IPScanner

AI 爬蟲目錄

所有 AI 爬蟲，以及如何辨別其真偽

各 AI 爬蟲由誰營運、會發送甚麼內容，以及使用其名稱的請求能否證實身份。

robots.txt 產生器

僅屬聲稱

78%

153 個爬蟲標記中，有 119 個沒有公開任何核實請求的方法。

可核實僅屬聲稱
34
可以核實
9
不遵守 robots.txt
90
沒有 robots.txt 政策

資料取自 ai.robots.txt 清單及營運者文件，並已與各營運者公佈的資料核對。更新於 。

訓練用爬蟲

21

為模型的訓練語料庫收集網頁。封鎖這類爬蟲是退出 AI 訓練的常見做法。

訓練用爬蟲：user agent 標記、營運者、驗證方式及其 robots.txt 政策
AI2BotAi2Bot-DolmaAi2僅憑聲稱robots.txt:遵守
anthropic-aiAnthropicIP 範圍robots.txt:未有政策
Applebot-ExtendedApple僅有標記robots.txt:遵守
BytespiderByteDance僅憑聲稱robots.txt:忽略
ClaudeBotAnthropicIP 範圍robots.txt:遵守
cohere-aiCohere僅憑聲稱robots.txt:未有政策
CotoyogiROIS僅憑聲稱robots.txt:遵守
DeepSeekBotDeepSeek僅憑聲稱robots.txt:忽略
FacebookBotMeta/Facebook營運商 ASNrobots.txt:遵守
Factset_spyderbotFactset僅憑聲稱robots.txt:未有政策
FriendlyCrawlerUnknown僅憑聲稱robots.txt:遵守
Google-ExtendedGoogle僅有標記robots.txt:遵守
GPTBotOpenAIIP 範圍robots.txt:遵守
ICC-CrawlerNICT僅憑聲稱robots.txt:遵守
img2datasetimg2dataset僅憑聲稱robots.txt:未有政策
ISSCyberRiskCrawlerISS-Corporate僅憑聲稱robots.txt:忽略
Linguee BotLinguee僅憑聲稱robots.txt:忽略
Meta-ExternalAgentmeta-externalagentMeta營運商 ASNrobots.txt:遵守
ScrapyZyte僅憑聲稱robots.txt:未有政策
Sidetrade indexer botSidetrade僅憑聲稱robots.txt:未有政策
TikTokSpiderByteDance僅憑聲稱robots.txt:未有政策

助理擷取程式

26

因用戶向助理查詢某個網頁而擷取該網頁。部分擷取程式會略過 robots.txt。

助理擷取程式：user agent 標記、營運者、驗證方式及其 robots.txt 政策
AI2Bot-DeepResearchEvalAi2, a non-profit AI research institute僅憑聲稱robots.txt:未有政策
amazon-QBusinessAmazon Web Services僅憑聲稱robots.txt:未有政策
Amzn-UserAmazon反向 DNSrobots.txt:未有政策
bigsur.ai未識別僅憑聲稱robots.txt:未有政策
ChatGPT-UserOpenAIIP 範圍robots.txt:遵守
Claude-UserAnthropicIP 範圍robots.txt:遵守
DuckAssistBot未識別IP 範圍robots.txt:遵守
GeistHaus-PageFetcher未識別僅憑聲稱robots.txt:未有政策
Gemini-Deep-ResearchGoogle僅憑聲稱robots.txt:未有政策
Google-NotebookLMNotebookLMGoogleIP 範圍robots.txt:未有政策
GoogleAgent-URLContextGoogle僅憑聲稱robots.txt:未有政策
kagi-fetcher未識別僅憑聲稱robots.txt:未有政策
Kimi-UserMoonshot AI僅憑聲稱robots.txt:未有政策
KlaviyoAIBotKlaviyo僅憑聲稱robots.txt:遵守
LinerBot未識別僅憑聲稱robots.txt:未有政策
Meta-ExternalFetchermeta-externalfetcherMeta營運商 ASNrobots.txt:忽略
MistralAI-UserMistralAI-User/1.0Mistral僅憑聲稱robots.txt:未有政策
Perplexity-UserPerplexityIP 範圍robots.txt:忽略
PhindBotphind僅憑聲稱robots.txt:未有政策
Poggio-Citations未識別僅憑聲稱robots.txt:未有政策
QualifiedBotQualified僅憑聲稱robots.txt:未有政策
SemrushBot-SWASemrush僅憑聲稱robots.txt:遵守
Shap-UserParallel僅憑聲稱robots.txt:未有政策
TongyiBotAlibaba僅憑聲稱robots.txt:未有政策
UseAI未識別僅憑聲稱robots.txt:未有政策
YiyanBotBaidu that fetches web content for the yiyan僅憑聲稱robots.txt:未有政策

自主代理程式

18

操控瀏覽器執行多步驟任務，方式與真人瀏覽相近。

自主代理程式：user agent 標記、營運者、驗證方式及其 robots.txt 政策
AmazonBuyForMeAmazon僅憑聲稱robots.txt:未有政策
Aranet-SearchBot未識別僅憑聲稱robots.txt:未有政策
ChatGPT AgentOpenAIIP 範圍robots.txt:遵守
Claude-WebAnthropicIP 範圍robots.txt:未有政策
Crawl4AICrawl4AI (open source)僅憑聲稱robots.txt:未有政策
Google-AgentGoogle僅憑聲稱robots.txt:遵守
Google-CloudVertexBotCloudVertexBotGoogleIP 範圍robots.txt:遵守
GoogleAgent-MarinerGoogle僅憑聲稱robots.txt:未有政策
iAskBotiaskspider, iaskspider/2.0iAsk僅憑聲稱robots.txt:未有政策
KunatoCrawler未識別僅憑聲稱robots.txt:未有政策
Manus-UserButterfly Effect, a company based in China僅憑聲稱robots.txt:未有政策
NagetBot未識別僅憑聲稱robots.txt:未有政策
newsai未識別僅憑聲稱robots.txt:未有政策
NovaActAmazon僅憑聲稱robots.txt:未有政策
OperatorOpenAIIP 範圍robots.txt:未有政策
ReflectionbotReflection僅憑聲稱robots.txt:未有政策
TwinAgent未識別僅憑聲稱robots.txt:未有政策
WRTNBotWrtn Technologies僅憑聲稱robots.txt:未有政策

編程代理程式

7

在 AI 編寫程式碼時擷取文件和範例，通常從開發人員的電腦發出請求。

編程代理程式：user agent 標記、營運者、驗證方式及其 robots.txt 政策
Claude-CodeAnthropicIP 範圍robots.txt:未有政策
CodeGitHub Copilot僅憑聲稱robots.txt:未有政策
CursorCursor僅憑聲稱robots.txt:未有政策
DevinDevin AI僅憑聲稱robots.txt:遵守
Google-Gemini-CLIGoogle僅憑聲稱robots.txt:未有政策
opencodeopencode (open source)僅憑聲稱robots.txt:未有政策
TraeByteDance僅憑聲稱robots.txt:未有政策

數據集建構程式

40

將網頁收集成數據集，這些數據集可能會被重用、授權或分享。

數據集建構程式：user agent 標記、營運者、驗證方式及其 robots.txt 政策
AgentTimesThe Agent Times僅憑聲稱robots.txt:未有政策
aiHitBotaiHit僅憑聲稱robots.txt:遵守
ApifyBot未識別僅憑聲稱robots.txt:未有政策
ApifyWebsiteContentCrawler未識別僅憑聲稱robots.txt:未有政策
AwarioAwario僅憑聲稱robots.txt:未有政策
bedrockbotAmazon僅憑聲稱robots.txt:遵守
BravebotBrave僅憑聲稱robots.txt:遵守
BrightbotBrightbot 1.0未識別僅憑聲稱robots.txt:未有政策
CCBotCommon Crawl Foundation僅憑聲稱robots.txt:遵守
ChatGLM-SpiderZhipu AI僅憑聲稱robots.txt:未有政策
cohere-training-data-crawlerCohere僅憑聲稱robots.txt:未有政策
CragCrawler未識別僅憑聲稱robots.txt:未有政策
CrawlspaceCrawlspace僅憑聲稱robots.txt:遵守
Datenbank CrawlerDatenbank僅憑聲稱robots.txt:未有政策
DiffbotDiffbot僅憑聲稱robots.txt:未有政策
Echobot BotEchobox僅憑聲稱robots.txt:未有政策
ExaBotExa僅憑聲稱robots.txt:未有政策
FirecrawlAgentFirecrawl僅憑聲稱robots.txt:遵守
HenkBot未識別僅憑聲稱robots.txt:未有政策
imageSpider未識別僅憑聲稱robots.txt:未有政策
Kangaroo BotKangaroo LLM僅憑聲稱robots.txt:未有政策
laion-huggingface-processorLAION僅憑聲稱robots.txt:未有政策
LAIONDownloaderLarge-scale Artificial Intelligence Open Network僅憑聲稱robots.txt:忽略
LCC未識別僅憑聲稱robots.txt:未有政策
Lightpanda未識別僅憑聲稱robots.txt:未有政策
Mozilla-TabstackMozilla僅憑聲稱robots.txt:遵守
MyCentralAIScraperBot未識別僅憑聲稱robots.txt:未有政策
netEstate Imprint CrawlernetEstate僅憑聲稱robots.txt:未有政策
omgiliomgilibotWebz.io僅憑聲稱robots.txt:遵守
PanguBotthe Chinese company Huawei僅憑聲稱robots.txt:未有政策
QueritBotQuerit-SearchBotQuerit僅憑聲稱robots.txt:未有政策
SemrushBot-OCOBSemrush僅憑聲稱robots.txt:遵守
ShapBotParallel僅憑聲稱robots.txt:遵守
Spider未識別僅憑聲稱robots.txt:未有政策
TavilyBotTavily僅憑聲稱robots.txt:未有政策
TerraCottaTerra CottaCeramic AI僅憑聲稱robots.txt:遵守
VelenPublicWebCrawlerVelen Crawler僅憑聲稱robots.txt:遵守
WARDBotWEBSPARK僅憑聲稱robots.txt:未有政策
Webzio-Extendedwebzio-extended未識別僅憑聲稱robots.txt:未有政策
YandexAdditionalYandexAdditionalBotYandex反向 DNSrobots.txt:遵守

其他自動化爬蟲

12

用於 AI 工作流程但不屬於上述任何類別的機械人。

其他自動化爬蟲：user agent 標記、營運者、驗證方式及其 robots.txt 政策
BuddyBotBuddyBotLearning僅憑聲稱robots.txt:未有政策
EchoboxBotEchobox僅憑聲稱robots.txt:未有政策
facebookexternalhitMeta/Facebook營運商 ASNrobots.txt:忽略
Google-FirebaseGoogle僅憑聲稱robots.txt:未有政策
OpenAIOpenAIIP 範圍robots.txt:遵守
Panscientpanscient.comPanscient僅憑聲稱robots.txt:遵守
Poseidon Research CrawlerPoseidon Research僅憑聲稱robots.txt:未有政策
QuillBotquillbot.comQuillbot僅憑聲稱robots.txt:未有政策
SBIntuitionsBotSB Intuitions僅憑聲稱robots.txt:遵守
ThinkbotThinkbot僅憑聲稱robots.txt:忽略
wpbotQuantumCloud僅憑聲稱robots.txt:未有政策
YaKMeltwater僅憑聲稱robots.txt:未有政策

robots.txt

一次封鎖所有 AI 爬蟲

每個標記一條規則，包括別名。其中 9 個會無視此檔案，因此應配合邊緣規則使用。

封鎖全部 153 個爬蟲
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: /

日誌檢查

檢查你的存取日誌

貼上一百行日誌。當中每項爬蟲聲稱都會與其營運者公佈的資料核對。

FAQ

本目錄解答的問題

哪些 AI 爬蟲會無視 robots.txt？

本目錄所列的 153 個標記中，有 9 個有記錄顯示會無視 robots.txt：Bytespider, DeepSeekBot, facebookexternalhit, ISSCyberRiskCrawler, LAIONDownloader, Linguee Bot, Meta-ExternalFetcher, Perplexity-User, Thinkbot。另有 90 個未有公佈任何相關政策，但這並不等於承諾會遵守。對於這些爬蟲，robots.txt 規則只是請求，邊緣規則才是強制執行。

如何驗證 AI 爬蟲是否真實？

應檢查來源 IP，而非 user agent。可供檢查的依據有三種：公佈的 IP 範圍檔案、經正向確認的反向 DNS 命名慣例，或營運者的 ASN。本目錄的 153 個標記中，只有 34 個公佈了其中任何一項；其餘的則無從核對。

僅憑 user agent 字串足以識別爬蟲嗎？

不足夠。user agent 是由客戶端自行設定的標頭，任何人都可以發送。抓取工具正是因為網站擁有者會放行知名爬蟲，才複製它們的字串。應將 user agent 視為聲稱，將 IP 視為證據。

封鎖訓練用爬蟲，能否將我的內容從模型中移除？

不能。封鎖只會阻止日後的抓取，不會刪除已收集的內容，對模型已學習的內容亦無影響。封鎖亦不會改變網站在一般搜尋中的排名。

訓練用爬蟲與 AI 搜尋爬蟲有何分別？

訓練用爬蟲收集的網頁會納入模型的訓練語料庫。AI 搜尋爬蟲則建立答案引擎引用來源時所用的索引。大多數發佈者所指的退出，是封鎖前者；封鎖後者則會令你從答案中消失。

開放數據

引用此數據集

全部 153 行，以 CC BY 4.0 授權。更新於 。

agents.jsonagents.csv

IPScanner（2026）。AI 爬蟲目錄。 https://ipscanner.io/bot. CC BY 4.0.

    AI 爬蟲目錄：153 個機械人 user agent、IP 與 robots.txt | IPScanner