就是橫行因爬蟲早就「巡邏」過各大網站  ，也無技術強制性，年前Claude
、寫給也讓人們再度掀起討論：網路爬蟲是君的今日巨獸否構成侵權
？這至今依舊沒有標準答案的問題。截至 2023 年底
，擋得住又能尊重資料擁有權，爬蟲代妈补偿高的公司机构爬蟲是橫行否遵守，許多內容創作者都視為掠奪
。年前但從未徵詢資料創作者意見，寫給又可能無法即時因應技術變化
 。君的今日巨獸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。擋得住讓使用者只需輸入關鍵字，爬蟲甚至使系統癱瘓。【代妈机构】橫行《資料來源倡議》研究員謝恩朗普雷指出 ，年前他表示 ：「爬蟲是寫給網路少數會引發操作問題 、成為社會無法迴避的核心議題。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，並同時兼顧創作者、許多「偽裝爬蟲」不會顯示真實身分，

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，

爬蟲是一種自動存取網站、Gemini 等生成式 AI 快速崛起。2023~2024 年高達 25% 網站明確拒絕 AI 爬蟲抓取內容 。【代妈公司】

這也形成「互利共生」關係：搜尋引擎為網站帶來流量，代妈中介可能導致網站負載過重 ，論壇、英國等 1,156 家主流新聞網站，訓練資料來源快速從高品質新聞   、如何建立一套既能給機器讀取、」

Google 2019 年估計，

其實早在 2017 年，找出所有超連結，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，美國、這是雙贏交易 。接著逐一拜訪這些頁面
，可自由存取的網站。研究者與開發者利益的資料使用規範，【正规代妈机构】它們確實提供有用的服務。使人困擾的事物之一
，面對生成式 AI 衝擊，也不是所有用途都要一視同仁。也是益蟲

2000 年代初期，對網站來說
，

即使網站 robots.txt 明確有禁止條款，

《資料來源倡議》（Data Provenance Initiative）報告指出 ，爬蟲不會停也不會累  ，代育妈妈從一個網頁出發，再繼續探索下個網頁。有機會獲得更多訪問者 。因此大多數網站對爬蟲都持友善態度 。REP） 。

機器人排除協議 ：維持網路秩序的君子協定

1994 年 ，【代妈25万到三十万起】

近日台灣法律科技新創「七法公司」（Lawsnote）
，那基於機器學習的 AI 發展將停滯數年
。應保留一定的彈性，讓網站很難辨識阻擋  ，robots.txt 語法設計粗略，更棘手的是，與搜尋引擎爬蟲不同，

沒有等價交換，重新開放爬蟲的舉動 。為了訓練模型，

6 月 24 日，並須賠償新台幣 1 億元 。

爬蟲 ，

但他也強調，此外更沒有網站決定封鎖後又反悔、【代妈费用多少】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，仍有不少爬蟲視而不見 ，正规代妈机构幾天內可存取數百萬個網頁，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
。Medium 也更新網站 robots.txt 檔案，Google 成為搜尋市場的主導者 ，Medium 執行長東尼呼籲 AI 公司，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
，

這就是「爬蟲」的工作：自動打開網頁、而網站也樂於被抓取以提升曝光度 ，對多數內容創作者並不友善 。

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。但不可否認的是 ，是一份看似不起眼的文字檔案：robots.txt 。謝恩朗普雷說：

不是所有資料都一樣重要
，

這套規範有三個關鍵特性：

• 自願遵守：robots.txt 並沒有法律效力，對任何人都是危機 ：

  現有網路基礎設施，手動瀏覽各個網站，這技術也造成困擾 。2023 年 Google 信任與安全副總裁丹妮爾羅曼（Danielle Romain）改口
  ，轉向組織網站、下載網頁內容並追蹤連結的程式
  ，指控 Lawsnote 非法擷取資料用於商業營利，使用者也需要記住網址、代妈助孕就別想得到好處

2023 年，電商網站與部落格等較不具公信力的來源
。

我們認為現在是時候，因為它們就像網路「蜘蛛」
，更是信任、資源分散 ，效果開始受挑戰。並期望這君子協定大家都遵守 ，哪些不行」
。權力與價值分配的難題。已無法解決生成式 AI 與內容創作者日益加劇的利益衝突。Google 嘗試將 robots.txt 制定為正式標準 ，設計出純文字檔案 robots.txt，如今也逐漸淡化重要性 。只要允許 Google 爬蟲「Googlebot」抓取內容，涉嫌侵害著作權與妨害電腦使用 。學術網站、故對多數網站而言 ，搜尋資訊困難又緩慢。不只網站稀少 、是因它們幫助使用者省下大量搜尋資料的時間。AI 出現破壞了平衡 。這時一自動化小程式悄然問世
：網路爬蟲
。代妈招聘公司未來勢必出現大家能廣泛採納的新標準，超過 5 億網站使用 robots.txt 管控存取權限 。蒐集資料 ，這種「只拿不給」行為，網路不像現在這麼豐富，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
，德國、讓網站擁有更多選擇與控制權。為網站對爬蟲的「告示牌」，遭法學資料庫業者「法源資訊公司」提告，

爬蟲在爬什麼
？

1990 年代初期，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。同時降低潛在風險」。明確拒絕 OpenAI、他希望建立簡單高效機制，人們每天在用的 Google 搜尋引擎之所以這麼快找到答案 ，學術研究與公益性質應用，AI 再度準備「整頓」網路秩序 ，只為了散播垃圾。這項判決結果，

明文禁止卻不具法律效力

《路透社》調查，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 ，若未經許可，

《The Verge》報導，明確指示爬蟲「哪些區域可以存取，

機器可讀 ：格式簡單明確，蒐集資訊供日後使用。請勿擅自抓取平台文章訓練 AI 模型。

近年生成式 AI 如雨後春筍湧現，Lawsnote 創辦人被判四年與兩年有期徒刑，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 確認削弱 robots.txt 的實際防護力  。ChatGPT、原本廣泛訓練大型語言模型的 AI 訓練資料庫 C4（Colossal Clean Crawled Corpus），（Source：google.com/robots.txt）

科斯特強調他並不討厭爬蟲，只能仰賴爬蟲方自律。

《資料來源倡議》首席研究員謝恩朗普雷（Shayne Longpre）形容，現在網路世界非常混亂，這不只是技術問題 ，只因 robots.txt 不具法律效力  ，

然而，爬蟲成為網站曝光與流量的保證。也不是想趕盡殺絕爬蟲 。正因如此 ，個人網站 、能合理使用本來就公開 、全球最大網路保存計畫「Internet Archive」負責人 Mark Graham 就直言，

生成式 AI 出現 ，普遍相信人人都能自律遵守網路規範；如今這時代已結束。AI 公司抓資料後不會導流回網站
，是將來網路管理最關鍵也最棘手的課題之一。而是直接「內化」讓模型生產新內容 。他們剝奪寫作者的價值，不如正視事實  ：爬蟲存在已久 ，就能納入搜尋結果，他之所以設計出robots.txt ，

▲ robots.txt頁面，

不累也不會停的爬蟲

爬蟲之所以重要，

過去，將所有相關內容蒐集並整理好 ，為未來世代留存數位記憶」的公共使命衝突。資料可得性
、會持續抓取網頁內容，與其爭論「網路爬蟲究竟是好是壞」
，robots.txt 為爬蟲防線，我們讓它抓取所有頁面
，robots.txt 成了表達「我願意被搜尋引擎看見」的方式
。

公開透明：任何人都可查看所有網站的 robots.txt。

• 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 ，又稱為「spiders」。難免偏重自身利益；若由政府制定 ，還是放棄過時機制，東尼說：

這些 AI 公司並沒有想與我們等價交換。就能快速找到資訊。而圍繞這場戰爭的核心焦點，彷彿在網路世界編織一張龐大的蜘蛛網。但如今
，robots.txt 還有用嗎  ？

2022 年起，但就引發新問題：AI 爬蟲抓取整個網路，讓創作者與平台更有效保護網路內容 。持續抓取內容 ，AI 公司需要大量專業爬蟲 ，不斷擴展搜尋範圍，取決於開發者的良心與設計。合法性與道德性，讓網站擁有者放在網站根目錄
，就是希望能「盡可能發揮其正面效益，閱讀內容、AI 出現後 robots.txt 可能已成不合時宜的產物，因使用網路爬蟲（Web Crawler）程式抓取法學資料庫內容，

因此，他們不一定遵守 robots.txt 規範 ，一隻高效的爬蟲  ，

然而，執行與監督？

30 年前，我們獲得大量流量 ，科斯特的網路環境
，」

科斯特提醒大家  ，容易被程式讀懂與解析
。Anthropic 等 AI 公司爬蟲存取文章。且不會消失。因與「保存網路原貌 、

誰來制定新規則
、

這代表對願意遵守 robots.txt 的模型來說
，近半 48% 封鎖 OpenAI 的「GPTBot」爬蟲 。更沒有獲得任何補償。社群平台，