數據集建構程式
PanguBot 是由 the Chinese company Huawei 營運的機械人，會將網頁爬取至數據集，而該數據集可能會被重用或與第三方共享。PanguBot 是由中國公司 Huawei 營運的網絡爬蟲，用於下載其多模態 LLM（大型語言模型）PanGu 的訓練資料。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
"PanguBot"
核對依據
未有公佈
即時檢查
PanguBot 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 | PanguBot僅為標記：以子字串比對。 |
|---|---|
| 營運者 | the Chinese company Huawei |
| 用途 | 數據集建構程式 |
| 遵守 robots.txt | 未有政策 |
| 驗證方法 | 僅憑聲稱未有公布，僅有 user agent 此代理沒有公佈 IP 範圍檔案，亦沒有反向 DNS 命名慣例。user agent 字串是唯一的識別依據，而任何客戶端都可以發送該字串，因此即使字串相符，亦只應視為對方的聲稱，而非證明。 |
| 爬取模式 | 未公布 |
| robots.txt 標記 | PanguBot |
| 營運者文件 | 未有公布 |
PanguBot 是由中國公司 Huawei 營運的網絡爬蟲，用於下載其多模態 LLM（大型語言模型）PanGu 的訓練資料。
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: PanguBot
Disallow: /User-agent: PanguBot
Allow: /User-agent: PanguBot
Allow: /
Disallow: /account/
Disallow: /checkout/
Disallow: /search請修改 Disallow 路徑，使其符合你的網址。
FAQ
PanguBot 是由 the Chinese company Huawei 營運的機械人，會將網頁爬取至數據集，而該數據集可能會被重用或與第三方共享。PanguBot 是由中國公司 Huawei 營運的網絡爬蟲，用於下載其多模態 LLM（大型語言模型）PanGu 的訓練資料。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。
未有文件記載。營運者並無說明 PanguBot 是否讀取 robots.txt，因此請加入規則，並在日誌中確認請求確實停止。
無法核實，至少無法單憑請求本身核實。此代理沒有公佈 IP 範圍檔案，亦沒有反向 DNS 命名慣例。user agent 字串是唯一的識別依據，而任何客戶端都可以發送該字串，因此即使字串相符，亦只應視為對方的聲稱，而非證明。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 PanguBot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 PanguBot 可使你的網頁不被納入其日後爬取所建立的數據集。此舉不會刪除先前已收集的內容，而各營運者使用或共享數據的方式各有不同，請查閱其政策。