PerplexityBot 是什么:Perplexity 搜索爬虫,官方说不用于训练

· 约 7 分钟 · 作者

标注说明:【官方】出自官方文档;【实测】出自本站服务器日志;【推断】由前两者推出或来自第三方。

目录
  1. PerplexityBot 是谁家的、拿去做什么?
  2. 屏蔽 PerplexityBot 会改变什么?
  3. PerplexityBot 的 User-Agent 长什么样?
  4. 怎么确认来访的真是 PerplexityBot?
  5. robots.txt 怎么放行或屏蔽 PerplexityBot?
  6. 本站 15 天里 PerplexityBot 来了几次?
  7. 关于 PerplexityBot 的常见误解
  8. 常见问题
    1. PerplexityBot 会拿我的内容训练模型吗?
    2. robots.txt 改了多久生效?
    3. 怎么在防火墙里放行真 PerplexityBot?
  9. 和 PerplexityBot 相关的爬虫
    1. 同公司的其他爬虫
    2. 同用途的其他爬虫
    3. 其他相关

一句话结论:PerplexityBot 是 Perplexity 的搜索爬虫,官方说不用于训练基础模型,建议站长放行。想出现在 Perplexity 的回答链接里就放行它;但要对照官方 IP,本站 10 次里有 2 次是冒充。

PerplexityBot
归属Perplexity
服务的产品Perplexity 搜索结果
用途类型AI 搜索索引(决定能否出现在 AI 搜索回答里)
是否遵守 robots官方说遵守
依据官方文档

PerplexityBot 是谁家的、拿去做什么?#

官方说明:PerplexityBot 用于在 Perplexity 搜索结果里展示和链接网站,不用于抓取 AI 基础模型的训练内容【官方】。官方建议在 robots.txt 里允许它,并放行公布的 IP 段;robots 修改最多 24 小时生效【官方】。

2025-08-04,Cloudflare 发文称,在它的测试域名禁止 Perplexity 后,观察到伪装成 macOS Chrome 的未声明 UA、来自不在官方 IP 段的地址继续访问。这是 Cloudflare 的单方观察,本页只转述;它说明光看 UA 判断不了来访者【推断】。

屏蔽 PerplexityBot 会改变什么?#

屏蔽它,你的网站不会被 Perplexity 搜索结果链接【推断】。它不管训练,所以屏蔽它对「不被训练」没有帮助【官方】。

PerplexityBot 的 User-Agent 长什么样?#

官方给出的 UA 原文【官方】:

Mozilla/5.0 (compatible; PerplexityBot/1.0; +https://perplexity.ai/perplexitybot)

怎么确认来访的真是 PerplexityBot?#

对照官方 IP 列表 https://www.perplexity.ai/perplexitybot.json【官方】。官方给的 WAF 写法是 UA 和 IP 必须同时匹配【官方】。

robots.txt 怎么放行或屏蔽 PerplexityBot?#

# 放行
User-agent: PerplexityBot
Allow: /
# 屏蔽
User-agent: PerplexityBot
Disallow: /

PerplexityBot 不该整个屏蔽,要拦的是冒充者。nginx 可以用官方 IP 段做白名单:UA 自称 PerplexityBot、IP 却不在官方段的请求返回 403。先把官方 JSON 转成 nginx 能读的文件(每天更新一次):

curl -s https://www.perplexity.ai/perplexitybot.json \
  | jq -r '.prefixes[] | (.ipv4Prefix // .ipv6Prefix) + " 1;"' \
  > /etc/nginx/ranges/perplexitybot.conf
# http {} 里
geo $real_perplexitybot { default 0; include /etc/nginx/ranges/perplexitybot.conf; }
map $http_user_agent $claims_perplexitybot { default 0; "~*PerplexityBot" 1; }
map "$claims_perplexitybot$real_perplexitybot" $fake_perplexitybot { default 0; "10" 1; }

# server {} 里
if ($fake_perplexitybot) { return 403; }

网站在 CDN 后面时,要先用 real_ip_header 取到真实来源 IP,否则 geo 判断的是 CDN 的地址。完整说明见伪装爬虫页。

本站 15 天里 PerplexityBot 来了几次?#

2026-10-25 01:00 至 11-08 21:22,北京时间【实测】
自称 PerplexityBot10 次
opengeo.page 主站 / 同机其他站点10 / 0
最后一次2026-11-08 17:19(北京时间)
完整 IP 时段核验通过2 / 2
匿名时段 /24 重合 / 不重合6 / 2

按 UA 子串计数,含冒充者;完整 IP 截至 10-29 23:10,之后只能比 /24。口径见总表。

关于 PerplexityBot 的常见误解#

「屏蔽 PerplexityBot 就能防止被 Perplexity 训练。」官方说它本来就不用于训练【官方】。

常见问题#

PerplexityBot 会拿我的内容训练模型吗?#

Perplexity 官方说不会,PerplexityBot 只用于在 Perplexity 搜索结果中展示和链接网站。

robots.txt 改了多久生效?#

Perplexity 官方说最多需要 24 小时。

怎么在防火墙里放行真 PerplexityBot?#

官方建议 UA 包含 PerplexityBot 且来源 IP 在 perplexitybot.json 列表里,两个条件同时满足才放行,并定期更新 IP 列表。

同公司的其他爬虫#

同用途的其他爬虫#

其他相关#