WordPress 網站出錯時,怎麼找到並看懂 PHP 錯誤紀錄
WordPress 網站出現空白畫面或模糊錯誤訊息時,錯誤紀錄常能幫忙找出原因。文章先說明兩種紀錄的差別:debug.log 要在 wp-config.php 開啟,PHP 錯誤紀錄則由 PHP 或主機設定位置;接著教你去哪裡找檔案,以及怎麼從最新一行開始看錯誤型別、訊息、檔名和行數。錯誤路徑常能指出出問題的外掛或佈景主題。排查完應關閉除錯,也要避免公開含有路徑或機密資料的紀錄。
WordPress 網站出現空白畫面或模糊錯誤訊息時,錯誤紀錄常能幫忙找出原因。文章先說明兩種紀錄的差別:debug.log 要在 wp-config.php 開啟,PHP 錯誤紀錄則由 PHP 或主機設定位置;接著教你去哪裡找檔案,以及怎麼從最新一行開始看錯誤型別、訊息、檔名和行數。錯誤路徑常能指出出問題的外掛或佈景主題。排查完應關閉除錯,也要避免公開含有路徑或機密資料的紀錄。
主機上的憑證檢查正常,應用程式連線卻可能失敗,因為容器、Java 程式或 Python 服務可能各自使用不同的 CA 憑證庫。作者建議逐一記下服務使用的執行環境、TLS 函式庫、憑證庫位置和設定來源,再用應用程式本身實際建立的檢查設定檢視載入了哪些憑證。更新憑證時,也要確認每種服務都換成新檔案,並保留回復方式。不要為了讓連線成功就關閉憑證或主機名稱檢查;憑證庫正確,也不能單獨證明連線物件可信。
Workday 職缺網站的單次搜尋最多隻回傳 2,000 筆,職缺更多時,照頁數往後抓也會漏掉資料。作者分享一套用網站篩選條件反覆拆分搜尋的方法:把職缺分成較小的區塊,抓完後合併並刪除重複專案;遇到沒有分類的職缺,還會用未篩選的搜尋補抓。作者實測 NVIDIA 約有 2,632 筆職缺,Target 有 14,147 筆,最後分別抓到 2,632 筆和 14,145 筆。職缺可能在抓取期間開關,因此比對每日變化時,還要檢視職缺頁面確認是否真的關閉。
第一次讀技術書時,我們常忙著弄懂作者在說什麼,還沒遇過的問題也很難真正體會。等自己做過大型系統、半夜除錯或遇上服務故障,再讀同一本書,原本像風格建議的內容,可能就變成切身的提醒。像《Clean Code》談函式長度和註解的段落,作者第一次讀時沒放在心上,後來卻想到自己寫過的程式和註解。 作者建議留下幾本對自己有幫助的書,隔幾個月挑一章重讀,也可以在頁邊寫下這段時間遇到的問題和改變。讀完一個月後,如果還記得書中某個想法曾影響自己的決定,就值得再讀一次。重讀不是白費時間:工作經驗變了,同一句話也可能帶來新的理解。
在 Windows 開發時,韓文件名可能讓終端機欄位歪掉,而 Git Bash、PowerShell 和 WSL 也常得分開開視窗。作者分享自己使用 WezTerm 的設定方式:它會在缺少韓文字型時改用系統字型,也能在同一個視窗分割畫面、切換不同 Shell,並用命令列指令操作分割區和讀取畫面內容。設定存成一個 Lua 檔,存檔後就會套用,也能在 Windows、macOS 和 Linux 使用。作者也提醒,WezTerm 關閉後工作不會留在遠端伺服器上;需要斷線後繼續執行長工作時,仍可在 WezTerm 裡使用 tmux。
同時開著多個 Claude Code 工作階段時,問題可能被後續訊息淹沒,讓工作停著等不到回覆。Relaymote 的 Board 會把待決定的問題、結果與阻礙、目標狀態,以及等你叫它繼續的工作分開整理在一頁;你可以逐項回答,也能把多個回覆一起送出,讓同一個工作階段少醒來幾次。每次點選都會留下紀錄。Board 使用電腦資料夾裡的 board.json,每 10 分鐘重建一次,開啟時也會更新;完成的目標仍要等你檢查證據後才會關閉。
同一件事交給 AI 做很多次,結果可能每次都不太一樣;如果答案必須照固定規則,就適合交給程式處理。作者用草稿字數檢查舉例:指令碼能把頁數換成字元範圍,再判斷文章是太短、合格或太長,每次結果都相同。AI 可以幫忙寫好指令碼,之後再負責呼叫它;需要理解原因、補充內容或比較方案時,則留給 AI 或人判斷。文章也提醒,規則只寫在程式裡,避免檔案和程式寫著不同數字。
填完圍籬規劃表單、看到摘要後,使用者可能想回去修改答案;這時常見的麻煩是新舊答案同時出現,或已輸入的郵遞區號不見了。Perth Quotes 的表單把每題答案放在對應的位置,按「返回」只切換畫面,不會清掉答案或重新建立郵遞區號欄位;按「繼續」時,摘要也會先清除舊內容,再依最新答案重新整理。 例如,把施工時間從「Within a month」改成「Just planning」後,測試會確認摘要只顯示新答案,郵遞區號仍保留。表單也會檢查切換畫面後鍵盤焦點是否移到合適的位置。這些檢查能抓出畫面看似正常、實際操作卻出錯的問題;摘要頁目前是預覽,聯絡資料欄位也已停用。
筆記工具能幫忙找資料,卻不一定會提醒你:新資料可能已經改變了以前做的決定。Vincent 示範把決定寫成有日期、狀態、重看期限和關鍵詞的筆記,再用一支只讀取資料的 Python 指令碼,找出逾期決定、新證據、失效的引用和過期待辦。例如,舊筆記選用 SQLite 時假設每個工作區少於 50 位寫入者,後來的效能筆記卻提到超過約 70 位編輯者時會有寫入衝突,指令碼就會把兩者連起來提醒檢查。它不會判斷新證據是否推翻舊決定,也不會修改筆記;判斷仍由人或 AI 助理負責。
填寫多步驟表單時,如果重新整理頁面就得從頭再來,使用者可能會放棄。作者示範用 sessionStorage 暫存每一步的資料,重新載入時再讀回;這些資料會留在同一個分頁,開新分頁則不會沿用。每一步儲存前先檢查內容,送出成功後清除表單資料。若使用者送出後按瀏覽器的上一頁,也可以導向完成頁,避免看到過期內容。
把程式問題交給 AI 助理處理,若需求寫得不清楚、金鑰放錯地方,或沒有人檢查成果,可能讓工作失控。Git A 的作者整理了一份適用於不同工具的清單:把任務、完成條件和測試寫清楚,別讓 AI 助理直接拿到模型金鑰,替每次執行設好時間與費用上限,並在每項任務結束後丟棄使用過的機器。程式改好後,還要跑團隊平常的檢查,交由其他人或另一個 AI 助理依照任務條件審查,並讓敏感檔案必須經過人工核准。文章後半也說明 Git A 如何安排這些步驟,讓人最後收到一份可檢查的修改提案。
用 React 做簡單計數器時,useState 可以分別用不同函式處理加一、減一和歸零;功能一多,這些更新函式就比較難整理。useReducer 可以把更新規則集中寫在一個 reducer 函式裡,再用 dispatch 告訴它要做哪個動作,例如加一、減一或歸零。它不會讓函式消失,而是把多個更新函式改成一個集中管理的地方。狀態更新簡單時,useState 比較容易用;邏輯變複雜時,useReducer 能讓程式碼更好整理。
在記憶體有限的 JVM 裡微調大型語言模型,輸出層可能會因為一次算出太多詞彙分數而耗盡記憶體。Kotensor 作者遇到 Qwen2-0.5B 微調失敗後,先跳過不計入損失的提示詞,再把輸出計算和交叉熵損失分小批次處理,並重用暫存空間,避免一次存下龐大的中間資料。他也加入 JVM Vector API 加速矩陣運算。在文中的測試裡,完整 24 層模型原本會超過 6 GB 堆積記憶體而失敗,修改後用量為 2.84 GB;搭配向量化後,輸出層計算時間從 2.70 秒降到 0.33 秒。
網站收到瀏覽器的請求後,要知道該顯示哪個頁面;Django 會用 urls.py 把網址連到負責處理的 View,View 再回傳要顯示的內容。像是把首頁網址連到 home,就能回覆「Welcome to Home Page!」;也能設定「about」和「contact」頁面,或從網址取得使用者名稱,顯示個人化問候。搞懂網址和 View 怎麼合作,就能開始用 Django 做出有不同頁面的網站。
想讓 Claude Code 操作檔案、GitHub、瀏覽器或資料庫,得先挑對 MCP 伺服器,也要管好它能碰哪些資料。這份指南整理四類選擇:用參考伺服器處理檔案與 Git、用 GitHub 官方伺服器檢視專案和問題、用 Playwright 操作瀏覽器,以及用 Google 的 MCP Toolbox 連線資料庫。文中提供安裝方式,也提醒先把許可權縮到需要的範圍,例如只開放單一資料夾、先用唯讀許可權;瀏覽器和資料庫工具則可能接觸網頁內容或執行 SQL,設定前要留意風險。作者依照專案檔案整理內容,但沒有實際連線測試這些伺服器。
網站首頁還能正常開啟,不代表排程工作和背景工作也在運作。作者分享自己遇到的 Laravel 故障:重複的排程讓 root 寫入每日記錄檔,之後網站使用者 www-data 無法再寫入,佇列工作因此失敗,但首頁仍回傳 200。作者做了一個每天執行的 ops:health 指令,檢查失敗工作、排程、記錄檔許可權、磁碟空間和文章頁面,只有發現問題時才傳 Telegram 通知。實作初期也遇到掃描器錯誤被誤報、部署清掉快取中的心跳紀錄,以及檢查指令把自己的錯誤重複算進去等問題。這些檢查要以網站實際使用的 www-data 身分執行,否則 root 可能看不出許可權故障。
網站網址結尾要不要加斜線,若設定和連結寫法不一致,訪客和搜尋引擎可能會多遇到一次轉址。文章用 Astro 說明,網址格式會影響主機實際提供的頁面;手寫連結、canonical 和 sitemap 也要指向同一個網址。Cloudflare Pages 還可能移除網址中的 .html,讓連結和實際頁面對不上。作者建議先在設定中決定網址格式,再用程式產生其他網址,並逐一檢查 sitemap 裡的連結是否直接回應 200、沒有轉址,以及 canonical 是否相同。轉址不會讓頁面無法被收錄,但一致設定可以省去多餘的一跳。
微調模型時,訓練所有權重可能更適合大量資料,但也可能讓模型忘掉原本會的事。AWS 為 Amazon SageMaker AI Serverless Model Customization 加入全量微調,使用者不必自行準備 GPU、叢集或分散式訓練環境,也能在全量微調和 LoRA 之間切換。AWS 用程式生成任務測試後,表示資料超過 100K 筆時,全量微調的正確性分數達 90.0%;不過另一次比較中,LoRA 的分數較高,而且兩種方法在 MATH 測試都低於原始模型。AWS 也提醒,學習率太高或訓練超過三個週期,可能嚴重損害模型原有能力;這些結果來自 AWS 的測試,不代表其他任務也會有相同表現。
網頁版面一改,逐行比對可能把沒變的合約條款也當成變更,讓審查者收到錯誤警示。作者示範用 Node.js 統一文字搜尋、向量搜尋和人工複核的結果格式,保留條款位置與來源資料;證據不夠時,就標成需要複核,不產生法律結論。文章也提醒,不能只靠文字位置認定條款身分,因為前面插入一行就可能讓後面的內容位移。清楚標示引用來源和不確定之處,能讓審查者查回原文再判斷。
只顯示速度數字,看不出一路走過哪些地方。作者示範用 Leaflet 和 OpenStreetMap 在瀏覽器畫出即時路線,並略過定位不準的點,避免地圖上多出亂跳的線;使用者拖動地圖時,畫面也會停止自動跟隨,按按鈕後才能恢復。記錄好的路線可匯出成 GPX 檔,讓 Strava、Google Earth 等地圖工具匯入;旅程也能存在裝置上,不必上傳伺服器。
語音轉文字很花模型費用,作者因此測試用聊天模型替 LinkDigest 轉錄中文短影片,並比較五個模型處理同一段 90 秒語音的費用、速度和結果。測試中,qwen3.8-omni-flash 花費 $0.00058,轉錄品質與原本使用的模型相近,但速度較慢;另一個聊天模型則把約 220 字的語音寫成 1,510 字,還重複了後半段。為了攔下道歉、語速不合理、重複內容、截斷或錯誤,作者替每段轉錄加上檢查,沒通過就改用原本的轉錄服務,並把兩次呼叫和最後採用的結果記入費用紀錄。作者也提醒,單段測試只能當比較起點,還要看真實流量的結果。
Next.js 網頁如果每次有人開啟都重新產生,載入可能變慢,也會重複傳送整份網頁。作者檢查自家 13 個網站的 130 個網址,發現成功載入的 126 頁中,有 67 頁每次都重新產生,另有 4 頁回傳 500 錯誤。從回應標頭可以看出網頁是從快取送出,還是每次重新產生;作者測得快取頁面的中位載入時間是 0.73 秒,每次重新產生的頁面則是 1.56 秒。他也分享檢查指令,並建議先修正錯誤頁面,再讓不常變動的文章改用靜態頁面或 ISR。
聊天時每回合更新日期或頁面資訊,可能讓 GPT-6.2 丟掉前面回合的推理內容。Cuelark 用 Vercel AI SDK 做了兩回合模擬測試,發現把這些會變動的資訊放在輸入開頭,會改變對話字首;改成固定系統提示詞,再把日期和頁面放進每回合的 instructions,模擬測試就保留了先前推理。作者沒有呼叫 OpenAI 的真實 API,因此這是依檔案製作的接線測試,正式上線前仍要用真實 API 確認。登入狀態改變或修改舊對話內容,也可能讓推理內容被移除。
把不同來源的影片接在一起時,影格率不一可能讓切換處出現定格或重複畫面;字幕圖片的處理方式也可能拖慢匯出。LaunchReel 團隊分享兩個踩雷經驗:所有影片片段都明確設成相同影格率;字幕用單張透明 PNG,讓 overlay 在指定時間顯示,不要把圖片迴圈成影片串流。團隊表示,30 張全畫面字幕圖一起迴圈時,90 秒影片曾從約 8 分鐘變成約 1 小時才匯出。調整 FFmpeg 引數並用測試檢查設定,可避免這些問題悄悄回來。
網頁看起來排得整齊,不代表搜尋引擎和 AI 找得到重點;如果內容全塞在沒有意義的標籤裡,它們就像面對一大團文字,很難分辨標題、正文和導覽。用能說明內容用途的 HTML 標籤,可以讓系統更容易找出主要內容,也幫助讀屏軟體帶使用者瀏覽。像是用 <main> 包住主要內容、標題依 <h1> 到 <h2> 的順序排列,文章和相關段落分別用 <article>、<section> 標示。作者也提醒,連結要用 <a href>,讓搜尋系統能找到站內頁面。這些做法能讓網站內容更清楚,也更容易被搜尋和引用。
夜間備份最怕資料庫和上傳檔案不是同一次備份,還原時也可能把不同租戶的資料混在一起。文章示範用 Node.js 把兩類檔案放進同一個私有儲存空間的不同路徑,先上傳暫存檔、檢查內容,再寫下一份清單,記錄備份編號、租戶範圍、檔案位置和校驗碼。還原時依清單確認資料庫和檔案屬於同一次備份,先在隔離環境還原並核對,再切回正式服務。文章也比較 Infrai、Amazon S3、DigitalOcean Spaces 和 Cloudflare R2,提醒 Infrai 沒有內建跨區域複製、物件版本管理和鎖定功能,嚴格的災難復原需求需要另外安排備份。
客戶做完工作後,常因為沒人及時開口而忘了留下評價。作者提供一支 Python 指令碼,從 CSV 找出已完成、尚未標記評價的工作,寄出一封簡短邀請;如果 4 天後還沒提醒過,就再寄一次,並用 JSON 檔記下聯絡狀態,避免重複詢問。把指令碼設成每個工作日早上執行,就能定期處理新完成的工作,也讓追評這件事比較不容易漏掉。
一次刪除或更新數百萬筆資料,可能讓使用者等候、交易記錄快速變大,也讓復原或複本追上進度變得很慢。這篇教學示範如何把工作拆成小批次:先替篩選欄位建立索引,刪除時每批處理幾千筆;大量更新則依資料表的叢集索引鍵分段進行。每批完成後就能釋出鎖定,工作也比較容易停止後接著做。作者還提醒要留意交易記錄空間、備份與使用者遇到的阻塞,並依情況調整每批筆數和等待時間。
金融科技訓練檔案上傳時,直接傳到儲存空間速度可能較快,但有些檔案必須先檢查才能儲存。作者比較兩種做法:用簽名網址讓瀏覽器直接上傳,或先經過 Node.js 伺服器檢查再轉送。若要先掃描,可以先把檔案放進隔離區,通過檢查後再核准;每次上傳都用同一筆紀錄追蹤狀態、失敗原因和保留期限。文章也建議比較傳輸時間、伺服器流量和掃描等待時間,依實際需求選擇。
寫程式遇到樹狀資料,或想把大問題拆成小問題時,遞迴常能讓程式更好讀:方法會呼叫自己,每次處理小一點的問題。重點是設好停止條件,例如計算階乘時,從 5 開始一路乘到 0,最後得到 120;如果忘了設停止條件,程式會一直呼叫自己,直到發生堆疊溢位。遞迴能讓某些程式寫得簡潔,但呼叫太深也會佔用較多記憶體,讓程式變慢或出錯。
物業管理資料越存越多時,PDF 問答可能撈到重複或過期的規定,讓答案互相矛盾。作者建議把查詢上限分成幾項設定:最多找多少候選段落、最後保留多少段、能放進答案的文字量,以及查詢最久能等多久。每段資料也要記下來源、頁碼和適用物業;遇到過期規定或資料不足時,應排除或交由人員確認。測試時分開檢視延遲和引用是否正確,並留下每個階段的紀錄,才能知道問題出在資料、篩選還是上限設定。
每天要處理許多程式工作時,最強的模型可能又慢又貴,較快的模型則未必能做好複雜任務。作者分析 Google 推出的 Gemini 4 Neon,認為它介於主打推理能力的 Carbon 和主打速度的 Hydrogen 之間,適合重構程式、寫測試和除錯等工作。Neon 有 1-million-token 上下文視窗,文章也引用多項模型評比數字,並以假設案例估算:每天跑 1,000 項任務,若每項成本約為旗艦模型的一半,每月可省 $1,800。作者建議用完成的工作來比較成本,例如每個合併的 PR 花多少錢。
陣列常出現在程式題裡,但插入或刪除中間的資料,可能得搬動後面的每個值。這篇教學先說明陣列為什麼能快速讀取指定位置,再整理搜尋、加入和刪除資料的成本。接著用買賣股票的例子示範,只記住之前最低的價格,就能用一次走訪找出最大利潤;用左右兩次走訪,也能算出每個位置以外的數字乘積,不必做除法。文章還提醒,原地修改資料時要小心別蓋掉後面還要讀取的值,並介紹雙指標、字首總和等常見解題方式。
金融服務寄送 Email 和簡訊時,收到失敗結果不一定代表收件者資料無效,也不能因此把不同聯絡方式一起停用。文章示範用一份持久儲存的應用程式紀錄,記下通知、投遞證據和停用決定,再由背景工作檢查是否能寄送或重試。例子中,確認 Email 地址無效後,後續 Email 會被擋下,但同一位客戶的簡訊仍可寄送;重複收到同一事件也不會重複建立紀錄。作者也提醒,暫時性錯誤和結果不明的傳送不能直接當成地址無效,並應保留證據與時間,方便查清哪些通知已在處理中。
網頁排名沒有變,點選數卻可能減少,因為 Google 搜尋結果裡的 AI Overview 和「People Also Ask」問題會改變。作者示範用 Python 每天查詢關鍵字,把是否出現 AI Overview、顯示哪些問題、查詢地區與語言,以及請求編號存進 SQLite,之後就能比對變化。文中也提醒,缺少 AI Overview 可能只是搜尋結果本來沒有顯示;固定地區和語言、保留原始資料,有助於避免把查詢差異或解析失誤當成搜尋變化。
大量匯入檔案時,如果程式連到錯的集合,或不小心刪掉索引,搜尋可能只剩空結果或找不到有用內容。文章建議把集合管理寫成一支明確的 Go 指令:每次先檢視有哪些集合、確認指定集合的狀態,只有加上 --delete 才能刪除。作者也提醒,範例沒有猜測 API 要求的集合欄位,實際使用前要依目前的 API 規格補上;集合存在也不代表搜尋結果夠好,還要另外測試查詢品質和速度。
IIS 網站服務遭到入侵後,攻擊者可能從低許可權一路升到 SYSTEM。文中用虛構情境示範怎麼從 Windows 事件紀錄看出異常:原本負責網站的 w3wp.exe,竟啟動了許可權最高、而且放在暫存資料夾裡的 ps.exe。接著又出現建立服務和存取 SAM 的紀錄;作者推測 ps.exe 可能用來冒用許可權,存取 SAM 則可能是為了轉往其他電腦,但這些都還需要查證。提早開啟 4688 的命令列紀錄,有助於調查時看清程式做了什麼;這個例子提醒我們,事件紀錄能提供線索,但線索和已確認的事實要分清楚。
改完前端程式碼就得整頁重整,表單內容和畫面狀態也跟著消失,是 Rails 開發時可能遇到的麻煩。作者把實作經驗做成 rspack_rails,讓 Rails 搭配 Rspack;修改 Stimulus 控制器時,頁面不必重整,原本的畫面狀態也能保留,React 元件則支援 Fast Refresh。作者在 Apple M1 上測試,修改一個元件後,Rspack 重建花 83 毫秒,esbuild 花 279 毫秒;但 esbuild 的冷建置仍快一些。作者也說明安裝方式與適用情況:需要 React、TypeScript 或熱更新功能時可考慮這套工具;如果只用少數 Stimulus 控制器,Rails 內建的 importmap-rails 可能就夠用。
改一段前端程式就得整頁過載,常會讓表單內容和操作進度消失。作者把實際使用 Rspack 的經驗做成 Rails 套件 rspack_rails,提供安裝與遷移方式,讓修改 Stimulus 控制器或 CSS 時只更新變動部分,頁面狀態可以留下來;編輯 ERB 頁面仍會自動過載。作者測得,在 1,000 個元件的測試中,存檔後重建一次用 Rspack 花 83 ms,esbuild 花 279 ms;但冷啟動建置時 esbuild 稍快。文章也說明,若專案只用少量 Stimulus 控制器,Rails 內建的 importmap-rails 可能就夠用。
用 AI 排專案時,常得手動整理它產生的文字,而且 AI 也可能把日期排錯。QuickPlanX 不用內建 AI 或要求使用者提供 API 金鑰,而是讓 ChatGPT、Gemini、Claude 等工具先產生縮排清楚的工作清單,或把白板照片整理成表格,再透過剪貼簿貼進 App。舉例來說,每多縮排一格就代表下一層工作,QuickPlanX 能直接把它整理成有上下層關係的任務。AI 負責起草,QuickPlanX 則計算工作日、任務依賴和關鍵路徑,讓使用者保有選擇 AI 工具的自由,也不用付 QuickPlanX 的額外 AI 費用。