用途:该技能用于配置、审计和优化 robots.txt,控制搜索引擎与 AI 爬虫对站点的访问,并排查因规则误配导致的抓取与索引问题。
主要能力:审查 Disallow/Allow 规则,避免屏蔽重要页面;确保爬虫(含 AI 爬虫)能访问关键页面;检查是否因 robots.txt 误配而阻挡索引;梳理 AI 爬虫策略,区分搜索类与训练类爬虫;支持通过 Clean-param 清理查询参数(Yandex)。
使用方式:首次使用时可先说明技能覆盖范围与意义,再输出主要结果;后续使用或用户要求跳过时直接输出。先检查是否存在 .claude/product-marketing-context.md 或 .cursor/product-marketing-context.md,以获取站点 URL 与索引目标。明确站点 URL、索引范围(整站、部分或排除特定路径)以及 AI 爬虫策略。输出通常包括:当前状态(审计时)、推荐的完整 robots.txt、合规检查清单。
核心指令:User-agent、Disallow、Allow、Sitemap、Clean-param。文件位于站点根目录如 https://example.com/robots.txt,UTF-8 纯文本,遵循 RFC 9309。Sitemap 需写绝对 URL。
AI 爬虫典型策略:OAI-SearchBot、Claude-SearchBot、PerplexityBot 通常允许;GPTBot、ClaudeBot、Google-Extended、CCBot 通常禁止。
限制与注意:robots.txt 控制抓取访问,但不阻止索引,被禁止的 URL 仍可能出现在搜索结果中(无摘要);敏感内容应使用 noindex meta 或鉴权,因为 robots.txt 可被公开读取;规则属建议性质,恶意爬虫可能忽略;不要屏蔽 CSS、JS、图片等渲染资源,仅屏蔽无需抓取的路径,如 admin、API、临时文件;robots.txt 与 noindex 互补,robots 用于路径级抓取控制,noindex 用于页面级索引控制。相关技能包括 seo-technical-sitemap 与 seo-technical-crawlability。