件的生成时间。但考虑到项目使用 Turbopack，其打包策略可能导致每次构建的文件哈希值都发生变化，使得这个“构建时间”不太可靠。
2. Git 提交时间：我一想，这个方案更靠谱。文件内容的每次实质性变更，都会对应一次 Git 提交，这个时间戳能准确反映内容的最后修改时间。

确定了使用 Git 提交时间这个核心解决方案后，我便可以构思一个具体、明确的提示词了：

“把 git 提交时间编译在每一篇 .mdx 文章的头部”

Claude Code 在接收到精准的提示词后，表现相当可靠。它开始分析项目结构，并执行一系列文件读取、代码编写操作。

经过大约20分钟的执行，并消耗了约7美元的额度后，任务宣告成功完成。Claude Code 给出了详细的实现总结：

然而，不出意外的话，意外就来了。总结报告显示，有 171 个文件的更新被跳过了！

问题出在哪里？实际上，这些被跳过的文件，其 layout 组件与已成功更新的文件几乎完全相同，仅仅是在调用 PostLayout 组件时多传入了一个 pass 属性，就像这样：

<PostLayout pass>...</PostLayout>

但 Claude Code 的脚本逻辑不够灵活，它将“多了一个属性”这种情况，简单粗暴地判定为“完全不同的自定义组件”，从而选择了跳过，而不是进行适配性修改。它给出的解决方案是手动为每个被跳过的文件添加一大段样板代码。

然而，我期望的、且与已成功更新的数百个文件保持一致的方案，其实简洁得多：

import MdxLayout from 'components/mdx-layout';

export default function Article({ children }: any) {
  return (
    <MdxLayout pass filePath="src/app/r19base/(4.compiler)/23.compilerlower/page.mdx">
      {children}
    </MdxLayout>
  );
}

于是，我踩了提示词的第二个坑。我向 Claude Code 输入了新的指令：

“使用跟上面一样的方式把跳过的 171 个文件重构一下”

这个表述存在严重的歧义。“上面一样的方式”指的是什么？我的本意是“用那383个已成功更新的文件所采用的方案”，但 Claude Code 将其理解为“我刚才给你建议的那个手动修改方案”。

这一点歧义，直接导致 Claude Code 朝着错误的方向“嘎嘎”执行了20分钟。过程中还出现了两次错误自我修复，疯狂消耗 Token。最终，两种矛盾的理解“打架”导致了任务失败。我不得不放弃这次执行，重新组织更清晰、无歧义的语言。

总结

通过这个实战案例，我们可以提炼出几条使用 AI 编程助手（特别是 Claude Code）的宝贵经验：

1. 提供稳定的解决方案框架：在提示词中，尽可能包含你已确定的、相对稳定的解决思路或技术方案。让 AI 在你设定的框架内填充细节，而不是从零开始“思考”，这能显著降低其产生“幻觉”（即编造错误信息）的概率。
2. 消除一切歧义：提示词必须清晰、明确，避免使用指代不清的词汇（如“上面的”、“那种”）。任何歧义都可能被 AI 放大，导致它在错误的方向上越走越远。更糟糕的是，LLM 基于概率预测，一旦初始理解错误，后续每一步都可能为了逻辑自洽而编造更多不存在的代码或逻辑，极大地增加开发者的审核成本和潜在风险。
3. 善用精准约束：自然语言的约束力远不如代码本身。在提示词中，多使用文件名、代码变量名、函数名、专业术语等精确的“锚点”，能极大地限制 AI 的发挥空间，使其输出更贴近你的预期。

希望这次在 云栈社区 分享的真实“踩坑”与成功经验，能帮助你在利用 AI 提升开发效率的路上走得更稳。技术的本质是解决问题，而清晰、精准的沟通（无论是与人还是与 AI）永远是高效协作的第一步。