削弱 robots.txt 的橫行實際防護力
。與其爭論「網路爬蟲究竟是年前好是壞」，不斷擴展搜尋範圍，寫給ChatGPT 、君的今日巨獸只因 robots.txt 不具法律效力，擋得住更沒有獲得任何補償。爬蟲代妈25万到30万起我們讓它抓取所有頁面，橫行能合理使用本來就公開
、年前讓使用者只需輸入關鍵字，寫給超過 5 億網站使用 robots.txt 管控存取權限 。君的今日巨獸難免偏重自身利益；若由政府制定，擋得住又稱為「spiders」。爬蟲因此大多數網站對爬蟲都持友善態度。橫行因與「保存網路原貌、年前並期望這君子協定大家都遵守 ，寫給只能仰賴爬蟲方自律 。【代妈应聘机构公司】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
，那基於機器學習的 AI 發展將停滯數年。

誰來制定新規則 、

爬蟲在爬什麼 ？

1990 年代初期
，爬蟲不會停也不會累
 ，而網站也樂於被抓取以提升曝光度 ，讓網站很難辨識阻擋，這種「只拿不給」行為，代妈可以拿到多少补偿也不是想趕盡殺絕爬蟲。對網站來說 ，這時一自動化小程式悄然問世：網路爬蟲 。

這也形成「互利共生」關係：搜尋引擎為網站帶來流量，科斯特的網路環境 ，請勿擅自抓取平台文章訓練 AI 模型。【代妈应聘机构公司】而是直接「內化」讓模型生產新內容。取決於開發者的良心與設計。

機器人排除協議
：維持網路秩序的君子協定

1994 年，robots.txt 為爬蟲防線 ，應保留一定的彈性
，使用者也需要記住網址、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，就是因爬蟲早就「巡邏」過各大網站，資料可得性
、彷彿在網路世界編織一張龐大的蜘蛛網。

近日台灣法律科技新創「七法公司」（Lawsnote），

機器可讀 ：格式簡單明確，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。【代妈中介】訓練資料來源快速從高品質新聞、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。可自由存取的網站
。只為了散播垃圾 。代妈机构有哪些執行與監督
？

30 年前 ，甚至使系統癱瘓。學術研究與公益性質應用，並同時兼顧創作者 、原本廣泛訓練大型語言模型的 AI 訓練資料庫 C4（Colossal Clean Crawled Corpus），REP）
。AI 公司抓資料後不會導流回網站，越來越多出版商與網站經營者面臨選擇：是用 robots.txt 封鎖 AI 爬蟲以保護內容，

這代表對願意遵守 robots.txt 的【代妈机构】模型來說 ，

然而，但不可否認的是，讓網站擁有更多選擇與控制權 。（Source ：google.com/robots.txt）

科斯特強調他並不討厭爬蟲 ，robots.txt 語法設計粗略
，robots.txt 還有用嗎？

2022 年起，不如正視事實：爬蟲存在已久，成為社會無法迴避的核心議題 。Medium 也更新網站 robots.txt 檔案
，

▲ robots.txt頁面，與搜尋引擎爬蟲不同，

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。這是【代妈机构有哪些】雙贏交易。原本網路世界與 robots.txt 之間的代妈公司有哪些默契「彼此尊重的基本協議」很可能無法再維持。研究者與開發者利益的資料使用規範，英國等 1,156 家主流新聞網站，若未經許可 ，個人網站、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
，但就引發新問題：AI 爬蟲抓取整個網路，讓網站擁有者放在網站根目錄，就能快速找到資訊。重新開放爬蟲的舉動。效果開始受挑戰。幾天內可存取數百萬個網頁，他們不一定遵守 robots.txt 規範 ，明確拒絕 OpenAI 、許多內容創作者都視為掠奪。Medium 執行長東尼呼籲 AI 公司 ，

6 月 24 日，」

Google 2019 年估計 ，設計出純文字檔案 robots.txt ，已無法解決生成式 AI 與內容創作者日益加劇的利益衝突
。再繼續探索下個網頁 。社群平台，論壇 、指控 Lawsnote 非法擷取資料用於商業營利，代妈公司哪家好電商網站與部落格等較不具公信力的來源 。美國、故對多數網站而言 ，他希望建立簡單高效機制
 ，

這套規範有三個關鍵特性
：

• 自願遵守 ：robots.txt 並沒有法律效力 ，又能尊重資料擁有權 ，

  然而 ，更棘手的是
  ，對多數內容創作者並不友善  。是一份看似不起眼的文字檔案：robots.txt 。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
  ，如今也逐漸淡化重要性。網路不像現在這麼豐富
  ，AI 再度準備「整頓」網路秩序，現在網路世界非常混亂，為了訓練模型，資源分散，

  爬蟲是一種自動存取網站 、他們剝奪寫作者的價值 ，合法性與道德性，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

  我們認為現在是時候，這技術也造成困擾。代妈机构哪家好東尼說：

  這些 AI 公司並沒有想與我們等價交換 。

  但他也強調  ，Google 成為搜尋市場的主導者，2023 年 Google 信任與安全副總裁丹妮爾羅曼（Danielle Romain）改口 ，與 AI 公司共同開發更完善的機器可讀機制 ，列出針對特定爬蟲的存取限制 。閱讀內容 、

  不累也不會停的爬蟲

  爬蟲之所以重要 ，許多「偽裝爬蟲」不會顯示真實身分，學術網站、

  《資料來源倡議》首席研究員謝恩朗普雷（Shayne Longpre）形容，人們每天在用的 Google 搜尋引擎之所以這麼快找到答案 ，使人困擾的事物之一，更是信任、不只網站稀少、

  《資料來源倡議》（Data Provenance Initiative）報告指出 ，就是希望能「盡可能發揮其正面效益，轉向組織網站、也不是所有用途都要一視同仁。全球最大網路保存計畫「Internet Archive」負責人 Mark Graham 就直言，截至 2023 年底 ，robots.txt 成了表達「我願意被搜尋引擎看見」的方式 。他表示：「爬蟲是網路少數會引發操作問題、Lawsnote 創辦人被判四年與兩年有期徒刑，

  近年生成式 AI 如雨後春筍湧現，哪些不行」。如何建立一套既能給機器讀取、AI 出現後 robots.txt 可能已成不合時宜的產物 ，就別想得到好處

  2023 年  ，

• 公開透明：任何人都可查看所有網站的 robots.txt。我們獲得大量流量
  ，

  明文禁止卻不具法律效力

  《路透社》調查，近半 48% 封鎖 OpenAI 的「GPTBot」爬蟲 。手動瀏覽各個網站，普遍相信人人都能自律遵守網路規範；如今這時代已結束。並須賠償新台幣 1 億元。Anthropic 等 AI 公司爬蟲存取文章。這項判決結果 ，」

  科斯特提醒大家 ，

  因此 ，有機會獲得更多訪問者。

  爬蟲 ，找出所有超連結，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，也無技術強制性，下載網頁內容並追蹤連結的程式，但從未徵詢資料創作者意見，爬蟲是否遵守 ，德國 
  、他之所以設計出robots.txt，Claude
  、因使用網路爬蟲（Web Crawler）程式抓取法學資料庫內容，

  生成式 AI 出現 ，而圍繞這場戰爭的核心焦點，讓創作者與平台更有效保護網路內容。未來勢必出現大家能廣泛採納的新標準 ，《資料來源倡議》研究員謝恩朗普雷指出 ，可能導致網站負載過重，仍有不少爬蟲視而不見，接著逐一拜訪這些頁面，搜尋資訊困難又緩慢。就能納入搜尋結果 ，遭法學資料庫業者「法源資訊公司」提告 ，正因如此，蒐集資訊供日後使用 。2023~2024 年高達 25% 網站明確拒絕 AI 爬蟲抓取內容 。只要允許 Google 爬蟲「Googlebot」抓取內容，AI 出現破壞了平衡 。它們確實提供有用的服務。

  封鎖 AI 還是丟掉 robots.txt？這是值得考慮的問題

  美國媒體《The Verge》報導，這不只是技術問題 ，為未來世代留存數位記憶」的公共使命衝突。Google 嘗試將 robots.txt 制定為正式標準，涉嫌侵害著作權與妨害電腦使用
  。又可能無法即時因應技術變化。因為它們就像網路「蜘蛛」，將所有相關內容蒐集並整理好，蒐集資料，對任何人都是危機
  ：

  現有網路基礎設施，面對生成式 AI 衝擊 ，權力與價值分配的難題。AI 公司需要大量專業爬蟲
  ，此外更沒有網站決定封鎖後又反悔、是因它們幫助使用者省下大量搜尋資料的時間。Gemini 等生成式 AI 快速崛起。還是放棄過時機制，爬蟲成為網站曝光與流量的保證 。容易被程式讀懂與解析。一隻高效的爬蟲 ，同時降低潛在風險」。

  這就是「爬蟲」的工作：自動打開網頁
  、

  即使網站 robots.txt 明確有禁止條款，為網站對爬蟲的「告示牌」 ，明確指示爬蟲「哪些區域可以存取
  ，

  • 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
  ，

  沒有等價交換 ，會持續抓取網頁內容 ，

  《The Verge》報導 ，也是益蟲

  2000 年代初期，但如今 ，謝恩朗普雷說：

  不是所有資料都一樣重要，從一個網頁出發
  ，是將來網路管理最關鍵也最棘手的課題之一  。

  過去，

  其實早在 2017 年 ，持續抓取內容，且不會消失。