訓練用爬蟲
AI2Bot 是由 Ai2 營運的機械人，會收集用於訓練 AI 模型的網頁。探索「若干網域」以尋找網頁內容。據文件記載，此機械人遵守 robots.txt，但營運者並未公布 IP 範圍清單或反向 DNS 規則，因此無法證明帶有此 user agent 的請求是否真實。
請求聲稱
"AI2Bot"
核對依據
未有公佈
即時檢查
AI2Bot 沒有營運者提供的驗證方法。此處仍會顯示該地址的真實身分。
參考資料
| User agent | AI2Bot僅為標記：以子字串比對。 |
|---|---|
| 營運者 | Ai2 |
| 用途 | 內容用於訓練開放語言模型。 |
| 遵守 robots.txt | 遵守 |
| 驗證方法 | 僅憑聲稱未有公布，僅有 user agent Ai2 有記錄此爬蟲及退出方法，但沒有公佈地址清單。其收集的內容會用於開放的 OLMo 及 Dolma 數據集，因此在此封鎖不但會令網站從模型中移除，亦會令網站從公開研究語料庫中移除。 |
| 爬取模式 | 未公布 |
| robots.txt 標記 | AI2BotAi2Bot-Dolma |
| 營運者文件 | https://allenai.org/crawler |
探索「若干網域」以尋找網頁內容。
robots.txt
選擇其中一項，貼到網域根目錄。規則按標記分別設定。
User-agent: AI2Bot
User-agent: Ai2Bot-Dolma
Disallow: /User-agent: AI2Bot
User-agent: Ai2Bot-Dolma
Allow: /User-agent: AI2Bot
User-agent: Ai2Bot-Dolma
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /search請修改 Disallow 路徑，使其符合你的網址。
FAQ
AI2Bot 是由 Ai2 營運的機械人，會收集用於訓練 AI 模型的網頁。探索「若干網域」以尋找網頁內容。據文件記載，此機械人遵守 robots.txt，但營運者並未公布 IP 範圍清單或反向 DNS 規則，因此無法證明帶有此 user agent 的請求是否真實。
是。營運者的文件說明 AI2Bot 會讀取 robots.txt，並遵守針對其標記的 Disallow 規則。規則會在下次擷取該檔案時生效，可能是發布後數小時或數天。
無法核實，至少無法單憑請求本身核實。Ai2 有記錄此爬蟲及退出方法，但沒有公佈地址清單。其收集的內容會用於開放的 OLMo 及 Dolma 數據集，因此在此封鎖不但會令網站從模型中移除，亦會令網站從公開研究語料庫中移除。建議改為將來源 IP 與託管及數據中心 IP 範圍比對，並對任何行為類似爬蟲的流量實施速率限制。
在 robots.txt 中為以下 user agent 標記（AI2Bot, Ai2Bot-Dolma）加入 Disallow: /。如該爬蟲不遵守 robots.txt，請改為在 CDN 或反向代理伺服器比對 user agent，並在該處回傳 403。
封鎖 AI2Bot 可使你的網頁不被納入下一輪訓練。此舉不會刪除已收集的內容，亦不會影響網站在一般搜尋中的排名。