数据集构建器
PanguBot 是由 the Chinese company Huawei 运营的机器人，它会将网页抓取到数据集中，这些数据集可能被复用或与第三方共享。PanguBot 是由中国公司华为运营的网络爬虫，用于下载其多模态 LLM（大语言模型）PanGu 的训练数据。运营方未公布 IP 范围列表或反向 DNS 规则，因此无法证明带有此 user agent 的请求是真实的，仅靠 robots.txt 规则也无法阻止伪造请求。
请求声明
"PanguBot"
核验依据
未公布
实时检查
PanguBot 没有可供核验的运营方信息。此处仍会显示该地址的真实情况。
参考
| User agent | PanguBot仅为标识符：按子串匹配。 |
|---|---|
| 运营方 | the Chinese company Huawei |
| 用途 | 数据集构建器 |
| 是否遵守 robots.txt | 未声明 |
| 验证方法 | 仅自称未公布，仅凭 user agent 该代理尚未公布 IP 范围文件或反向 DNS 约定。user agent 字符串是唯一的识别依据，而任何客户端都可以发送该字符串，因此匹配结果只能视为一种声称，不能作为证明。 |
| 抓取模式 | 未公布 |
| robots.txt 标识符 | PanguBot |
| 运营方文档 | 未发布 |
PanguBot 是由中国公司华为运营的网络爬虫，用于下载其多模态 LLM（大语言模型）PanGu 的训练数据。
robots.txt
选择一项粘贴到域名根目录下。规则按标识符分别生效。
User-agent: PanguBot
Disallow: /User-agent: PanguBot
Allow: /User-agent: PanguBot
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /search请修改 Disallow 路径，使其与你自己的 URL 一致。
FAQ
PanguBot 是由 the Chinese company Huawei 运营的机器人，它会将网页抓取到数据集中，这些数据集可能被复用或与第三方共享。PanguBot 是由中国公司华为运营的网络爬虫，用于下载其多模态 LLM（大语言模型）PanGu 的训练数据。运营方未公布 IP 范围列表或反向 DNS 规则，因此无法证明带有此 user agent 的请求是真实的，仅靠 robots.txt 规则也无法阻止伪造请求。
无文档说明。运营方未说明 PanguBot 是否读取 robots.txt，因此请添加规则，并通过日志确认请求确实已停止。
无法验证，至少无法仅凭请求本身验证。该代理尚未公布 IP 范围文件或反向 DNS 约定。user agent 字符串是唯一的识别依据，而任何客户端都可以发送该字符串，因此匹配结果只能视为一种声称，不能作为证明。可改为将来源 IP 与托管和数据中心的 IP 范围进行比对，并对任何表现得像爬虫的流量进行限速。
在 robots.txt 中为 PanguBot 标识添加 Disallow: /。如果该爬虫不遵守 robots.txt，请在 CDN 或反向代理上匹配其 user agent 并返回 403。
屏蔽 PanguBot 可使你的网页不进入其通过后续抓取构建的数据集。它不会删除之前已收集的内容。各运营方使用或共享数据的方式不同，请查阅其政策。