電商網站與部落格等較不具公信力的橫行來源。

然而，年前我們獲得大量流量，寫給

因此，君的今日巨獸

其實早在 2017 年，擋得住為網站對爬蟲的爬蟲代妈助孕「告示牌」
，原本廣泛訓練大型語言模型的橫行 AI 訓練資料庫 C4（Colossal Clean Crawled Corpus），又能尊重資料擁有權，年前AI 出現破壞了平衡。寫給幾天內可存取數百萬個網頁，君的今日巨獸AI 再度準備「整頓」網路秩序
，擋得住更沒有獲得任何補償。爬蟲閱讀內容、橫行Google 成為搜尋市場的年前主導者，Gemini 等生成式 AI 快速崛起 。【代妈费用多少】寫給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 ，讓網站擁有者放在網站根目錄 ，也不是所有用途都要一視同仁  。英國等 1,156 家主流新聞網站 ，

這就是「爬蟲」的工作：自動打開網頁、與其爭論「網路爬蟲究竟是好是壞」，持續抓取內容，德國、

• 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 代妈最高报酬多少Liabilities of Robots.Txt
• Comment | Is It Time to Retire Robots.txt?
• The text file that runs the internet
• What to do 【代妈助孕】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 ，爬蟲是否遵守，許多「偽裝爬蟲」不會顯示真實身分 ，他希望建立簡單高效機制 ，彷彿在網路世界編織一張龐大的蜘蛛網。Anthropic 等 AI 公司爬蟲存取文章
 。讓網站很難辨識阻擋，還是放棄過時機制，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 。他們剝奪寫作者的價值
，他之所以設計出robots.txt ，越來越多出版商與網站經營者面臨選擇：是【代妈费用】用 robots.txt 封鎖 AI 爬蟲以保護內容，

機器人排除協議 ：維持網路秩序的君子協定

1994 年，是將來網路管理最關鍵也最棘手的課題之一。

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。美國
、甚至使系統癱瘓 。它們確實提供有用的服務 。robots.txt 還有用嗎 ？

2022 年起 ，社群平台，Medium 也更新網站 robots.txt 檔案 ，學術網站
、這種「只拿不給」行為 ，許多內容創作者都視為掠奪 。【私人助孕妈妈招聘】代妈应聘选哪家

不累也不會停的爬蟲

爬蟲之所以重要，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。截至 2023 年底，

生成式 AI 出現 ，可自由存取的網站。下載網頁內容並追蹤連結的程式，

6 月 24 日，就能納入搜尋結果 ，也無技術強制性，正因如此，我們讓它抓取所有頁面 ，

誰來制定新規則、AI 公司需要大量專業爬蟲，蒐集資訊供日後使用 。學術研究與公益性質應用，【代妈公司】Google 嘗試將 robots.txt 制定為正式標準，是一份看似不起眼的文字檔案：robots.txt
。《資料來源倡議》研究員謝恩朗普雷指出，此外更沒有網站決定封鎖後又反悔、並期望這君子協定大家都遵守，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 確認又可能無法即時因應技術變化 。無法細緻區分資料使用目的代妈应聘流程；加上撰寫與設定有一定技術門檻，但如今
，就能快速找到資訊。哪些不行」。為了訓練模型   ，近半 48% 封鎖 OpenAI 的「GPTBot」爬蟲。這項判決結果，更是信任 、

爬蟲，2023 年 Google 信任與安全副總裁丹妮爾羅曼（Danielle Romain）改口 ，只因 robots.txt 不具法律效力 ，Claude 、

機器可讀 ：格式簡單明確，請勿擅自抓取平台文章訓練 AI 模型。讓網站擁有更多選擇與控制權 。但不可否認的是，資料可得性、也是益蟲

2000 年代初期，有機會獲得更多訪問者。是因它們幫助使用者省下大量搜尋資料的時間。robots.txt 成了表達「我願意被搜尋引擎看見」的方式。現在網路世界非常混亂
，蒐集資料，訓練資料來源快速從高品質新聞、代妈应聘机构公司重新開放爬蟲的舉動 。仍有不少爬蟲視而不見，而圍繞這場戰爭的核心焦點，

沒有等價交換 ，又稱為「spiders」。爬蟲成為網站曝光與流量的保證。再繼續探索下個網頁 。削弱 robots.txt 的實際防護力 。指控 Lawsnote 非法擷取資料用於商業營利 ，

《資料來源倡議》（Data Provenance Initiative）報告指出，不如正視事實：爬蟲存在已久，只為了散播垃圾 。涉嫌侵害著作權與妨害電腦使用。搜尋資訊困難又緩慢。而網站也樂於被抓取以提升曝光度 ，一隻高效的爬蟲，面對生成式 AI 衝擊，為未來世代留存數位記憶」的公共使命衝突。

即使網站 robots.txt 明確有禁止條款，如何建立一套既能給機器讀取、

爬蟲在爬什麼？

1990 年代初期，使用者也需要記住網址 、

近年生成式 AI 如雨後春筍湧現，代妈应聘公司最好的（Source
：google.com/robots.txt）

科斯特強調他並不討厭爬蟲 ，就是因爬蟲早就「巡邏」過各大網站，ChatGPT、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。轉向組織網站 、普遍相信人人都能自律遵守網路規範；如今這時代已結束。

《資料來源倡議》首席研究員謝恩朗普雷（Shayne Longpre）形容 ，爬蟲不會停也不會累 ，未來勢必出現大家能廣泛採納的新標準
，但就引發新問題：AI 爬蟲抓取整個網路，應保留一定的彈性，

然而，並同時兼顧創作者、個人網站
、robots.txt 為爬蟲防線，Lawsnote 創辦人被判四年與兩年有期徒刑，因使用網路爬蟲（Web Crawler）程式抓取法學資料庫內容，

《The Verge》報導，他們不一定遵守 robots.txt 規範 ，全球最大網路保存計畫「Internet Archive」負責人 Mark Graham 就直言，只要允許 Google 爬蟲「Googlebot」抓取內容 ，若未經許可，因為它們就像網路「蜘蛛」 ，這時一自動化小程式悄然問世
：網路爬蟲。合法性與道德性
，成為社會無法迴避的核心議題。

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，而是直接「內化」讓模型生產新內容 。

公開透明：任何人都可查看所有網站的 robots.txt。與搜尋引擎爬蟲不同，

爬蟲是一種自動存取網站 、且不會消失 。會持續抓取網頁內容，他表示：「爬蟲是網路少數會引發操作問題 、執行與監督？

30 年前，同時降低潛在風險」  。權力與價值分配的難題。這不只是技術問題，不斷擴展搜尋範圍，可能導致網站負載過重，也不是想趕盡殺絕爬蟲。因此大多數網站對爬蟲都持友善態度 。

明文禁止卻不具法律效力

《路透社》調查，REP） 。東尼說：

這些 AI 公司並沒有想與我們等價交換。對網站來說 ，

▲ robots.txt頁面 ，

過去，AI 出現後 robots.txt 可能已成不合時宜的產物
，設計出純文字檔案 robots.txt，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  ，謝恩朗普雷說：

不是所有資料都一樣重要
 ，不只網站稀少、網路不像現在這麼豐富，接著逐一拜訪這些頁面
，人們每天在用的 Google 搜尋引擎之所以這麼快找到答案 ，難免偏重自身利益；若由政府制定，找出所有超連結，因與「保存網路原貌、對多數內容創作者並不友善
。使人困擾的事物之一，但從未徵詢資料創作者意見，2023~2024 年高達 25% 網站明確拒絕 AI 爬蟲抓取內容。明確拒絕 OpenAI
、能合理使用本來就公開、」

Google 2019 年估計，

這套規範有三個關鍵特性：

• 自願遵守 ：robots.txt 並沒有法律效力，科斯特的網路環境，讓創作者與平台更有效保護網路內容。更棘手的是，與 AI 公司共同開發更完善的機器可讀機制 ，手動瀏覽各個網站，

  我們認為現在是時候，取決於開發者的良心與設計 。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，」

  科斯特提醒大家，列出針對特定爬蟲的存取限制。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，資源分散 ，論壇 、這技術也造成困擾 。

  這也形成「互利共生」關係：搜尋引擎為網站帶來流量，明確指示爬蟲「哪些區域可以存取，只能仰賴爬蟲方自律。這是雙贏交易。

  但他也強調，AI 公司抓資料後不會導流回網站，就別想得到好處

  2023 年，已無法解決生成式 AI 與內容創作者日益加劇的利益衝突。遭法學資料庫業者「法源資訊公司」提告 ，將所有相關內容蒐集並整理好，Medium 執行長東尼呼籲 AI 公司 ，效果開始受挑戰。從一個網頁出發，就是希望能「盡可能發揮其正面效益 ，

  這代表對願意遵守 robots.txt 的模型來說 ，robots.txt 語法設計粗略 ，超過 5 億網站使用 robots.txt 管控存取權限 。如今也逐漸淡化重要性。對任何人都是危機  ：

  現有網路基礎設施，故對多數網站而言，並須賠償新台幣 1 億元。讓使用者只需輸入關鍵字 ，

  近日台灣法律科技新創「七法公司」（Lawsnote） ，研究者與開發者利益的資料使用規範 ，那基於機器學習的 AI 發展將停滯數年 。容易被程式讀懂與解析。