訓練用爬蟲
Bytespider 是由 ByteDance 營運的機械人，會收集用於訓練 AI 模型的網頁。下載資料以訓練 LLM，包括 ChatGPT 的競爭產品。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，單靠 robots.txt 規則亦無法阻止偽冒請求。
請求聲稱
"Bytespider"
核對依據
未有公佈
即時檢查
Bytespider 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 | Bytespider僅為標記：以子字串比對。 |
|---|---|
| 營運者 | ByteDance |
| 用途 | LLM 訓練。 |
| 遵守 robots.txt | 忽略 |
| 驗證方法 | 僅憑聲稱未有公布，僅有 user agent ByteDance 沒有為 Bytespider 公布 IP 範圍或反向 DNS 規則，而且廣泛報道指它從無法反向解析至 ByteDance 的地址大量抓取網頁。速率限制比 robots.txt 規則更為可靠。 |
| 爬取模式 | 未公布 |
| robots.txt 標記 | Bytespider |
| 營運者文件 | 未有公布 |
下載資料以訓練 LLM，包括 ChatGPT 的競爭產品。
Bytespider 由 ByteDance 營運，其雲端服務 BytePlus 是許多網站在分析數據中看到的新加坡流量的來源網絡之一。 中國及新加坡機械人流量可區分雲端機械人與真實訪客。
robots.txt
根據文件記載，Bytespider 不遵守 robots.txt。請同時在 CDN 層面執行封鎖。
User-agent: Bytespider
Disallow: /User-agent: Bytespider
Allow: /User-agent: Bytespider
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /search請修改 Disallow 路徑，使其符合你的網址。
FAQ
Bytespider 是由 ByteDance 營運的機械人，會收集用於訓練 AI 模型的網頁。下載資料以訓練 LLM，包括 ChatGPT 的競爭產品。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，單靠 robots.txt 規則亦無法阻止偽冒請求。
根據網站擁有者的報告，Bytespider 未能可靠地遵守 robots.txt。請照樣加入規則，然後檢查日誌；如請求持續出現，則在網絡邊緣按 user agent 或來源位址封鎖。
無法核實，至少無法單憑請求本身核實。ByteDance 沒有為 Bytespider 公布 IP 範圍或反向 DNS 規則，而且廣泛報道指它從無法反向解析至 ByteDance 的地址大量抓取網頁。速率限制比 robots.txt 規則更為可靠。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 中為標記 Bytespider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 Bytespider 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。