一位开发者分享了自己用 AI 排查网站被恶意重定向的经历。第一次调查时，他描述症状、与 AI 逐文件排查，最终锁定并移除了可疑的外部统计脚本 51.la，问题看似解决。三周后同样的攻击出现在另一站点，这次他改用受影响页面的真实渲染 HTML（用触发攻击的浏览器 UA 和 IP 类型抓取），AI 立刻发现每页被注入了 83KB 恶意 JavaScript：内含微信浏览器检测、链接点击劫持和基于 cookie 的每日冷却逻辑。载荷藏在 WordPress 数据库的插件配置数据里，纯文件搜索永远找不到。
作者指出，向 AI 描述问题给的是「症状」，提供故障系统的原始输出才是「证据」。AI 只能基于可观察到的信息推理，症状经过你的过滤压缩，可能失真；证据才是实际发生的事。AI 默认倾向猜测有三个原因：你无意中限定了搜索范围，AI 会接受你划定的框架而不质疑答案是否在别处；流畅自信的输出掩盖了推理的不确定性，基于薄弱证据的诊断听起来和扎实诊断一样可信；症状往往指向错误的层级，浏览器里出现的重定向，根源可能在数据库表里。
作者现在把 AI 辅助调查拆成两步：先收集证据再找 AI，抓取真实输出、捕获日志、从问题源头层取原始数据；然后给 AI 证据而非故事，贴真实渲染的 HTML 而不是说「网站被重定向」，贴 profiler 输出而不是说「函数很慢」。同样的原则适用于调试、数据分析、写作反馈：错误信息是症状，完整堆栈加触发输入是证据；描述趋势是症状，原始数据集是证据。
一个自信的错误答案代价不止误判本身——它让你停止继续寻找真正的原因。AI 的推理能力不是瓶颈，证据管道才是。你带症状进去，AI 放大你的猜测；你带证据进去，AI 放大你的诊断。
#开发者 #工具 #AI #WordPress #安全 #Web开发 #调试
@DevToolboxHub