Creadores de datasets
bedrockbot es un bot operado por Amazon que rastrea páginas para crear un conjunto de datos que puede reutilizarse o compartirse con terceros. Se conecta a las URL seleccionadas para la aplicación de AWS bedrock de un usuario y las rastrea. Está documentado que respeta robots.txt, pero no se publica ninguna lista de rangos de IP ni convención de DNS inverso, así que no se puede demostrar que una solicitud con este user agent sea auténtica.
La solicitud dice
"bedrockbot"
Se comprueba con
Nada publicado
Comprobación en directo
No hay ninguna verificación del operador para bedrockbot. Aun así, aquí ves qué es realmente la dirección.
Referencia
| User agent | bedrockbotSolo token: busca coincidencias con la subcadena. |
|---|---|
| Operador | Amazon |
| Finalidad | Extracción de datos para aplicaciones de IA personalizadas. |
| Respeta robots.txt | Respetafuente |
| Método de verificación | Solo declaradoNada publicado, solo user agent Se ejecuta desde la cuenta de un cliente de AWS, así que la IP de origen pertenece a quien configuró la base de conocimiento de Bedrock, no a AWS como operador del crawler. https://docs.aws.amazon.com/bedrock/latest/userguide/webcrawl-data-source-connector.html |
| Patrón de rastreo | No publicado |
| Tokens de robots.txt | bedrockbot |
| Documentación del operador | No hay ninguna publicada |
Se conecta a las URL seleccionadas para la aplicación de AWS bedrock de un usuario y las rastrea.
robots.txt
Pega una en la raíz de tu dominio. Las reglas se aplican por token.
User-agent: bedrockbot
Disallow: /User-agent: bedrockbot
Allow: /User-agent: bedrockbot
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /searchCambia las rutas de Disallow para que coincidan con tus URLs.
Bloquear bedrockbot deja tus páginas fuera de los conjuntos de datos que cree a partir de futuros rastreos. No elimina nada de lo recopilado antes, y cada operador usa o comparte sus datos de forma distinta, así que consulta su política.
Crea un archivo para todos los rastreadoresFAQ
bedrockbot es un bot operado por Amazon que rastrea páginas para crear un conjunto de datos que puede reutilizarse o compartirse con terceros. Se conecta a las URL seleccionadas para la aplicación de AWS bedrock de un usuario y las rastrea. Está documentado que respeta robots.txt, pero no se publica ninguna lista de rangos de IP ni convención de DNS inverso, así que no se puede demostrar que una solicitud con este user agent sea auténtica.
Sí. El operador documenta que bedrockbot lee robots.txt y respeta las reglas Disallow de su propio token. Las reglas se aplican la próxima vez que descarga el archivo, lo que puede ocurrir horas o días después de publicarlas.
No puedes, al menos no a partir de la propia solicitud. Se ejecuta desde la cuenta de un cliente de AWS, así que la IP de origen pertenece a quien configuró la base de conocimiento de Bedrock, no a AWS como operador del crawler. En su lugar, compara la IP de origen con rangos de hosting y de centros de datos, y limita la frecuencia de todo lo que se comporte como un rastreador.
Añade el token bedrockbot a robots.txt con Disallow: /. Si el rastreador ignora robots.txt, filtra el user agent en tu CDN o proxy inverso y devuelve allí un 403.
Bloquear bedrockbot deja tus páginas fuera de los conjuntos de datos que cree a partir de futuros rastreos. No elimina nada de lo recopilado antes, y cada operador usa o comparte sus datos de forma distinta, así que consulta su política.