AI-crawlerlijst
Wie elke AI-crawler beheert, wat hij meestuurt en of een verzoek onder zijn naam te bewijzen is.
Alleen claim
78%
119 van 153 crawlertokens bieden geen manier om een verzoek te controleren.
Op basis van de ai.robots.txt-lijst en documentatie van de beheerders, gecontroleerd aan de hand van wat elke beheerder publiceert. Bijgewerkt op .
Verzamelen pagina's voor het trainingscorpus van een model. Deze blokkeren is de gebruikelijke manier om je af te melden voor AI.
| Crawler | Beheerder | Verificatie | robots.txt | Details |
|---|---|---|---|---|
| AI2BotAi2Bot-Dolma | Ai2 | Alleen bewering | robots.txt:Respecteert | |
| anthropic-ai | Anthropic | IP-bereiken | robots.txt:Geen beleid | |
| Applebot-Extended | Apple | Alleen token | robots.txt:Respecteert | |
| Bytespider | ByteDance | Alleen bewering | robots.txt:Negeert | |
| ClaudeBot | Anthropic | IP-bereiken | robots.txt:Respecteert | |
| cohere-ai | Cohere | Alleen bewering | robots.txt:Geen beleid | |
| Cotoyogi | ROIS | Alleen bewering | robots.txt:Respecteert | |
| DeepSeekBot | DeepSeek | Alleen bewering | robots.txt:Negeert | |
| FacebookBot | Meta/Facebook | ASN van exploitant | robots.txt:Respecteert | |
| Factset_spyderbot | Factset | Alleen bewering | robots.txt:Geen beleid | |
| FriendlyCrawler | Unknown | Alleen bewering | robots.txt:Respecteert | |
| Google-Extended | Alleen token | robots.txt:Respecteert | ||
| GPTBot | OpenAI | IP-bereiken | robots.txt:Respecteert | |
| ICC-Crawler | NICT | Alleen bewering | robots.txt:Respecteert | |
| img2dataset | img2dataset | Alleen bewering | robots.txt:Geen beleid | |
| ISSCyberRiskCrawler | ISS-Corporate | Alleen bewering | robots.txt:Negeert | |
| Linguee Bot | Linguee | Alleen bewering | robots.txt:Negeert | |
| Meta-ExternalAgentmeta-externalagent | Meta | ASN van exploitant | robots.txt:Respecteert | |
| Scrapy | Zyte | Alleen bewering | robots.txt:Geen beleid | |
| Sidetrade indexer bot | Sidetrade | Alleen bewering | robots.txt:Geen beleid | |
| TikTokSpider | ByteDance | Alleen bewering | robots.txt:Geen beleid |
Bouwen de index waaruit een AI-antwoordmachine citeert. Blokkeer je er een, dan verdwijn je uit de antwoorden ervan.
| Crawler | Beheerder | Verificatie | robots.txt | Details |
|---|---|---|---|---|
| AddSearchBot | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| AIWebIndexAIWebIndex-Agent | Lyrenth (Aleksma Ai, Inc.) | IP-bereiken + DNS | robots.txt:Respecteert | |
| amazon-kendra | Amazon | Alleen bewering | robots.txt:Respecteert | |
| Amazonbot | Amazon | Reverse DNS | robots.txt:Respecteert | |
| Amzn-SearchBot | Amazon | Reverse DNS | robots.txt:Geen beleid | |
| Andibot | Andi | Alleen bewering | robots.txt:Geen beleid | |
| Anomura | Direqt | Alleen bewering | robots.txt:Respecteert | |
| Applebot | Apple | IP-bereiken + DNS | robots.txt:Respecteert | |
| atlassian-bot | Atlassian | Alleen bewering | robots.txt:Respecteert | |
| AzureAI-SearchBot | Microsoft | Alleen bewering | robots.txt:Geen beleid | |
| Bingbot | Microsoft | IP-bereiken + DNS | robots.txt:Respecteert | |
| Channel3Bot | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| Claude-SearchBot | Anthropic | IP-bereiken | robots.txt:Respecteert | |
| Cloudflare-AutoRAG | Cloudflare | Alleen bewering | robots.txt:Respecteert | |
| DuckDuckBot | DuckDuckGo | IP-bereiken | robots.txt:Respecteert | |
| ExaSearchBot | Exa | Alleen bewering | robots.txt:Geen beleid | |
| Googlebot | IP-bereiken + DNS | robots.txt:Respecteert | ||
| GoogleOther | IP-bereiken + DNS | robots.txt:Respecteert | ||
| GoogleOther-Image | IP-bereiken + DNS | robots.txt:Respecteert | ||
| GoogleOther-Video | IP-bereiken + DNS | robots.txt:Respecteert | ||
| ImagesiftBot | ImageSift | Alleen bewering | robots.txt:Respecteert | |
| LinkupBot | Linkup | Alleen bewering | robots.txt:Geen beleid | |
| meta-webindexer | Meta | ASN van exploitant | robots.txt:Geen beleid | |
| OAI-SearchBot | OpenAI | IP-bereiken | robots.txt:Respecteert | |
| PerplexityBot | Perplexity | IP-bereiken | robots.txt:Respecteert | |
| PetalBot | Huawei | Alleen bewering | robots.txt:Respecteert | |
| Timpibot | Timpi | Alleen bewering | robots.txt:Geen beleid | |
| YouBot | You | Alleen bewering | robots.txt:Respecteert | |
| ZanistaBot | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid |
Halen één pagina op omdat iemand een assistent ernaar vroeg. Sommige negeren robots.txt.
| Crawler | Beheerder | Verificatie | robots.txt | Details |
|---|---|---|---|---|
| AI2Bot-DeepResearchEval | Ai2, a non-profit AI research institute | Alleen bewering | robots.txt:Geen beleid | |
| amazon-QBusiness | Amazon Web Services | Alleen bewering | robots.txt:Geen beleid | |
| Amzn-User | Amazon | Reverse DNS | robots.txt:Geen beleid | |
| bigsur.ai | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| ChatGPT-User | OpenAI | IP-bereiken | robots.txt:Respecteert | |
| Claude-User | Anthropic | IP-bereiken | robots.txt:Respecteert | |
| DuckAssistBot | Niet geïdentificeerd | IP-bereiken | robots.txt:Respecteert | |
| GeistHaus-PageFetcher | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| Gemini-Deep-Research | Alleen bewering | robots.txt:Geen beleid | ||
| Google-NotebookLMNotebookLM | IP-bereiken | robots.txt:Geen beleid | ||
| GoogleAgent-URLContext | Alleen bewering | robots.txt:Geen beleid | ||
| kagi-fetcher | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| Kimi-User | Moonshot AI | Alleen bewering | robots.txt:Geen beleid | |
| KlaviyoAIBot | Klaviyo | Alleen bewering | robots.txt:Respecteert | |
| LinerBot | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| Meta-ExternalFetchermeta-externalfetcher | Meta | ASN van exploitant | robots.txt:Negeert | |
| MistralAI-UserMistralAI-User/1.0 | Mistral | Alleen bewering | robots.txt:Geen beleid | |
| Perplexity-User | Perplexity | IP-bereiken | robots.txt:Negeert | |
| PhindBot | phind | Alleen bewering | robots.txt:Geen beleid | |
| Poggio-Citations | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| QualifiedBot | Qualified | Alleen bewering | robots.txt:Geen beleid | |
| SemrushBot-SWA | Semrush | Alleen bewering | robots.txt:Respecteert | |
| Shap-User | Parallel | Alleen bewering | robots.txt:Geen beleid | |
| TongyiBot | Alibaba | Alleen bewering | robots.txt:Geen beleid | |
| UseAI | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| YiyanBot | Baidu that fetches web content for the yiyan | Alleen bewering | robots.txt:Geen beleid |
Sturen een browser door taken met meerdere stappen, vergelijkbaar met een menselijke sessie.
| Crawler | Beheerder | Verificatie | robots.txt | Details |
|---|---|---|---|---|
| AmazonBuyForMe | Amazon | Alleen bewering | robots.txt:Geen beleid | |
| Aranet-SearchBot | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| ChatGPT Agent | OpenAI | IP-bereiken | robots.txt:Respecteert | |
| Claude-Web | Anthropic | IP-bereiken | robots.txt:Geen beleid | |
| Crawl4AI | Crawl4AI (open source) | Alleen bewering | robots.txt:Geen beleid | |
| Google-Agent | Alleen bewering | robots.txt:Respecteert | ||
| Google-CloudVertexBotCloudVertexBot | IP-bereiken | robots.txt:Respecteert | ||
| GoogleAgent-Mariner | Alleen bewering | robots.txt:Geen beleid | ||
| iAskBotiaskspider, iaskspider/2.0 | iAsk | Alleen bewering | robots.txt:Geen beleid | |
| KunatoCrawler | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| Manus-User | Butterfly Effect, a company based in China | Alleen bewering | robots.txt:Geen beleid | |
| NagetBot | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| newsai | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| NovaAct | Amazon | Alleen bewering | robots.txt:Geen beleid | |
| Operator | OpenAI | IP-bereiken | robots.txt:Geen beleid | |
| Reflectionbot | Reflection | Alleen bewering | robots.txt:Geen beleid | |
| TwinAgent | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| WRTNBot | Wrtn Technologies | Alleen bewering | robots.txt:Geen beleid |
Halen documentatie en voorbeelden op terwijl een AI code schrijft, vaak vanaf de computer van een ontwikkelaar.
| Crawler | Beheerder | Verificatie | robots.txt | Details |
|---|---|---|---|---|
| Claude-Code | Anthropic | IP-bereiken | robots.txt:Geen beleid | |
| Code | GitHub Copilot | Alleen bewering | robots.txt:Geen beleid | |
| Cursor | Cursor | Alleen bewering | robots.txt:Geen beleid | |
| Devin | Devin AI | Alleen bewering | robots.txt:Respecteert | |
| Google-Gemini-CLI | Alleen bewering | robots.txt:Geen beleid | ||
| opencode | opencode (open source) | Alleen bewering | robots.txt:Geen beleid | |
| Trae | ByteDance | Alleen bewering | robots.txt:Geen beleid |
Verzamelen pagina's in datasets die hergebruikt, in licentie gegeven of gedeeld kunnen worden.
| Crawler | Beheerder | Verificatie | robots.txt | Details |
|---|---|---|---|---|
| AgentTimes | The Agent Times | Alleen bewering | robots.txt:Geen beleid | |
| aiHitBot | aiHit | Alleen bewering | robots.txt:Respecteert | |
| ApifyBot | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| ApifyWebsiteContentCrawler | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| Awario | Awario | Alleen bewering | robots.txt:Geen beleid | |
| bedrockbot | Amazon | Alleen bewering | robots.txt:Respecteert | |
| Bravebot | Brave | Alleen bewering | robots.txt:Respecteert | |
| BrightbotBrightbot 1.0 | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| CCBot | Common Crawl Foundation | Alleen bewering | robots.txt:Respecteert | |
| ChatGLM-Spider | Zhipu AI | Alleen bewering | robots.txt:Geen beleid | |
| cohere-training-data-crawler | Cohere | Alleen bewering | robots.txt:Geen beleid | |
| CragCrawler | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| Crawlspace | Crawlspace | Alleen bewering | robots.txt:Respecteert | |
| Datenbank Crawler | Datenbank | Alleen bewering | robots.txt:Geen beleid | |
| Diffbot | Diffbot | Alleen bewering | robots.txt:Geen beleid | |
| Echobot Bot | Echobox | Alleen bewering | robots.txt:Geen beleid | |
| ExaBot | Exa | Alleen bewering | robots.txt:Geen beleid | |
| FirecrawlAgent | Firecrawl | Alleen bewering | robots.txt:Respecteert | |
| HenkBot | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| imageSpider | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| Kangaroo Bot | Kangaroo LLM | Alleen bewering | robots.txt:Geen beleid | |
| laion-huggingface-processor | LAION | Alleen bewering | robots.txt:Geen beleid | |
| LAIONDownloader | Large-scale Artificial Intelligence Open Network | Alleen bewering | robots.txt:Negeert | |
| LCC | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| Lightpanda | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| Mozilla-Tabstack | Mozilla | Alleen bewering | robots.txt:Respecteert | |
| MyCentralAIScraperBot | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| netEstate Imprint Crawler | netEstate | Alleen bewering | robots.txt:Geen beleid | |
| omgiliomgilibot | Webz.io | Alleen bewering | robots.txt:Respecteert | |
| PanguBot | the Chinese company Huawei | Alleen bewering | robots.txt:Geen beleid | |
| QueritBotQuerit-SearchBot | Querit | Alleen bewering | robots.txt:Geen beleid | |
| SemrushBot-OCOB | Semrush | Alleen bewering | robots.txt:Respecteert | |
| ShapBot | Parallel | Alleen bewering | robots.txt:Respecteert | |
| Spider | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| TavilyBot | Tavily | Alleen bewering | robots.txt:Geen beleid | |
| TerraCottaTerra Cotta | Ceramic AI | Alleen bewering | robots.txt:Respecteert | |
| VelenPublicWebCrawler | Velen Crawler | Alleen bewering | robots.txt:Respecteert | |
| WARDBot | WEBSPARK | Alleen bewering | robots.txt:Geen beleid | |
| Webzio-Extendedwebzio-extended | Niet geïdentificeerd | Alleen bewering | robots.txt:Geen beleid | |
| YandexAdditionalYandexAdditionalBot | Yandex | Reverse DNS | robots.txt:Respecteert |
Bots in AI-workflows die in geen van de bovenstaande categorieën passen.
| Crawler | Beheerder | Verificatie | robots.txt | Details |
|---|---|---|---|---|
| BuddyBot | BuddyBotLearning | Alleen bewering | robots.txt:Geen beleid | |
| EchoboxBot | Echobox | Alleen bewering | robots.txt:Geen beleid | |
| facebookexternalhit | Meta/Facebook | ASN van exploitant | robots.txt:Negeert | |
| Google-Firebase | Alleen bewering | robots.txt:Geen beleid | ||
| OpenAI | OpenAI | IP-bereiken | robots.txt:Respecteert | |
| Panscientpanscient.com | Panscient | Alleen bewering | robots.txt:Respecteert | |
| Poseidon Research Crawler | Poseidon Research | Alleen bewering | robots.txt:Geen beleid | |
| QuillBotquillbot.com | Quillbot | Alleen bewering | robots.txt:Geen beleid | |
| SBIntuitionsBot | SB Intuitions | Alleen bewering | robots.txt:Respecteert | |
| Thinkbot | Thinkbot | Alleen bewering | robots.txt:Negeert | |
| wpbot | QuantumCloud | Alleen bewering | robots.txt:Geen beleid | |
| YaK | Meltwater | Alleen bewering | robots.txt:Geen beleid |
robots.txt
Eén regel per token, aliassen inbegrepen. 9 hiervan negeren het bestand, dus combineer het met edge-regels.
User-agent: AddSearchBot
User-agent: AgentTimes
User-agent: AI2Bot
User-agent: AI2Bot-DeepResearchEval
User-agent: Ai2Bot-Dolma
User-agent: aiHitBot
User-agent: AIWebIndex
User-agent: AIWebIndex-Agent
User-agent: amazon-kendra
User-agent: amazon-QBusiness
User-agent: Amazonbot
User-agent: AmazonBuyForMe
User-agent: Amzn-SearchBot
User-agent: Amzn-User
User-agent: Andibot
User-agent: Anomura
User-agent: anthropic-ai
User-agent: ApifyBot
User-agent: ApifyWebsiteContentCrawler
User-agent: Applebot
User-agent: Applebot-Extended
User-agent: Aranet-SearchBot
User-agent: atlassian-bot
User-agent: Awario
User-agent: AzureAI-SearchBot
User-agent: bedrockbot
User-agent: bigsur.ai
User-agent: Bingbot
User-agent: Bravebot
User-agent: Brightbot
User-agent: Brightbot 1.0
User-agent: BuddyBot
User-agent: Bytespider
User-agent: CCBot
User-agent: Channel3Bot
User-agent: ChatGLM-Spider
User-agent: ChatGPT Agent
User-agent: ChatGPT-User
User-agent: Claude-Code
User-agent: Claude-SearchBot
User-agent: Claude-User
User-agent: Claude-Web
User-agent: ClaudeBot
User-agent: Cloudflare-AutoRAG
User-agent: CloudVertexBot
User-agent: Code
User-agent: cohere-ai
User-agent: cohere-training-data-crawler
User-agent: Cotoyogi
User-agent: CragCrawler
User-agent: Crawl4AI
User-agent: Crawlspace
User-agent: Cursor
User-agent: Datenbank Crawler
User-agent: DeepSeekBot
User-agent: Devin
User-agent: Diffbot
User-agent: DuckAssistBot
User-agent: DuckDuckBot
User-agent: Echobot Bot
User-agent: EchoboxBot
User-agent: ExaBot
User-agent: ExaSearchBot
User-agent: FacebookBot
User-agent: facebookexternalhit
User-agent: Factset_spyderbot
User-agent: FirecrawlAgent
User-agent: FriendlyCrawler
User-agent: GeistHaus-PageFetcher
User-agent: Gemini-Deep-Research
User-agent: Google-Agent
User-agent: Google-CloudVertexBot
User-agent: Google-Extended
User-agent: Google-Firebase
User-agent: Google-Gemini-CLI
User-agent: Google-NotebookLM
User-agent: GoogleAgent-Mariner
User-agent: GoogleAgent-URLContext
User-agent: Googlebot
User-agent: GoogleOther
User-agent: GoogleOther-Image
User-agent: GoogleOther-Video
User-agent: GPTBot
User-agent: HenkBot
User-agent: iAskBot
User-agent: iaskspider
User-agent: iaskspider/2.0
User-agent: ICC-Crawler
User-agent: ImagesiftBot
User-agent: imageSpider
User-agent: img2dataset
User-agent: ISSCyberRiskCrawler
User-agent: kagi-fetcher
User-agent: Kangaroo Bot
User-agent: Kimi-User
User-agent: KlaviyoAIBot
User-agent: KunatoCrawler
User-agent: laion-huggingface-processor
User-agent: LAIONDownloader
User-agent: LCC
User-agent: Lightpanda
User-agent: LinerBot
User-agent: Linguee Bot
User-agent: LinkupBot
User-agent: Manus-User
User-agent: meta-externalagent
User-agent: Meta-ExternalAgent
User-agent: meta-externalfetcher
User-agent: Meta-ExternalFetcher
User-agent: meta-webindexer
User-agent: MistralAI-User
User-agent: MistralAI-User/1.0
User-agent: Mozilla-Tabstack
User-agent: MyCentralAIScraperBot
User-agent: NagetBot
User-agent: netEstate Imprint Crawler
User-agent: newsai
User-agent: NotebookLM
User-agent: NovaAct
User-agent: OAI-SearchBot
User-agent: omgili
User-agent: omgilibot
User-agent: OpenAI
User-agent: opencode
User-agent: Operator
User-agent: PanguBot
User-agent: Panscient
User-agent: panscient.com
User-agent: Perplexity-User
User-agent: PerplexityBot
User-agent: PetalBot
User-agent: PhindBot
User-agent: Poggio-Citations
User-agent: Poseidon Research Crawler
User-agent: QualifiedBot
User-agent: Querit-SearchBot
User-agent: QueritBot
User-agent: QuillBot
User-agent: quillbot.com
User-agent: Reflectionbot
User-agent: SBIntuitionsBot
User-agent: Scrapy
User-agent: SemrushBot-OCOB
User-agent: SemrushBot-SWA
User-agent: Shap-User
User-agent: ShapBot
User-agent: Sidetrade indexer bot
User-agent: Spider
User-agent: TavilyBot
User-agent: Terra Cotta
User-agent: TerraCotta
User-agent: Thinkbot
User-agent: TikTokSpider
User-agent: Timpibot
User-agent: TongyiBot
User-agent: Trae
User-agent: TwinAgent
User-agent: UseAI
User-agent: VelenPublicWebCrawler
User-agent: WARDBot
User-agent: webzio-extended
User-agent: Webzio-Extended
User-agent: wpbot
User-agent: WRTNBot
User-agent: YaK
User-agent: YandexAdditional
User-agent: YandexAdditionalBot
User-agent: YiyanBot
User-agent: YouBot
User-agent: ZanistaBot
Disallow: /Of begin met een preset
Logcontrole
Plak honderd regels. Elke crawlerclaim daarin wordt gecontroleerd tegen wat de beheerder publiceert.
FAQ
Van de 153 tokens in deze lijst negeren er volgens de documentatie 9 robots.txt: Bytespider, DeepSeekBot, facebookexternalhit, ISSCyberRiskCrawler, LAIONDownloader, Linguee Bot, Meta-ExternalFetcher, Perplexity-User, Thinkbot. Van nog eens 90 is helemaal geen beleid gepubliceerd, en dat is niet hetzelfde als een belofte om het na te leven. Voor die crawlers is een regel in robots.txt een verzoek en een edge-regel handhaving.
Door het bron-IP te controleren, nooit de user agent. Je kunt drie dingen controleren: een gepubliceerd bestand met IP-ranges, een conventie voor forward-confirmed reverse DNS of een ASN van de beheerder. Maar 34 van de 153 tokens hier publiceren daar iets van; voor de rest heb je niets om mee te vergelijken.
Nee. De user agent is een header die de client zelf kiest, dus iedereen kan hem meesturen. Scrapers kopiëren de strings van bekende crawlers juist omdat sitebeheerders die doorlaten. Zie de user agent als een bewering en het IP als het bewijs.
Nee. Blokkeren stopt toekomstige crawls. Het verwijdert niets wat al verzameld is en heeft geen invloed op wat een model al geleerd heeft. Het verandert ook niets aan de positie van de site in gewone zoekresultaten.
Een trainingscrawler verzamelt pagina's die in het trainingscorpus van een model terechtkomen. Een AI-zoekcrawler bouwt de index waaruit een antwoordmachine citeert. Het eerste blokkeren is de opt-out die de meeste uitgevers bedoelen; het tweede blokkeren haalt je uit de antwoorden.
IPScanner (2026). Overzicht van AI-crawlers. https://ipscanner.io/bot. CC BY 4.0.