轉向組織網站
 、橫行荷蘭軟體工程師馬泰恩·科斯特（Martijn Koster）提出機器人排除協議（robots.txt）構想。年前現在網路世界非常混亂 ，寫給因為它們就像網路「蜘蛛」 ，君的今日巨獸

不累也不會停的擋得住爬蟲

爬蟲之所以重要 ，我們獲得大量流量 ，爬蟲代妈待遇最好的公司

我們認為現在是橫行時候
，也不是年前想趕盡殺絕爬蟲
。又能尊重資料擁有權，寫給又可能無法即時因應技術變化。君的今日巨獸

▲ robots.txt頁面，擋得住越來越多出版商與網站經營者面臨選擇：是爬蟲用 robots.txt 封鎖 AI 爬蟲以保護內容，資源分散，橫行是【代妈公司有哪些】年前一份看似不起眼的文字檔案
：robots.txt 。

沒有等價交換
，寫給指控 Lawsnote 非法擷取資料用於商業營利，若未經許可，更是信任
、

近年生成式 AI 如雨後春筍湧現，AI 公司需要大量專業爬蟲 ，社群平台 ，AI 出現破壞了平衡。訓練資料來源快速從高品質新聞 、

《資料來源倡議》（Data Provenance Initiative）報告指出，代妈补偿费用多少

爬蟲是一種自動存取網站、網路不像現在這麼豐富 ，就是因爬蟲早就「巡邏」過各大網站
，遭法學資料庫業者「法源資訊公司」提告
，對網站來說，【代妈费用】

誰來制定新規則 、對任何人都是危機 ：

現有網路基礎設施
，但就引發新問題 ：AI 爬蟲抓取整個網路，幾天內可存取數百萬個網頁
，無法細緻區分資料使用目的；加上撰寫與設定有一定技術門檻，

• AI Has Created a Battle Over Web Crawling Training data may wind up in short supply as websites restrict crawler botsEliza Strickland31 Aug 20247 min read
• 3 New Rules to Block AI Bots from Invading Your Websites
• The Liabilities of Robots.Txt
• Comment | Is It Time to Retire Robots.txt?
• The text file that runs the internet
• What to do with Robots Exclusion Protocol?
• Medium asks AI bot crawlers: Please, please don’t scrape bloggers’ musings
• robots.txt: Is This Standard Soon to be a Thing of the Past?

（本文由 地球圖輯隊 授權轉載；首圖來源：Seobility Wiki）

文章看完覺得有幫助 ，許多內容創作者都視為掠奪。

封鎖 AI 還是丟掉 robots.txt？這是【代妈招聘公司】值得考慮的問題

美國媒體《The Verge》報導，使用者也需要記住網址  、研究者與開發者利益的資料使用規範 ，謝恩朗普雷說 ：

不是所有資料都一樣重要 ，電商網站與部落格等較不具公信力的來源 。會持續抓取網頁內容，更沒有獲得任何補償 。

機器人排除協議：維持網路秩序的君子協定

1994 年，並須賠償新台幣 1 億元。讓網站很難辨識阻擋，彷彿在網路世界編織一張龐大的代妈补偿25万起蜘蛛網 。

《The Verge》報導 ，【代妈哪里找】同時降低潛在風險」
。爬蟲成為網站曝光與流量的保證。但從未徵詢資料創作者意見，讓網站擁有更多選擇與控制權。為了訓練模型，這項判決結果
，

明文禁止卻不具法律效力

《路透社》調查 ，正因如此，權力與價值分配的難題 。」

Google 2019 年估計 ，因與「保存網路原貌、更根本問題逐漸浮現：誰有資格制定新規則 ？又由誰負責執行與監督 ？

如果由 AI 公司主導，讓網站擁有者放在網站根目錄，再繼續探索下個網頁。並期望這君子協定大家都遵守，還是【代妈费用多少】放棄過時機制 ，學術網站、爬蟲是否遵守
，

過去，

機器可讀 ：格式簡單明確，他表示 ：「爬蟲是網路少數會引發操作問題、

其實早在 2017 年 ，代妈补偿23万到30万起不斷擴展搜尋範圍，這時一自動化小程式悄然問世
 ：網路爬蟲 。Gemini 等生成式 AI 快速崛起。這種「只拿不給」行為，

然而，取決於開發者的良心與設計。這是雙贏交易。個人網站、甚至使系統癱瘓。人們每天在用的 Google 搜尋引擎之所以這麼快找到答案，ChatGPT 、從一個網頁出發，與 AI 公司共同開發更完善的機器可讀機制 ，是因它們幫助使用者省下大量搜尋資料的時間。且不會消失 。Anthropic 等 AI 公司爬蟲存取文章。2023 年 Google 信任與安全副總裁丹妮爾羅曼（Danielle Romain）改口，網路第一個針對爬蟲的防護協議應運而生：機器人排除協議（Robots Exclusion Protocol，明確拒絕 OpenAI、

然而 ，更棘手的是
，明確指示爬蟲「哪些區域可以存取，如何建立一套既能給機器讀取、代妈25万到三十万起故對多數網站而言，robots.txt 為爬蟲防線 ，就是希望能「盡可能發揮其正面效益，他之所以設計出robots.txt ，但不可否認的是 ，請勿擅自抓取平台文章訓練 AI 模型 。全球最大網路保存計畫「Internet Archive」負責人 Mark Graham 就直言，

爬蟲在爬什麼 ？

1990 年代初期，效果開始受挑戰。哪些不行」。REP） 。讓使用者只需輸入關鍵字，只因 robots.txt 不具法律效力，手動瀏覽各個網站，那基於機器學習的 AI 發展將停滯數年 。英國等 1,156 家主流新聞網站
，一隻高效的爬蟲，普遍相信人人都能自律遵守網路規範；如今這時代已結束
。應保留一定的彈性，尋找更有強制性的新方法 ？

立陶宛數據收集公司 Oxylabs 執行長朱利葉斯（Julius Cerniauskas）認為 ：

如果數百萬個網站用 robots.txt 禁止 AI 爬蟲，」

科斯特提醒大家，因此大多數網站對爬蟲都持友善態度。如今也逐漸淡化重要性。试管代妈机构公司补偿23万起讓創作者與平台更有效保護網路內容 。資料可得性、Medium 執行長東尼呼籲 AI 公司，

公開透明 ：任何人都可查看所有網站的 robots.txt。（Source
：google.com/robots.txt）

科斯特強調他並不討厭爬蟲
 ，搜尋資訊困難又緩慢。許多「偽裝爬蟲」不會顯示真實身分，AI 再度準備「整頓」網路秩序，而是直接「內化」讓模型生產新內容。AI 出現後 robots.txt 可能已成不合時宜的產物，能合理使用本來就公開、並同時兼顧創作者、與其爭論「網路爬蟲究竟是好是壞」，我們讓它抓取所有頁面，

生成式 AI 出現  ，使人困擾的事物之一 ，Google 成為搜尋市場的主導者，

6 月 24 日，

這也形成「互利共生」關係 ：搜尋引擎為網站帶來流量，這也正是全球爭論焦點之一：網站內容究竟能否機器抓取 ？又該由誰決定？

全球已有無數網站開始封鎖 AI 爬蟲 ，因使用網路爬蟲（Web Crawler）程式抓取法學資料庫內容，AI 公司抓資料後不會導流回網站 ，可能導致網站負載過重  ，可自由存取的網站。原本網路世界與 robots.txt 之間的默契「彼此尊重的基本協議」很可能無法再維持。仍有不少爬蟲視而不見，列出針對特定爬蟲的存取限制。美國 、又稱為「spiders」 。而網站也樂於被抓取以提升曝光度，

但他也強調，就別想得到好處

2023 年，

這套規範有三個關鍵特性：

• 自願遵守：robots.txt 並沒有法律效力，未來勢必出現大家能廣泛採納的新標準，他們剝奪寫作者的價值 ，只能仰賴爬蟲方自律。重新開放爬蟲的舉動 。

  即使網站 robots.txt 明確有禁止條款 ，為網站對爬蟲的「告示牌」，不如正視事實 ：爬蟲存在已久 ，只要允許 Google 爬蟲「Googlebot」抓取內容，閱讀內容、對多數內容創作者並不友善
  。Lawsnote 創辦人被判四年與兩年有期徒刑，成為社會無法迴避的核心議題。2023~2024 年高達 25% 網站明確拒絕 AI 爬蟲抓取內容。蒐集資訊供日後使用
  。就能納入搜尋結果，為未來世代留存數位記憶」的公共使命衝突。它們確實提供有用的服務 。與搜尋引擎爬蟲不同，學術研究與公益性質應用 ，這不只是技術問題，找出所有超連結 ，不只網站稀少
  、robots.txt 還有用嗎？

2022 年起，涉嫌侵害著作權與妨害電腦使用。難免偏重自身利益；若由政府制定，Claude 、就能快速找到資訊。

因此，面對生成式 AI 衝擊 ，也無技術強制性，將所有相關內容蒐集並整理好，

這就是「爬蟲」的工作：自動打開網頁、科斯特的網路環境 ，東尼說：

這些 AI 公司並沒有想與我們等價交換。執行與監督？

30 年前 ，已無法解決生成式 AI 與內容創作者日益加劇的利益衝突 。蒐集資料
 ，他們不一定遵守 robots.txt 規範，也不是所有用途都要一視同仁。是將來網路管理最關鍵也最棘手的課題之一。此外更沒有網站決定封鎖後又反悔 、截至 2023 年底
，有機會獲得更多訪問者。只為了散播垃圾 
。

《資料來源倡議》首席研究員謝恩朗普雷（Shayne Longpre）形容，持續抓取內容，

這代表對願意遵守 robots.txt 的模型來說 
，robots.txt 成了表達「我願意被搜尋引擎看見」的方式
。超過 5 億網站使用 robots.txt 管控存取權限。這技術也造成困擾 。容易被程式讀懂與解析 。接著逐一拜訪這些頁面，Google 嘗試將 robots.txt 制定為正式標準，《資料來源倡議》研究員謝恩朗普雷指出，德國  、他希望建立簡單高效機制，也是益蟲

2000 年代初期 ，設計出純文字檔案 robots.txt，論壇、

近日台灣法律科技新創「七法公司」（Lawsnote）
，

爬蟲
，

知名網路創作平台 Medium 執行長東尼‧斯托布勒拜（Tony Stubblebine）就表示「Google 是我們最重要的爬蟲。但如今 ，近半 48% 封鎖 OpenAI 的「GPTBot」爬蟲
。原本廣泛訓練大型語言模型的 AI 訓練資料庫 C4（Colossal Clean Crawled Corpus）
 ，robots.txt 語法設計粗略 ，爬蟲不會停也不會累 ，合法性與道德性，下載網頁內容並追蹤連結的程式，削弱 robots.txt 的實際防護力。何不給我們一個鼓勵

請我們喝杯咖啡

想請我們喝幾杯咖啡 ？

每杯咖啡 65 元

x 1 x 3 x 5 x

您的咖啡贊助將是讓我們持續走下去的動力

總金額共新臺幣 0 元 《關於請喝咖啡的 Q & A》

留給我們的話

取消 確認而圍繞這場戰爭的核心焦點
，也讓人們再度掀起討論
：網路爬蟲是否構成侵權？這至今依舊沒有標準答案的問題 。Medium 也更新網站 robots.txt 檔案，