AI-crawlerlijst

Elke AI-crawler, en hoe je ziet of hij echt is

Wie elke AI-crawler beheert, wat hij meestuurt en of een verzoek onder zijn naam te bewijzen is.

robots.txt-generator

Alleen claim

78%

119 van 153 crawlertokens bieden geen manier om een verzoek te controleren.

VerifieerbaarAlleen claim
34
kunnen worden geverifieerd
9
negeren robots.txt
90
geen robots.txt-beleid

Op basis van de ai.robots.txt-lijst en documentatie van de beheerders, gecontroleerd aan de hand van wat elke beheerder publiceert. Bijgewerkt op .

Trainingscrawlers

21

Verzamelen pagina's voor het trainingscorpus van een model. Deze blokkeren is de gebruikelijke manier om je af te melden voor AI.

Trainingscrawlers: user-agenttoken, beheerder, hoe de crawler te verifiëren is en het robots.txt-beleid
AI2BotAi2Bot-DolmaAi2Alleen beweringrobots.txt:Respecteert
anthropic-aiAnthropicIP-bereikenrobots.txt:Geen beleid
Applebot-ExtendedAppleAlleen tokenrobots.txt:Respecteert
BytespiderByteDanceAlleen beweringrobots.txt:Negeert
ClaudeBotAnthropicIP-bereikenrobots.txt:Respecteert
cohere-aiCohereAlleen beweringrobots.txt:Geen beleid
CotoyogiROISAlleen beweringrobots.txt:Respecteert
DeepSeekBotDeepSeekAlleen beweringrobots.txt:Negeert
FacebookBotMeta/FacebookASN van exploitantrobots.txt:Respecteert
Factset_spyderbotFactsetAlleen beweringrobots.txt:Geen beleid
FriendlyCrawlerUnknownAlleen beweringrobots.txt:Respecteert
Google-ExtendedGoogleAlleen tokenrobots.txt:Respecteert
GPTBotOpenAIIP-bereikenrobots.txt:Respecteert
ICC-CrawlerNICTAlleen beweringrobots.txt:Respecteert
img2datasetimg2datasetAlleen beweringrobots.txt:Geen beleid
ISSCyberRiskCrawlerISS-CorporateAlleen beweringrobots.txt:Negeert
Linguee BotLingueeAlleen beweringrobots.txt:Negeert
Meta-ExternalAgentmeta-externalagentMetaASN van exploitantrobots.txt:Respecteert
ScrapyZyteAlleen beweringrobots.txt:Geen beleid
Sidetrade indexer botSidetradeAlleen beweringrobots.txt:Geen beleid
TikTokSpiderByteDanceAlleen beweringrobots.txt:Geen beleid

Ophalers voor assistenten

26

Halen één pagina op omdat iemand een assistent ernaar vroeg. Sommige negeren robots.txt.

Ophalers voor assistenten: user-agenttoken, beheerder, hoe de crawler te verifiëren is en het robots.txt-beleid
AI2Bot-DeepResearchEvalAi2, a non-profit AI research instituteAlleen beweringrobots.txt:Geen beleid
amazon-QBusinessAmazon Web ServicesAlleen beweringrobots.txt:Geen beleid
Amzn-UserAmazonReverse DNSrobots.txt:Geen beleid
bigsur.aiNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
ChatGPT-UserOpenAIIP-bereikenrobots.txt:Respecteert
Claude-UserAnthropicIP-bereikenrobots.txt:Respecteert
DuckAssistBotNiet geïdentificeerdIP-bereikenrobots.txt:Respecteert
GeistHaus-PageFetcherNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
Gemini-Deep-ResearchGoogleAlleen beweringrobots.txt:Geen beleid
Google-NotebookLMNotebookLMGoogleIP-bereikenrobots.txt:Geen beleid
GoogleAgent-URLContextGoogleAlleen beweringrobots.txt:Geen beleid
kagi-fetcherNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
Kimi-UserMoonshot AIAlleen beweringrobots.txt:Geen beleid
KlaviyoAIBotKlaviyoAlleen beweringrobots.txt:Respecteert
LinerBotNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
Meta-ExternalFetchermeta-externalfetcherMetaASN van exploitantrobots.txt:Negeert
MistralAI-UserMistralAI-User/1.0MistralAlleen beweringrobots.txt:Geen beleid
Perplexity-UserPerplexityIP-bereikenrobots.txt:Negeert
PhindBotphindAlleen beweringrobots.txt:Geen beleid
Poggio-CitationsNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
QualifiedBotQualifiedAlleen beweringrobots.txt:Geen beleid
SemrushBot-SWASemrushAlleen beweringrobots.txt:Respecteert
Shap-UserParallelAlleen beweringrobots.txt:Geen beleid
TongyiBotAlibabaAlleen beweringrobots.txt:Geen beleid
UseAINiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
YiyanBotBaidu that fetches web content for the yiyanAlleen beweringrobots.txt:Geen beleid

Autonome agents

18

Sturen een browser door taken met meerdere stappen, vergelijkbaar met een menselijke sessie.

Autonome agents: user-agenttoken, beheerder, hoe de crawler te verifiëren is en het robots.txt-beleid
AmazonBuyForMeAmazonAlleen beweringrobots.txt:Geen beleid
Aranet-SearchBotNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
ChatGPT AgentOpenAIIP-bereikenrobots.txt:Respecteert
Claude-WebAnthropicIP-bereikenrobots.txt:Geen beleid
Crawl4AICrawl4AI (open source)Alleen beweringrobots.txt:Geen beleid
Google-AgentGoogleAlleen beweringrobots.txt:Respecteert
Google-CloudVertexBotCloudVertexBotGoogleIP-bereikenrobots.txt:Respecteert
GoogleAgent-MarinerGoogleAlleen beweringrobots.txt:Geen beleid
iAskBotiaskspider, iaskspider/2.0iAskAlleen beweringrobots.txt:Geen beleid
KunatoCrawlerNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
Manus-UserButterfly Effect, a company based in ChinaAlleen beweringrobots.txt:Geen beleid
NagetBotNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
newsaiNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
NovaActAmazonAlleen beweringrobots.txt:Geen beleid
OperatorOpenAIIP-bereikenrobots.txt:Geen beleid
ReflectionbotReflectionAlleen beweringrobots.txt:Geen beleid
TwinAgentNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
WRTNBotWrtn TechnologiesAlleen beweringrobots.txt:Geen beleid

Codeeragents

7

Halen documentatie en voorbeelden op terwijl een AI code schrijft, vaak vanaf de computer van een ontwikkelaar.

Codeeragents: user-agenttoken, beheerder, hoe de crawler te verifiëren is en het robots.txt-beleid
Claude-CodeAnthropicIP-bereikenrobots.txt:Geen beleid
CodeGitHub CopilotAlleen beweringrobots.txt:Geen beleid
CursorCursorAlleen beweringrobots.txt:Geen beleid
DevinDevin AIAlleen beweringrobots.txt:Respecteert
Google-Gemini-CLIGoogleAlleen beweringrobots.txt:Geen beleid
opencodeopencode (open source)Alleen beweringrobots.txt:Geen beleid
TraeByteDanceAlleen beweringrobots.txt:Geen beleid

Datasetbouwers

40

Verzamelen pagina's in datasets die hergebruikt, in licentie gegeven of gedeeld kunnen worden.

Datasetbouwers: user-agenttoken, beheerder, hoe de crawler te verifiëren is en het robots.txt-beleid
AgentTimesThe Agent TimesAlleen beweringrobots.txt:Geen beleid
aiHitBotaiHitAlleen beweringrobots.txt:Respecteert
ApifyBotNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
ApifyWebsiteContentCrawlerNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
AwarioAwarioAlleen beweringrobots.txt:Geen beleid
bedrockbotAmazonAlleen beweringrobots.txt:Respecteert
BravebotBraveAlleen beweringrobots.txt:Respecteert
BrightbotBrightbot 1.0Niet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
CCBotCommon Crawl FoundationAlleen beweringrobots.txt:Respecteert
ChatGLM-SpiderZhipu AIAlleen beweringrobots.txt:Geen beleid
cohere-training-data-crawlerCohereAlleen beweringrobots.txt:Geen beleid
CragCrawlerNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
CrawlspaceCrawlspaceAlleen beweringrobots.txt:Respecteert
Datenbank CrawlerDatenbankAlleen beweringrobots.txt:Geen beleid
DiffbotDiffbotAlleen beweringrobots.txt:Geen beleid
Echobot BotEchoboxAlleen beweringrobots.txt:Geen beleid
ExaBotExaAlleen beweringrobots.txt:Geen beleid
FirecrawlAgentFirecrawlAlleen beweringrobots.txt:Respecteert
HenkBotNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
imageSpiderNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
Kangaroo BotKangaroo LLMAlleen beweringrobots.txt:Geen beleid
laion-huggingface-processorLAIONAlleen beweringrobots.txt:Geen beleid
LAIONDownloaderLarge-scale Artificial Intelligence Open NetworkAlleen beweringrobots.txt:Negeert
LCCNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
LightpandaNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
Mozilla-TabstackMozillaAlleen beweringrobots.txt:Respecteert
MyCentralAIScraperBotNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
netEstate Imprint CrawlernetEstateAlleen beweringrobots.txt:Geen beleid
omgiliomgilibotWebz.ioAlleen beweringrobots.txt:Respecteert
PanguBotthe Chinese company HuaweiAlleen beweringrobots.txt:Geen beleid
QueritBotQuerit-SearchBotQueritAlleen beweringrobots.txt:Geen beleid
SemrushBot-OCOBSemrushAlleen beweringrobots.txt:Respecteert
ShapBotParallelAlleen beweringrobots.txt:Respecteert
SpiderNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
TavilyBotTavilyAlleen beweringrobots.txt:Geen beleid
TerraCottaTerra CottaCeramic AIAlleen beweringrobots.txt:Respecteert
VelenPublicWebCrawlerVelen CrawlerAlleen beweringrobots.txt:Respecteert
WARDBotWEBSPARKAlleen beweringrobots.txt:Geen beleid
Webzio-Extendedwebzio-extendedNiet geïdentificeerdAlleen beweringrobots.txt:Geen beleid
YandexAdditionalYandexAdditionalBotYandexReverse DNSrobots.txt:Respecteert

Overige geautomatiseerde crawlers

12

Bots in AI-workflows die in geen van de bovenstaande categorieën passen.

Overige geautomatiseerde crawlers: user-agenttoken, beheerder, hoe de crawler te verifiëren is en het robots.txt-beleid
BuddyBotBuddyBotLearningAlleen beweringrobots.txt:Geen beleid
EchoboxBotEchoboxAlleen beweringrobots.txt:Geen beleid
facebookexternalhitMeta/FacebookASN van exploitantrobots.txt:Negeert
Google-FirebaseGoogleAlleen beweringrobots.txt:Geen beleid
OpenAIOpenAIIP-bereikenrobots.txt:Respecteert
Panscientpanscient.comPanscientAlleen beweringrobots.txt:Respecteert
Poseidon Research CrawlerPoseidon ResearchAlleen beweringrobots.txt:Geen beleid
QuillBotquillbot.comQuillbotAlleen beweringrobots.txt:Geen beleid
SBIntuitionsBotSB IntuitionsAlleen beweringrobots.txt:Respecteert
ThinkbotThinkbotAlleen beweringrobots.txt:Negeert
wpbotQuantumCloudAlleen beweringrobots.txt:Geen beleid
YaKMeltwaterAlleen beweringrobots.txt:Geen beleid

robots.txt

Blokkeer alle AI-crawlers in één keer

Eén regel per token, aliassen inbegrepen. 9 hiervan negeren het bestand, dus combineer het met edge-regels.

Alle 153 crawlers blokkeren
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: /

Logcontrole

Controleer je eigen toegangslog

Plak honderd regels. Elke crawlerclaim daarin wordt gecontroleerd tegen wat de beheerder publiceert.

FAQ

Vragen die deze lijst beantwoordt

Welke AI-crawlers negeren robots.txt?

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.

Hoe controleer je of een AI-crawler echt is?

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.

Is de user-agentstring genoeg om een crawler te herkennen?

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.

Haalt het blokkeren van een trainingscrawler mijn content uit het model?

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.

Wat is het verschil tussen een trainingscrawler en een AI-zoekcrawler?

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.

Open data

Deze dataset citeren

Alle 153 rijen, onder CC BY 4.0. Bijgewerkt op .

IPScanner (2026). Overzicht van AI-crawlers. https://ipscanner.io/bot. CC BY 4.0.

    AI-crawlerlijst: 153 user agents van bots, IP-adressen en robots.txt | IPScanner