報告｜robots.txt 如何變成網路上的政策亂局

執行摘要

提出的是一個政策問題：全球最常被造訪的網站中，有多少正在告訴 AI 爬蟲哪些事能做、哪些事不能做？

這份延伸報告追問的是背後的營運問題：robots.txt 作為如今被要求承載這些政策的基礎設施，到底有多可靠？

答案其實不太樂觀。robots.txt 之所以還能運作，是因為它公開、成本低、機器可讀，爬蟲也早就認得它。但今天它被要求承擔的內容，早已遠遠超出當初的設計。到了 2026 年，這個純文字檔裡可能同時出現 SEO 爬取控制、網站地圖索引、舊式搜尋引擎擴充、AI 訓練排除、Cloudflare 注入的政策詞彙、版權保留聲明，以及針對未來爭議的法律措辭。

這就是組態債。

本報告背後的資料集，和原始 AI 爬蟲研究相同，都是 Tranco Top 10,000 網站的爬取結果。在 10,000 個網域中，有 6,638 個回傳可讀的 robots.txt；另外 610 個回傳 404，依協定視為隱含允許。這讓我們得以針對機器人存取決策分析 7,248 個網站，並針對組態複雜度分析 6,638 份實際檔案。

有六個發現特別突出：

1. 大多數 robots.txt 檔案都很小，但尾端極度複雜。 中位數檔案只有 834 位元組與 31 行。不過，有 1,005 份檔案至少 5 KB，273 份至少 20 KB，28 份至少 100 KB。樣本中最大的檔案達 248 KB。

2. 數百個頂級網站運行的檔案，更像正式營運組態，而不是政策備忘。 中位數檔案只有 9 條 Disallow 指令，但有 707 個網站至少有 100 條 Disallow 規則，13 個網站至少有 1,000 條，240 個網站列出至少 50 個 user agent，110 個網站列出至少 100 個 user agent。

3. 協定漂移不是理論問題。 在 6,638 份可讀檔案中，有 685 份包含 Crawl-delay，303 份包含 Host，200 份包含 Clean-param，9 份包含 Request-rate，5 份包含 Visit-time，另有 271 份包含 Cloudflare 風格的 Content-Signal 語言。這些並不完全屬於同一套乾淨標準，而是長期累積下來的爬蟲民俗。

4. Googlebot 被視為特殊公民。 562 個可分析網域至少封鎖了一個傳統搜尋爬蟲。在其中 404 個案例裡，Googlebot 被允許，但至少有一個其他搜尋爬蟲被封鎖。AI 爬蟲歧視並不是在一個中立生態中出現；robots.txt 早就寫進了搜尋引擎層級的差異。

5. AI 政策讓這筆組態債更明顯。 1,377 份可讀檔案包含 AI 政策語言；719 份包含版權、服務條款、授權或權限語言；501 份同時包含兩者。這份檔案已經同時是機器介面與法律文件。它有用，但也很脆弱。

6. 最棘手的檔案不一定是最反 AI 的檔案。 電商、旅遊、社群、金融、學術與新聞網站，會因為不同原因產生複雜檔案：爬取預算控制、舊路徑、使用者產生內容、權利保留，以及針對機器人的例外規則。AI 規則只是疊加在一個本來就很混亂的基礎上。

主要結論是：robots.txt 仍然是公開網路上最重要的爬蟲政策介面，但如果沒有在爬蟲身分、AI 使用詞彙與政策可稽核性上完成生態標準化，它對高風險 AI 治理來說就是脆弱的基礎。

方法論

本報告沿用 Thunderbit 原始 AI 爬蟲政策分析對 Tranco Top 10,000 網域的資料集。

輸入資料如下：

• tranco_top10k.csv — 原始 Tranco Top 10K 網域清單。
• out/fetch_meta.csv — 擷取狀態、位元組數、協定、重新導向結果與錯誤中繼資料。
• out/sites.csv — 網域、排名、類別、語言與 robots.txt 狀態。
• out/site_meta.csv — 每個網站一筆分析列，包含樣板類別、AI 封鎖旗標、檔案大小與機器人政策摘要欄位。
• out/bot_status.csv — 每個網域與爬蟲一筆資料，包含該機器人是否被封鎖，以及是否存在特定規則。
• raw_robots/ — 6,638 個回傳狀態 200 的網站所快取的 robots.txt 內容。

在這份延伸研究中，我們針對每份可讀的 robots.txt 檔案掃描了：

• 檔案大小與行數；
• 實際啟用、非註解行數；
• User-agent、Disallow、Allow 與 Sitemap 指令數量；
• 舊式或非核心指令，例如 Crawl-delay、Host、Clean-param、Request-rate 與 Visit-time；
• AI 時代詞彙，包括 Content-Signal、llms.txt、AI、LLM、機器學習、TDM 與 2019/790；
• 法律詞彙，例如版權、服務條款、授權、允許與權利保留措辭；
• 針對 Googlebot、Bingbot、DuckDuckBot、Slurp、Baiduspider 與 YandexBot 的搜尋爬蟲處理方式。

本報告也定義了一個簡單的組態債分數作為初步篩選工具。它結合了檔案大小、user agent 數量、Disallow 數量、Allow 數量、非標準指令數量，以及 AI 政策與法律語言的混合程度。這個分數不是要衡量絕對正確性，而是用來找出那些可能難以維護、審查或推理的檔案。

所有衍生表格與圖表都包含在交付資料夾中。

發現一：中位數檔案很簡單；尾端並不簡單

一般來說，公開網路上的典型 robots.txt 檔案還是很小。

在 6,638 份可讀檔案中：

這個分布很重要，因為 robots.txt 常被想像成一個小小的宣告：

1User-agent: *
2Disallow: /private/

對高流量網路來說，這種心智模型對一個相當可觀的少數網站並不適用。

在這份資料集中：

最大、最複雜的檔案並不是學術趣聞，而是真實的高流量網站：

這些檔案更像正式路由表，而不是政策口號。它們編碼了多年來的產品上線、舊路徑、封鎖參數模式、爬蟲例外、SEO 實驗、CDN 決策，以及現在的 AI 爬蟲規則。

尾端不只是 AI 故事。在 273 份大小達 20 KB 以上的檔案中，131 份含有 AI 政策語言，142 份沒有。至於至少有 100 條 Disallow 指令的 707 份檔案中，只有 207 份包含 AI 政策語言。換句話說，AI 並沒有造成大型檔案問題；它是在多年一般網站營運已經把這個檔案塞滿路徑規則、網站地圖參照與爬蟲例外之後才進來的。

這很重要，因為可維護性取決於結構，而不只是意圖。一份簡短、直接封鎖 AI 的檔案，可能很容易稽核；一份 70 KB 的電商或旅遊檔案，即使完全沒提 AI，也可能難以稽核。風險不在於每一份大型檔案都錯，而在於實際政策對負責它的人來說，已經太難驗證。

營運風險很直接：robots.txt 越長，出版者、平台工程師、法務或 SEO 負責人就越難回答一個基本問題：這份檔案到底允許了什麼？

而這個問題早已不再簡單。按照 RFC 式解析規則，爬蟲可能會匹配更具體的 user-agent 群組，而不是 User-agent: *；較長的路徑匹配可能覆蓋較短的路徑；Allow 與 Disallow 指令會依優先順序互相作用；而泛用的全封鎖規則，可能在檔案撰寫時根本不存在的爬蟲出現後，意外把它們也納入。

對 30 行的檔案，人工還能推理；對有數千行、而且列了幾十個命名機器人的檔案，沒人應該只靠直覺。

發現二：robots.txt 承載的，不只是爬取規則

AI 爬蟲爭議讓 robots.txt 在政治上變得可見，但這個檔案本來就早已在承擔與爬取無關的責任。

現代頂級網站的 robots.txt 可能包含：

• 爬蟲路徑控制；
• 網站地圖探索；
• 搜尋引擎專屬擴充；
• 爬取速率提示；
• 主機名稱正規化提示；
• URL 參數清理提示；
• CDN 注入的政策詞彙；
• 版權保留文字；
• AI 訓練排除；
• 供人閱讀的法律註記。

資料集清楚顯示了這層層疊加。

其中有些指令是特定爬蟲廣為認可的；有些是舊式慣例；有些是供應商專用；有些甚至根本不是爬蟲指令，而是藏在註解裡的法律或產品語言。

這就是協定漂移的樣子。

Crawl-delay 是個好例子。許多網站營運者都很熟悉它，但主流爬蟲的支援並不一致。Host 與 Clean-param 歷來常與 Yandex 行為有關。Content-Signal 屬於 Cloudflare 的 AI 時代政策詞彙。llms.txt 則是一種提議中的鄰近探索格式，並非普遍被承認的標準。然而，這些內容卻經常與經典的 User-agent 與 Disallow 規則並列出現在同一種檔案中。

數字也顯示，舊式與新式慣例如今共存。Crawl-delay 出現在 685 份檔案中，是含有 Content-Signal 的 271 份檔案的兩倍多。Host 出現在 303 份、Clean-param 出現在 200 份，多半反映搜尋引擎時代的慣例。儘管 AI 搜尋圈對 llms.txt 討論很多，可在可讀檔案中提到它的只有 83 份。現實中的網路並沒有收斂成單一詞彙，而是在堆疊詞彙。

問題不在於任何單一擴充一定錯，而在於這份檔案已經變成一個沒有版本控制的容器，裝著好幾套彼此重疊的治理系統。

這帶來三種債務：

1. 語義債。 不同爬蟲可能以不同方式解讀同一份檔案。
2. 所有權債。 SEO、法務、基礎設施、安全與產品團隊都可能有理由編輯這份檔案，但未必有任何單一團隊對整體政策負責。
3. 稽核債。 一個網站可以發布看起來很明確的政策，但其實只有解析器能判斷真正的行為。

AI 讓這件事更重要，因為風險已經變了。當舊式爬取速率提示被忽略，結果可能只是多一點流量；但當 AI 訓練排除語意含糊時，結果可能成為版權或授權爭議中的證據。

發現三：這份檔案同時成了機器介面與法律文件

原始 AI 爬蟲報告顯示，在可分析網站中，有 17.0% 明確寫了 AI 專屬規則。這份延伸報告則檢視這些政策增加了多少文字負擔。

在 6,638 份可讀的 robots.txt 檔案中：

• 1,377 份包含 AI 政策語言；
• 719 份包含版權、條款、授權、權利或權限語言；
• 271 份包含 Content-Signal；
• 83 份提到 llms.txt。

真正有意思的是這些重疊區：

這是一種新的檔案。

傳統的 robots.txt 是寫給爬蟲看的；而帶有法律前言的 robots.txt 同時是寫給至少四種受眾看的：

• 需要機器可讀指令的爬蟲營運者；
• 需要政策訊號的搜尋與 AI 供應商；
• 想明確保留權利的律師；
• 未來可能把註解當成意圖證據閱讀的稽核者、法院或記者。

這種多受眾設計解釋了為什麼有些檔案現在讀起來像政策文件。但它也削弱了「爬蟲能解析什麼」與「人類法務想宣告什麼」之間的清楚分離。

那 876 份只有 AI 政策語言、卻沒有法律詞彙的檔案，大多是機器政策檔：機器人名稱、Disallow 區塊與樣板語言。501 份同時有 AI 與法律語言的檔案則不同，它們試圖同時扮演爬蟲指令與權利保留。218 份只有法律語言、沒有 AI 詞彙的檔案則顯示，這種做法並不是從 LLM 才開始；robots.txt 早就被拿來表述條款、許可邊界與權利主張。

例如，某段註解可能說明禁止機器學習，但實際指令區塊只封鎖了少數已知 user agent。某個網站可能在全站宣告權利，但實際只列出少數幾個爬蟲。某個 CDN 樣板可能把 AI 相關詞彙注入一份其實從未由網站營運者手動撰寫法律語言的檔案。某個網站也可能寫出廣泛的 User-agent: * 規則，卻在不知不覺間把未來的新爬蟲也封鎖了。

從治理角度來看，robots.txt 之所以變得吸引人，正是因為它公開且可機器讀取。但它承載的政策越多，它的限制也就越明顯：

• 沒有認證層可證明某個特定政策是由權利人審閱，而非沿襲自基礎設施；
• 沒有原生版本歷史；
• 沒有針對預期用途的結構化欄位，例如訓練、擷取、搜尋索引、摘要、快取或模型評估；
• 沒有 AI 爬蟲身分的通用登錄表；
• 沒有執行機制。

這不代表檔案沒用，而是代表它很脆弱。

更好的理解方式，是把 robots.txt 視為一層通知：一份公開、可檢視的偏好與意圖宣告。它本身不是完整的權利管理系統。

發現四：在 AI 到來之前，搜尋本來就不平等

原始報告最強烈的發現之一，是許多出版者會區分 AI 訓練爬蟲與搜尋爬蟲：他們會封鎖 CCBot、GPTBot 或 Google-Extended，同時保留 Google 搜尋可見性。

這份延伸報告補上一個不同的觀點：傳統搜尋爬蟲之間也不是平等對待。

我們檢查了六個搜尋爬蟲：

• Googlebot；
• Bingbot；
• DuckDuckBot；
• Slurp；
• Baiduspider；
• YandexBot。

在 7,248 個可分析網站中：

被封鎖的機器人分布並不平均：

在這組樣本裡，Googlebot 是最少被封鎖的爬蟲。Baiduspider 與 YandexBot 更常被封鎖，而在多數這類案例中，Googlebot 仍被允許。在那 404 個允許 Googlebot、卻封鎖其他搜尋爬蟲的網站中，有 269 個封鎖 Baiduspider，240 個封鎖 YandexBot。

這些例子都很高知名度：

這對 AI 辯論很重要，因為它顯示即使在 LLM 爬蟲出現之前，robots.txt 也從來不是一個中立、普遍可存取的協定。公開網路早就有一套層級：

• Googlebot 通常會被保留，因為失去 Google 搜尋流量代價太高；
• 區域型或競爭對手爬蟲比較容易被封鎖；
• 有些網站會把搜尋爬蟲存取視為按市場或按供應商的決策。

AI 爬蟲進入的是一個早就習慣差異化存取的生態。

這讓政策轉換更容易理解。一個寫下「封鎖 Google-Extended、允許 Googlebot」的出版者，並不是在發明一種新歧視，而是在把舊模式套用到新型爬蟲：保留分發，限制擷取。

尚未解決的問題是，這種舊模式是否能持續擴張。搜尋時代，經濟上重要的爬蟲只有少數幾個；但到了 AI 時代，爬蟲身分被切分成模型供應商、檢索機器人、資料中介、學術爬蟲、合成瀏覽器代理與基礎設施層擷取器。除非生態系統收斂到更少、且以用途為核心的訊號，命名 user agent 的數量只會持續增加。

這就是組態債如何複利擴大。

發現五：不同產業的複雜度不同，但和 AI 封鎖率不是同一種分布

原始報告顯示 AI 封鎖在產業之間差異很大：新聞封鎖率高；電信、政府與 SaaS 則較低。

但組態複雜度切分網路的方式不同。

在一些可讀 robots.txt 數量足夠、足以比較的類別中：

P90 Disallow by category chart here<<<<<<<<<<<<<<<<<<<<<<<<<

新聞之所以政治上複雜，是因為它寫明 AI 規則與法律文字；但電商與旅遊在營運上複雜，則是因為它們有大量商品目錄、分面導覽、搜尋結果頁、篩選器、會員路徑與帶參數的 URL。

這個區別很重要。

旅遊是最明顯的例子。這個類別切片中只有 63 份可讀檔案，但其 P90 robots.txt 達 27.4 KB，P90 Disallow 數量高達 779，遠高於新聞。這並不代表旅遊網站有更成熟的 AI 政策，而是代表旅遊網站有更多爬蟲營運者容易浪費預算的表面：日期搜尋、可用性頁面、評論分頁、預訂流程、篩選組合與在地化庫存路徑。

SaaS 則是另一種意外。它的中位數檔案只有 485 位元組，但 P90 卻跳到 12.6 KB。多數 SaaS 網站都開放而精簡；少數網站則有很長的路徑控制檔，通常是因為文件、登入頁面、應用程式路由與行銷頁面共用同一個網域。

新聞在營運上處於中間，但在政治上接近前列。它的 P90 User-agent 數量是 68，高於這個表中的電商、旅遊、金融、學術、政府、SaaS 與開發工具。這顯示的是針對特定機器人的政策，而不只是路徑整理。

出版者的 robots.txt 可能因權利政策而複雜；市集的檔案可能因爬取預算管理而複雜；大學的檔案可能因多年舊路徑累積在同一網域下而複雜；社群平台的檔案可能因為必須在大規模下曝露某些表面、隱藏另一些表面而複雜。

AI 政策只是疊在這一切之上，並沒有取代原本讓檔案變複雜的原因。

這也說明為什麼 AI 時代的 robots.txt 治理，無法靠一份通用封鎖清單解決。底層檔案各有不同工作：

• 電商網站管理重複路徑與商品頁面；
• 旅遊網站管理列表、行事曆、評論與動態搜尋頁；
• 新聞網站管理版權、封存與授權立場；
• SaaS 與開發工具網站通常希望 AI 可見；
• 政府網站通常需要公開存取，但仍可能有敏感系統需要排除；
• 社群平台則要管理使用者生成內容、個人檔案頁與反濫用疑慮。

同一條 AI 爬蟲規則，在每種環境中的意義都不同。

發現六：組態債指數找的是審查風險，不是道德失敗

這次分析建立了一個簡單的組態債分數，用來找出那些可能難以審查的 robots.txt 檔案。

這個分數加權以下因素：

• 檔案大小；
• User-agent 指令數量；
• Disallow 指令數量；
• Allow 指令數量；
• 非核心指令數量；
• 是否包含 AI 政策語言；
• 是否同時包含明確 AI 封鎖與法律或版權語言。

這不是正確性分數。高複雜度檔案完全可能是刻意如此；低複雜度檔案也仍可能出錯。重點在於初步篩選：如果一份檔案又大、又充滿政策、又針對特定機器人、還有大量例外，那它就值得更嚴格的審查規範。

分數分布非常陡峭。中位數可讀檔案的分數是 1.74，P90 是 13.29，P95 是 15.00，P99 是 27.57。只有 366 份檔案分數至少 15，80 份至少 25，41 份至少 30。這就是實務上的審查隊列：不是每個網站都需要一個治理專案，但尾端上方那一群確實需要。

類別視角也顯示，單一句「AI 封鎖者」標籤太過扁平：

旅遊與搜尋的 P90 分數最高，因為少數檔案變得非常大、規則也非常多。新聞的中位數分數偏高，則是因為整個類別普遍更常出現政策語言與針對機器人的處理方式。電商的中位數 Disallow 數量很高，但其 P90 債務分數低於旅遊，因為它的複雜度更集中在路徑規則，而不是混合式政策／法律訊號。

這份資料集中分數最高的檔案包括：

這些檔案不該因為複雜而被嘲笑。複雜性往往反映真實商業需求。但它們也證明，robots.txt 政策應該像其他正式營運組態一樣接受工程紀律：

• 所有權應該明確；
• 變更應該經過審查；
• 生成區段應標示出來；
• 盡可能將法律註解與機器指令分離；
• 應為關鍵爬蟲建立測試案例，驗證預期的機器人存取；
• 應保留版本歷史；
• 舊機器人名稱應退場或文件化；
• AI 訓練、AI 擷取、搜尋索引與封存，應視為不同用途。

最後一點最重要。當前語法是以 user-agent 為中心：它要求網站營運者列出機器人名稱。AI 時代真正需要的是以用途為中心：它要求網站營運者說明哪些用途被允許。

這兩者並不相同。

這種不匹配，正是為什麼更長的封鎖清單不會長久。出版者今天可以新增 GPTBot、ClaudeBot、CCBot、Google-Extended、Bytespider、Applebot-Extended 與 PerplexityBot，但明天就可能出現新的爬蟲名稱、檢索代理或資料中介。一套以用途為基礎的政策，會讓網站能說「搜尋索引可以，AI 訓練不行，使用者觸發的檢索也許可以」，而不是把 robots.txt 變成機器人通訊錄。

這對 AI 治理意味著什麼

公開辯論常把 robots.txt 描述成「有意義」或「過時」。資料顯示的答案更務實：

robots.txt 很有意義，但它已經負荷過重。

它之所以有意義，是因為大型網站真的在使用它，爬蟲也能解析它，而政策選擇對研究者、記者、供應商與法院都是可見的。原始報告發現，在可分析的頂級網站中，有 17.0% 明確寫了 AI 專屬規則。這不是象徵性雜訊。

它之所以負荷過重，是因為這份檔案現在必須表達的不只是機器人存取：

• 「不要拿這些內容訓練。」
• 「你可以把這些內容用於搜尋索引。」
• 「你可以把這些內容用於即時檢索。」
• 「你不可以建立快取資料集。」
• 「這項法律保留適用於歐盟文字與資料探勘法。」
• 「這個由 CDN 管理的網站送出 Content-Signal: ai-train=no。」
• 「這個網站希望 Googlebot 存取，但不希望 YandexBot 存取。」
• 「這個網站有 1,000 條舊 URL 路徑不應被爬取。」

當前語法根本不是為這麼多工作設計的。

若要降低這筆債務，有三項改變會有幫助：

1. 爬蟲身分需要登錄制度。 網站營運者不應該被迫維護一份不斷增長的清單，列出 GPTBot、ClaudeBot、anthropic-ai、CCBot、Google-Extended、Applebot-Extended、Bytespider、OAI-SearchBot、ChatGPT-User 等等。沒有登錄制度，政策永遠會落後於爬蟲行為。

2. AI 使用需要結構化詞彙。 訓練、檢索、索引、摘要、資料集轉售、模型評估與使用者觸發瀏覽是不同用途。用供應商專屬 user-agent 名稱來表達這些用途，太脆弱了。

3. 政策需要可稽核性。 網路需要一種方法，能區分人手撰寫的權利保留、沿襲自 CDN 預設值、CMS 自動產生樣板、過時舊規則，以及不小心寫出的全面封鎖。這種區分對信任與訴訟都很重要。

這並不代表要一夜之間取代 robots.txt。更好的方向是分層：保留 robots.txt 作為探索與相容性介面，但針對 AI 專屬用途，標準化鄰接的機器可讀政策。

llms.txt 是其中一種嘗試，但在這份資料集中採用率仍然很低：只有 83 份可讀檔案提到它。Content-Signal 較為顯眼，是因為 Cloudflare 可以透過基礎設施分發，而且我們掃描到的 271 份 Content-Signal 檔案也都匹配到了 AI 政策語言。不過，廣泛分發並不等於形成共識。真正可持久的解法，可能還是得靠標準化那套看似枯燥但必要的機制：清楚欄位、清楚語義、爬蟲承諾與公開測試套件。

結論

AI 爬蟲之戰把 robots.txt 變成了一種治理文件。這既有用，也有風險。

有用，是因為檔案是公開的。研究者能稽核，出版者能修改，爬蟲能遵守，法院能閱讀，基礎設施供應商也能大規模部署。

有風險，是因為它承擔得太多了。

Tranco Top 10K 中位數的 robots.txt 檔案仍然小到可以理解；但高流量網路的長尾，充滿了大型、舊式、層層堆疊、供應商專用且帶有法律壓力的檔案。如今已有數百個網站維護的 robots.txt 組態，比起簡單的爬蟲提示，更應被理解為正式營運政策系統。

核心教訓不是 robots.txt 失敗了，而是網路把它升級了，卻沒有重新設計它。

如果 AI 存取政策要依賴機器可讀的公開宣告，那下一步就不是再做一份更長的封鎖清單，而是更好的政策基礎設施：以用途為基礎的權限、穩定的爬蟲身分、可審查的樣板與稽核軌跡。

在此之前，公開網路的 AI 治理層，仍會繼續建立在一個從未打算承載這麼多重量的文字檔上。

可重現性說明

交付資料夾包含：

• source_data/analysis.json — 原始彙總指標。
• source_data/site_meta.csv — 原始逐站分析表。
• source_data/bot_status.csv — 原始網域對機器人政策表。
• source_data/fetch_meta.csv — 原始擷取中繼資料。
• source_data/sites.csv — 原始網域／類別／狀態表。
• derived_data/robots_complexity_by_site.csv — 生成本報告所需的逐站複雜度指標。
• derived_data/search_bot_treatment.csv — 搜尋爬蟲處理矩陣。
• derived_data/category_complexity_summary.csv — 類別層級複雜度摘要。
• derived_data/top_config_debt_sites.csv — 依前述初步篩選分數排序的高分網站。
• derived_data/summary_metrics.json — 本報告引用的所有重點指標。

歡迎將方法論更正、資料集問題與後續分析寄至 support@thunderbit.com。本報告的發布不受 Thunderbit 持有的任何商業立場影響；我們打造的是 AI 驅動的網頁爬蟲，而我們在結構上確實希望 robots.txt 能持續成為公開網路上有意義、可機器讀取的契約。本報告中的資料本身自成一體。—— Thunderbit 研究團隊，2026 年 5 月。