谷歌推出爬虫扩展代理 网站管理员可以屏蔽谷歌抓取内容用于训练AI – 蓝点网

在 OPENAI 公布 GPTBot 爬虫的谷歌管理谷歌相关信息后，今天谷歌宣布在 GoogleBot 基础上推出 Google-Extended 爬虫扩展代理，推出允许网站管理员使用 robots.txt 文件屏蔽谷歌抓取网站内容用来训练 AI 模型。爬虫屏蔽

谷歌没有推出单独的扩展 AI 爬虫，AI 爬虫仍然使用 GoogleBot，代理但网站可以声明是网站网否拒绝其抓取内容后训练 AI，如果要声明那就需要使用 Google-Extende代理令牌。员可用于

谷歌称，内容Google-Extended 是训练一种新控件，网络发布商可以使用它管理其网站是蓝点否有助于改进 Bard 和 Vertex AI 等生成式 AI 模型，在博客中谷歌多次提到网站可以帮助谷歌改进 AI，谷歌管理谷歌比如网站管理员可以选择是推出否帮助这些 AI 模型随着时间推移变得更准确和强大。

不过最终还是爬虫屏蔽网站管理员自己决定是否允许谷歌拿内容去训练 AI，如果不愿意的扩展话，可以在 robots.txt 中添加以下内容：

User-Agent: Google-ExtendedDisallow：/

需要提醒的代理是谷歌对于 robots.txt 的处理遵循了多种原则，而且 Google Bot 本身有一大堆用于不同用途的 bot，例如常规的 GoogleBot、GoogleBot-News、GoogleBot-Image 等，这些 bot 是可以在 robots.txt 里混用的。

例如要允许谷歌搜索抓取网站内容、不允许谷歌抓取内容用于训练 AI，那么 robots.txt 可以这么写：

User-Agent: GooglebotAllow: /User-Agent: Google-ExtendedDisallow: /