Autonome agents
Crawl4AI is een bot van Crawl4AI (open source) die zelfstandig over het web surft om taken in meerdere stappen af te ronden. Crawl4AI is een opensource crawlerbibliotheek die pagina's omzet naar markdown voor LLM-pipelines. Er is geen lijst met IP-ranges of reverse DNS-conventie gepubliceerd. Je kunt dus niet bewijzen dat een verzoek met deze user agent echt is, en een regel in robots.txt alleen houdt een vervalsing niet tegen.
Verzoek meldt
"Crawl4AI"
Gecontroleerd aan de hand van
Niets gepubliceerd
Live check
Voor Crawl4AI bestaat geen check van de beheerder. Je ziet hier toch wat het adres echt is.
Referentie
| User agent | Crawl4AIAlleen token: match op de substring. |
|---|---|
| Beheerder | Crawl4AI (open source) |
| Doel | Autonome agents |
| Respecteert robots.txt | Geen beleid |
| Verificatiemethode | Alleen beweringNiets gepubliceerd, alleen user agent Opensource crawlerbibliotheek die wordt gebruikt om pagina's in LLM-pipelines in te voeren. Iedereen kan hem onder elke user agent draaien. Deze token is dus een beleefdheid en geen identiteit. |
| Crawlpatroon | Niet gepubliceerd |
| robots.txt-tokens | Crawl4AI |
| Documentatie van de beheerder | Niets gepubliceerd |
Crawl4AI is een opensource crawlerbibliotheek die pagina's omzet naar markdown voor LLM-pipelines. De token is wat de gebruiker ervan in de configuratie heeft laten staan.
robots.txt
Plak er een in de root van je domein. Regels gelden per token.
User-agent: Crawl4AI
Disallow: /User-agent: Crawl4AI
Allow: /User-agent: Crawl4AI
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /searchPas de Disallow-paden aan zodat ze overeenkomen met je eigen URL's.
Als je Crawl4AI blokkeert, stop je geautomatiseerde sessies die formulieren invullen, door processen klikken en pagina's lezen zoals een ingelogde gebruiker dat doet. Rate limits en challenges werken hier meestal beter dan een regel in robots.txt.
Maak een bestand voor alle crawlersFAQ
Crawl4AI is een bot van Crawl4AI (open source) die zelfstandig over het web surft om taken in meerdere stappen af te ronden. Crawl4AI is een opensource crawlerbibliotheek die pagina's omzet naar markdown voor LLM-pipelines. Er is geen lijst met IP-ranges of reverse DNS-conventie gepubliceerd. Je kunt dus niet bewijzen dat een verzoek met deze user agent echt is, en een regel in robots.txt alleen houdt een vervalsing niet tegen.
Niet gedocumenteerd. Geen enkele beheerder heeft verklaard of Crawl4AI robots.txt leest. Voeg de regel dus toe, maar controleer in je logs of de verzoeken echt stoppen.
Dat kan niet, in elk geval niet op basis van het verzoek zelf. Opensource crawlerbibliotheek die wordt gebruikt om pagina's in LLM-pipelines in te voeren. Iedereen kan hem onder elke user agent draaien. Deze token is dus een beleefdheid en geen identiteit. Vergelijk in plaats daarvan het bron-IP met hosting- en datacenterranges, en pas rate limiting toe op alles wat zich als een crawler gedraagt.
Voeg het token Crawl4AI toe aan robots.txt met Disallow: /. Negeert de crawler robots.txt, filter dan op de user agent in je CDN of reverse proxy en geef daar een 403 terug.
Als je Crawl4AI blokkeert, stop je geautomatiseerde sessies die formulieren invullen, door processen klikken en pagina's lezen zoals een ingelogde gebruiker dat doet. Rate limits en challenges werken hier meestal beter dan een regel in robots.txt.