Datensatz-Ersteller
cohere-training-data-crawler ist ein von Cohere betriebener Bot, der Seiten für einen Datensatz crawlt, der weiterverwendet oder an Dritte weitergegeben werden kann. cohere-training-data-crawler ist ein von Cohere betriebener Webcrawler, der Trainingsdaten für die LLMs (Large Language Models) herunterlädt, auf denen die KI-Produkte des Unternehmens für Firmenkunden basieren. Es gibt keine veröffentlichte Liste von IP-Bereichen und keine Reverse-DNS-Konvention. Eine Anfrage mit diesem User-Agent lässt sich daher nicht als echt nachweisen, und eine robots.txt-Regel allein hält eine Fälschung nicht auf.
Anfrage gibt an
"cohere-training-data-crawler"
Geprüft anhand
Nichts veröffentlicht
Live-Prüfung
Für cohere-training-data-crawler gibt es keine Prüfung anhand von Angaben des Betreibers. Sie sehen trotzdem, was die Adresse tatsächlich ist.
Referenz
| User-Agent | cohere-training-data-crawlerNur Token: auf den Teilstring prüfen. |
|---|---|
| Betreiber | Cohere |
| Zweck | Datensatz-Ersteller |
| Beachtet robots.txt | Keine Richtlinie |
| Verifizierungsmethode | Nur AngabeNichts veröffentlicht, nur User-Agent Für diesen Agenten wurden weder eine Datei mit IP-Bereichen noch eine Reverse-DNS-Konvention veröffentlicht. Der User-Agent-String ist das einzige Merkmal, und jeder Client kann ihn senden. Werten Sie eine Übereinstimmung daher als Behauptung, nicht als Beweis. |
| Crawl-Muster | Nicht veröffentlicht |
| robots.txt-Tokens | cohere-training-data-crawler |
| Dokumentation des Betreibers | Keine veröffentlicht |
cohere-training-data-crawler ist ein von Cohere betriebener Webcrawler, der Trainingsdaten für die LLMs (Large Language Models) herunterlädt, auf denen die KI-Produkte des Unternehmens für Firmenkunden basieren.
robots.txt
Legen Sie eine davon im Stammverzeichnis Ihrer Domain ab. Regeln gelten pro Token.
User-agent: cohere-training-data-crawler
Disallow: /User-agent: cohere-training-data-crawler
Allow: /User-agent: cohere-training-data-crawler
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /searchPassen Sie die Disallow-Pfade an Ihre eigenen URLs an.
Wenn Sie cohere-training-data-crawler blockieren, gelangen Ihre Seiten nicht in die Datensätze, die er aus künftigen Crawls erstellt. Früher gesammelte Inhalte werden dadurch nicht entfernt. Wie die einzelnen Betreiber ihre Daten nutzen oder weitergeben, ist unterschiedlich, prüfen Sie daher deren Richtlinien.
Eine Datei für alle Crawler erstellenFAQ
cohere-training-data-crawler ist ein von Cohere betriebener Bot, der Seiten für einen Datensatz crawlt, der weiterverwendet oder an Dritte weitergegeben werden kann. cohere-training-data-crawler ist ein von Cohere betriebener Webcrawler, der Trainingsdaten für die LLMs (Large Language Models) herunterlädt, auf denen die KI-Produkte des Unternehmens für Firmenkunden basieren. Es gibt keine veröffentlichte Liste von IP-Bereichen und keine Reverse-DNS-Konvention. Eine Anfrage mit diesem User-Agent lässt sich daher nicht als echt nachweisen, und eine robots.txt-Regel allein hält eine Fälschung nicht auf.
Nicht dokumentiert. Es gibt keine Aussage eines Betreibers dazu, ob cohere-training-data-crawler robots.txt liest. Fügen Sie die Regel hinzu, prüfen Sie aber in Ihren Logs, ob die Anfragen tatsächlich aufhören.
Das ist nicht möglich, zumindest nicht anhand der Anfrage selbst. Für diesen Agenten wurden weder eine Datei mit IP-Bereichen noch eine Reverse-DNS-Konvention veröffentlicht. Der User-Agent-String ist das einzige Merkmal, und jeder Client kann ihn senden. Werten Sie eine Übereinstimmung daher als Behauptung, nicht als Beweis. Gleichen Sie stattdessen die Quell-IP mit Hosting- und Rechenzentrumsbereichen ab und begrenzen Sie die Rate bei allem, was sich wie ein Crawler verhält.
Tragen Sie das Token cohere-training-data-crawler mit Disallow: / in die robots.txt ein. Falls der Crawler robots.txt ignoriert, filtern Sie den User-Agent in Ihrem CDN oder Reverse Proxy und geben Sie dort stattdessen 403 zurück.
Wenn Sie cohere-training-data-crawler blockieren, gelangen Ihre Seiten nicht in die Datensätze, die er aus künftigen Crawls erstellt. Früher gesammelte Inhalte werden dadurch nicht entfernt. Wie die einzelnen Betreiber ihre Daten nutzen oder weitergeben, ist unterschiedlich, prüfen Sie daher deren Richtlinien.