Creadores de datasets
TerraCotta es un bot operado por Ceramic AI que rastrea páginas para crear un conjunto de datos que puede reutilizarse o compartirse con terceros. TerraCotta es el crawler de Ceramic que indexa contenido público para alimentar su API de búsqueda a escala web para IA y LLM. 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
"TerraCotta"
Se comprueba con
Nada publicado
Comprobación en directo
No hay ninguna verificación del operador para TerraCotta. Aun así, aquí ves qué es realmente la dirección.
Referencia
| User agent | TerraCottaSolo token: busca coincidencias con la subcadena. |
|---|---|
| Operador | Ceramic AI |
| Finalidad | Creadores de datasets |
| Respeta robots.txt | Respetafuente |
| Método de verificación | Solo declaradoNada publicado, solo user agent No se ha publicado ningún archivo de rangos de IP ni ninguna convención de DNS inverso para este agente. La cadena de user agent es la única señal y cualquier cliente puede enviarla, así que considera una coincidencia como una declaración y no como una prueba. |
| Patrón de rastreo | No publicado |
| Tokens de robots.txt | TerraCottaTerra Cotta |
| Documentación del operador | No hay ninguna publicada |
TerraCotta es el crawler de Ceramic que indexa contenido público para alimentar su API de búsqueda a escala web para IA y LLM.
robots.txt
Pega una en la raíz de tu dominio. Las reglas se aplican por token.
User-agent: TerraCotta
User-agent: Terra Cotta
Disallow: /User-agent: TerraCotta
User-agent: Terra Cotta
Allow: /User-agent: TerraCotta
User-agent: Terra Cotta
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /searchCambia las rutas de Disallow para que coincidan con tus URLs.
Bloquear TerraCotta 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
TerraCotta es un bot operado por Ceramic AI que rastrea páginas para crear un conjunto de datos que puede reutilizarse o compartirse con terceros. TerraCotta es el crawler de Ceramic que indexa contenido público para alimentar su API de búsqueda a escala web para IA y LLM. 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 TerraCotta 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. No se ha publicado ningún archivo de rangos de IP ni ninguna convención de DNS inverso para este agente. La cadena de user agent es la única señal y cualquier cliente puede enviarla, así que considera una coincidencia como una declaración y no como una prueba. 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 estos tokens de user agent (TerraCotta, Terra Cotta) 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 TerraCotta 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.