IPScanner

AI 爬虫目录

所有 AI 爬虫，以及如何辨别真伪

每个 AI 爬虫由谁运营、发送什么内容，以及使用其名称的请求能否得到证实。

robots.txt 生成器

仅声明

78%

153 个爬虫标识中，有 119 个未公布任何验证请求的方法。

可验证仅声明
34
可以验证
9
忽略 robots.txt
90
无 robots.txt 策略

数据来自 ai.robots.txt 列表 和运营方文档，并已对照各运营方公布的信息核实。更新于 。

训练爬虫

21

为模型的训练语料库采集网页。屏蔽这类爬虫是常见的 AI 退出方式。

训练爬虫：user agent 标识、运营方、验证方式及其 robots.txt 策略
AI2BotAi2Bot-DolmaAi2仅自称robots.txt:遵守
anthropic-aiAnthropicIP 段robots.txt:未声明
Applebot-ExtendedApple仅标识robots.txt:遵守
BytespiderByteDance仅自称robots.txt:忽略
ClaudeBotAnthropicIP 段robots.txt:遵守
cohere-aiCohere仅自称robots.txt:未声明
CotoyogiROIS仅自称robots.txt:遵守
DeepSeekBotDeepSeek仅自称robots.txt:忽略
FacebookBotMeta/Facebook运营方 ASNrobots.txt:遵守
Factset_spyderbotFactset仅自称robots.txt:未声明
FriendlyCrawlerUnknown仅自称robots.txt:遵守
Google-ExtendedGoogle仅标识robots.txt:遵守
GPTBotOpenAIIP 段robots.txt:遵守
ICC-CrawlerNICT仅自称robots.txt:遵守
img2datasetimg2dataset仅自称robots.txt:未声明
ISSCyberRiskCrawlerISS-Corporate仅自称robots.txt:忽略
Linguee BotLinguee仅自称robots.txt:忽略
Meta-ExternalAgentmeta-externalagentMeta运营方 ASNrobots.txt:遵守
ScrapyZyte仅自称robots.txt:未声明
Sidetrade indexer botSidetrade仅自称robots.txt:未声明
TikTokSpiderByteDance仅自称robots.txt:未声明

助手抓取器

26

因用户向助手询问某个网页而抓取该网页。部分抓取器会忽略 robots.txt。

助手抓取器：user agent 标识、运营方、验证方式及其 robots.txt 策略
AI2Bot-DeepResearchEvalAi2, a non-profit AI research institute仅自称robots.txt:未声明
amazon-QBusinessAmazon Web Services仅自称robots.txt:未声明
Amzn-UserAmazon反向 DNSrobots.txt:未声明
bigsur.ai未识别仅自称robots.txt:未声明
ChatGPT-UserOpenAIIP 段robots.txt:遵守
Claude-UserAnthropicIP 段robots.txt:遵守
DuckAssistBot未识别IP 段robots.txt:遵守
GeistHaus-PageFetcher未识别仅自称robots.txt:未声明
Gemini-Deep-ResearchGoogle仅自称robots.txt:未声明
Google-NotebookLMNotebookLMGoogleIP 段robots.txt:未声明
GoogleAgent-URLContextGoogle仅自称robots.txt:未声明
kagi-fetcher未识别仅自称robots.txt:未声明
Kimi-UserMoonshot AI仅自称robots.txt:未声明
KlaviyoAIBotKlaviyo仅自称robots.txt:遵守
LinerBot未识别仅自称robots.txt:未声明
Meta-ExternalFetchermeta-externalfetcherMeta运营方 ASNrobots.txt:忽略
MistralAI-UserMistralAI-User/1.0Mistral仅自称robots.txt:未声明
Perplexity-UserPerplexityIP 段robots.txt:忽略
PhindBotphind仅自称robots.txt:未声明
Poggio-Citations未识别仅自称robots.txt:未声明
QualifiedBotQualified仅自称robots.txt:未声明
SemrushBot-SWASemrush仅自称robots.txt:遵守
Shap-UserParallel仅自称robots.txt:未声明
TongyiBotAlibaba仅自称robots.txt:未声明
UseAI未识别仅自称robots.txt:未声明
YiyanBotBaidu that fetches web content for the yiyan仅自称robots.txt:未声明

自主代理

18

操控浏览器完成多步骤任务，与人工浏览会话十分相似。

自主代理：user agent 标识、运营方、验证方式及其 robots.txt 策略
AmazonBuyForMeAmazon仅自称robots.txt:未声明
Aranet-SearchBot未识别仅自称robots.txt:未声明
ChatGPT AgentOpenAIIP 段robots.txt:遵守
Claude-WebAnthropicIP 段robots.txt:未声明
Crawl4AICrawl4AI (open source)仅自称robots.txt:未声明
Google-AgentGoogle仅自称robots.txt:遵守
Google-CloudVertexBotCloudVertexBotGoogleIP 段robots.txt:遵守
GoogleAgent-MarinerGoogle仅自称robots.txt:未声明
iAskBotiaskspider, iaskspider/2.0iAsk仅自称robots.txt:未声明
KunatoCrawler未识别仅自称robots.txt:未声明
Manus-UserButterfly Effect, a company based in China仅自称robots.txt:未声明
NagetBot未识别仅自称robots.txt:未声明
newsai未识别仅自称robots.txt:未声明
NovaActAmazon仅自称robots.txt:未声明
OperatorOpenAIIP 段robots.txt:未声明
ReflectionbotReflection仅自称robots.txt:未声明
TwinAgent未识别仅自称robots.txt:未声明
WRTNBotWrtn Technologies仅自称robots.txt:未声明

编程代理

7

在 AI 编写代码时拉取文档和示例，通常从开发者的电脑上发起。

编程代理：user agent 标识、运营方、验证方式及其 robots.txt 策略
Claude-CodeAnthropicIP 段robots.txt:未声明
CodeGitHub Copilot仅自称robots.txt:未声明
CursorCursor仅自称robots.txt:未声明
DevinDevin AI仅自称robots.txt:遵守
Google-Gemini-CLIGoogle仅自称robots.txt:未声明
opencodeopencode (open source)仅自称robots.txt:未声明
TraeByteDance仅自称robots.txt:未声明

数据集构建器

40

将网页收集到数据集中，这些数据集可能被重复使用、授权或共享。

数据集构建器：user agent 标识、运营方、验证方式及其 robots.txt 策略
AgentTimesThe Agent Times仅自称robots.txt:未声明
aiHitBotaiHit仅自称robots.txt:遵守
ApifyBot未识别仅自称robots.txt:未声明
ApifyWebsiteContentCrawler未识别仅自称robots.txt:未声明
AwarioAwario仅自称robots.txt:未声明
bedrockbotAmazon仅自称robots.txt:遵守
BravebotBrave仅自称robots.txt:遵守
BrightbotBrightbot 1.0未识别仅自称robots.txt:未声明
CCBotCommon Crawl Foundation仅自称robots.txt:遵守
ChatGLM-SpiderZhipu AI仅自称robots.txt:未声明
cohere-training-data-crawlerCohere仅自称robots.txt:未声明
CragCrawler未识别仅自称robots.txt:未声明
CrawlspaceCrawlspace仅自称robots.txt:遵守
Datenbank CrawlerDatenbank仅自称robots.txt:未声明
DiffbotDiffbot仅自称robots.txt:未声明
Echobot BotEchobox仅自称robots.txt:未声明
ExaBotExa仅自称robots.txt:未声明
FirecrawlAgentFirecrawl仅自称robots.txt:遵守
HenkBot未识别仅自称robots.txt:未声明
imageSpider未识别仅自称robots.txt:未声明
Kangaroo BotKangaroo LLM仅自称robots.txt:未声明
laion-huggingface-processorLAION仅自称robots.txt:未声明
LAIONDownloaderLarge-scale Artificial Intelligence Open Network仅自称robots.txt:忽略
LCC未识别仅自称robots.txt:未声明
Lightpanda未识别仅自称robots.txt:未声明
Mozilla-TabstackMozilla仅自称robots.txt:遵守
MyCentralAIScraperBot未识别仅自称robots.txt:未声明
netEstate Imprint CrawlernetEstate仅自称robots.txt:未声明
omgiliomgilibotWebz.io仅自称robots.txt:遵守
PanguBotthe Chinese company Huawei仅自称robots.txt:未声明
QueritBotQuerit-SearchBotQuerit仅自称robots.txt:未声明
SemrushBot-OCOBSemrush仅自称robots.txt:遵守
ShapBotParallel仅自称robots.txt:遵守
Spider未识别仅自称robots.txt:未声明
TavilyBotTavily仅自称robots.txt:未声明
TerraCottaTerra CottaCeramic AI仅自称robots.txt:遵守
VelenPublicWebCrawlerVelen Crawler仅自称robots.txt:遵守
WARDBotWEBSPARK仅自称robots.txt:未声明
Webzio-Extendedwebzio-extended未识别仅自称robots.txt:未声明
YandexAdditionalYandexAdditionalBotYandex反向 DNSrobots.txt:遵守

其他自动化爬虫

12

AI 工作流中不属于以上任何类别的机器人。

其他自动化爬虫：user agent 标识、运营方、验证方式及其 robots.txt 策略
BuddyBotBuddyBotLearning仅自称robots.txt:未声明
EchoboxBotEchobox仅自称robots.txt:未声明
facebookexternalhitMeta/Facebook运营方 ASNrobots.txt:忽略
Google-FirebaseGoogle仅自称robots.txt:未声明
OpenAIOpenAIIP 段robots.txt:遵守
Panscientpanscient.comPanscient仅自称robots.txt:遵守
Poseidon Research CrawlerPoseidon Research仅自称robots.txt:未声明
QuillBotquillbot.comQuillbot仅自称robots.txt:未声明
SBIntuitionsBotSB Intuitions仅自称robots.txt:遵守
ThinkbotThinkbot仅自称robots.txt:忽略
wpbotQuantumCloud仅自称robots.txt:未声明
YaKMeltwater仅自称robots.txt:未声明

robots.txt

一次屏蔽所有 AI 爬虫

每个标识一条规则，包括别名。其中 9 个会忽略该文件，因此需配合边缘规则使用。

屏蔽全部 153 个爬虫
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: /

日志检查

检查你自己的访问日志

粘贴一百行日志。其中每个自称爬虫的请求都会对照其运营方公布的信息进行核验。

FAQ

本目录解答的问题

哪些 AI 爬虫会忽略 robots.txt？

此处列出的 153 个标识中，有 9 个有记录表明会忽略 robots.txt：Bytespider, DeepSeekBot, facebookexternalhit, ISSCyberRiskCrawler, LAIONDownloader, Linguee Bot, Meta-ExternalFetcher, Perplexity-User, Thinkbot。另有 90 个未公布任何相关政策，这并不等于承诺遵守。对于这些爬虫，robots.txt 规则只是请求，边缘规则才能强制执行。

如何验证 AI 爬虫是否真实？

检查来源 IP，而不是 user agent。可供核验的依据有三种：公开的 IP 段文件、经正向确认的反向 DNS 约定，或运营方的 ASN。此处 153 个标识中只有 34 个公布了其中任意一项；其余的没有可供比对的依据。

仅凭 user agent 字符串能识别爬虫吗？

不能。user agent 是由客户端自行设置的请求头，任何程序都可以发送。抓取程序之所以复制知名爬虫的字符串，正是因为网站所有者会放行这些爬虫。应把 user agent 视为声明，把 IP 视为证据。

屏蔽训练爬虫后，我的内容会从模型中移除吗？

不会。屏蔽只能阻止今后的抓取，不会删除已经收集的内容，也不影响模型已经学到的东西。它同样不会改变网站在普通搜索中的排名。

训练爬虫和 AI 搜索爬虫有什么区别？

训练爬虫收集的页面会进入模型的训练语料。AI 搜索爬虫构建的是答案引擎引用的索引。大多数发布者所说的“选择退出”是指屏蔽前者；屏蔽后者则会让你从答案中消失。

开放数据

引用本数据集

全部 153 行，采用 CC BY 4.0 许可。更新于 。

agents.jsonagents.csv

IPScanner（2026）。AI 爬虫目录。 https://ipscanner.io/bot. CC BY 4.0.

    AI 爬虫目录：153 个爬虫 user agent、IP 与 robots.txt | IPScanner