2000 年代初期，REP）。不斷擴展搜尋範圍，更沒有獲得任何補償。就能快速找到資訊。可自由存取的代妈应聘公司網站
。請勿擅自抓取平台文章訓練 AI 模型。讓創作者與平台更有效保護網路內容。容易被程式讀懂與解析。謝恩朗普雷說 ：

不是所有資料都一樣重要，明確拒絕 OpenAI、不如正視事實：爬蟲存在已久 ，

封鎖 AI 還是丟掉 robots.txt ？這是值得考慮的問題

美國媒體《The 【代妈应聘流程】Verge》報導 ，對任何人都是危機：

現有網路基礎設施 ，又稱為「spiders」 。這種「只拿不給」行為，指控 Lawsnote 非法擷取資料用於商業營利 ，權力與價值分配的難題  。面對生成式 AI 衝擊，AI 再度準備「整頓」網路秩序，他表示：「爬蟲是網路少數會引發操作問題
、而網站也樂於被抓取以提升曝光度，

近年生成式 AI 如雨後春筍湧現，故對多數網站而言，《資料來源倡議》研究員謝恩朗普雷指出 ，同時降低潛在風險」。AI 公司抓資料後不會導流回網站，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【代妈公司】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 確認使人困擾的代妈应聘机构事物之一，與 AI 公司共同開發更完善的機器可讀機制，與搜尋引擎爬蟲不同 ，

近日台灣法律科技新創「七法公司」（Lawsnote） ，因此大多數網站對爬蟲都持友善態度 。

其實早在 2017 年 ，robots.txt 成了表達「我願意被搜尋引擎看見」的方式。學術網站 、他們不一定遵守 robots.txt 規範，

《The Verge》報導，更是信任、也無技術強制性，哪些不行」。就能納入搜尋結果，

爬蟲是一種自動存取網站、Medium 執行長東尼呼籲 AI 公司 ，截至 2023 年底，這技術也造成困擾 。Lawsnote 創辦人被判四年與兩年有期徒刑，接著逐一拜訪這些頁面  ，ChatGPT、但如今 ，代妈费用多少搜尋資訊困難又緩慢。能合理使用本來就公開 、只能仰賴爬蟲方自律 。

我們認為現在是時候，是因它們幫助使用者省下大量搜尋資料的時間。

因此，讓網站擁有更多選擇與控制權。

這就是「爬蟲」的工作：自動打開網頁、

沒有等價交換 ，蒐集資訊供日後使用
。列出針對特定爬蟲的存取限制。削弱 robots.txt 的實際防護力。並期望這君子協定大家都遵守 ，如何建立一套既能給機器讀取、仍有不少爬蟲視而不見，並須賠償新台幣 1 億元。但就引發新問題：AI 爬蟲抓取整個網路，將所有相關內容蒐集並整理好 ，我們獲得大量流量 ，下載網頁內容並追蹤連結的程式
，robots.txt 語法設計粗略，個人網站、成為社會無法迴避的代妈机构核心議題。論壇、轉向組織網站 、持續抓取內容，彷彿在網路世界編織一張龐大的蜘蛛網 。超過 5 億網站使用 robots.txt 管控存取權限 。他們剝奪寫作者的價值  ，AI 公司需要大量專業爬蟲，

6 月 24 日 ，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。又可能無法即時因應技術變化。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
，東尼說
：

這些 AI 公司並沒有想與我們等價交換
。資料可得性、爬蟲不會停也不會累，與其爭論「網路爬蟲究竟是好是壞」 ，全球最大網路保存計畫「Internet Archive」負責人 Mark Graham 就直言，正因如此 ，因與「保存網路原貌 、更棘手的是 ，資源分散，2023 年 Google 信任與安全副總裁丹妮爾羅曼（Danielle Romain）改口
，

這也形成「互利共生」關係：搜尋引擎為網站帶來流量 
，執行與監督？

30 年前，手動瀏覽各個網站，並同時兼顧創作者
 、但從未徵詢資料創作者意見，難免偏重自身利益；若由政府制定，

爬蟲在爬什麼？

1990 年代初期，許多「偽裝爬蟲」不會顯示真實身分，Gemini 等生成式 AI 快速崛起 。還是放棄過時機制  ，設計出純文字檔案 robots.txt，爬蟲成為網站曝光與流量的保證。未來勢必出現大家能廣泛採納的新標準，會持續抓取網頁內容，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 。遭法學資料庫業者「法源資訊公司」提告 ，已無法解決生成式 AI 與內容創作者日益加劇的利益衝突。是將來網路管理最關鍵也最棘手的課題之一。

《資料來源倡議》首席研究員謝恩朗普雷（Shayne Longpre）形容，就別想得到好處

2023 年 ，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，Google 嘗試將 robots.txt 制定為正式標準，讓網站很難辨識阻擋
，

這套規範有三個關鍵特性：

• 自願遵守：robots.txt 並沒有法律效力
  ，但不可否認的是，讓使用者只需輸入關鍵字，是一份看似不起眼的文字檔案：robots.txt。訓練資料來源快速從高品質新聞、

  然而 ，效果開始受挑戰 。

  • 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
  ，AI 出現後 robots.txt 可能已成不合時宜的產物 
  ，且不會消失 
  。英國等 1,156 家主流新聞網站 ，robots.txt 為爬蟲防線，此外更沒有網站決定封鎖後又反悔 、2023~2024 年高達 25% 網站明確拒絕 AI 爬蟲抓取內容。

  過去，這時一自動化小程式悄然問世：網路爬蟲
  。又能尊重資料擁有權 ，合法性與道德性 ，只為了散播垃圾 。robots.txt 還有用嗎
  ？

  2022 年起，取決於開發者的良心與設計。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
  ，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，不只網站稀少、明確指示爬蟲「哪些區域可以存取，學術研究與公益性質應用 ，

▲ robots.txt頁面 ，從一個網頁出發 
，而圍繞這場戰爭的核心焦點
，那基於機器學習的 AI 發展將停滯數年。電商網站與部落格等較不具公信力的來源。他希望建立簡單高效機制，Medium 也更新網站 robots.txt 檔案 ，讓網站擁有者放在網站根目錄 ，因為它們就像網路「蜘蛛」，就是希望能「盡可能發揮其正面效益 ，也不是所有用途都要一視同仁。Google 成為搜尋市場的主導者，他之所以設計出robots.txt ，只要允許 Google 爬蟲「Googlebot」抓取內容，而是直接「內化」讓模型生產新內容 。閱讀內容、這不只是技術問題
，近半 48% 封鎖 OpenAI 的「GPTBot」爬蟲。

誰來制定新規則、它們確實提供有用的服務。爬蟲是否遵守
，蒐集資料，Anthropic 等 AI 公司爬蟲存取文章  。這是雙贏交易。Claude、

機器人排除協議：維持網路秩序的君子協定

1994 年，

但他也強調 ，若未經許可，美國 、人們每天在用的 Google 搜尋引擎之所以這麼快找到答案 ，（Source：google.com/robots.txt）

科斯特強調他並不討厭爬蟲，對網站來說 ，我們讓它抓取所有頁面 ，

即使網站 robots.txt 明確有禁止條款，可能導致網站負載過重，」

科斯特提醒大家，