香港
Muse 佔 AI Agent 請求近九成市場:網站要怎樣分開真人與代理

Muse 佔 AI Agent 請求近九成市場:網站要怎樣分開真人與代理

截至 2026 年 11 月,一個網站收到多少比例的 AI Agent 請求,目前只能靠第三方保安廠商的網絡估算。HUMAN Security 的月度報告顯示,Meta 與 OpenAI 的代理在十月佔其所見代理請求近九成,Meta 的 Muse 單獨佔 59%,其中大部分落在商品與搜尋頁。對正在考慮 ai agent development 的團隊來說,這個數字最實用的地方,是提醒你先把「這筆流量算誰的」寫清楚,再談要不要封鎖。

先定義清楚:59% 是誰的 59%

這是整件事最容易誤讀的一處,值得先把題目讀完。

HUMAN 的報告只覆蓋它保護的網站與應用,不是整個互聯網的流量;每一個請求代表代理的一次動作,例如打開一頁或做一次搜尋。59% 的分母因此是「被 HUMAN 看到、且被判定為代理的請求」,而不是「你網站的總流量」。

所以這個數字答不了三個問題:你的站有多少流量來自代理、這些代理帶來幾多轉化、以及如果少了它們收入會跌多少。要答這三個問題,得靠你自己的伺服器日誌、埋點與引薦來源分類。這也是我在 ai 系統 整合 的提案裡一定先問對方要日誌的原因:接口與資料映射都接得到,但沒有原始記錄,接完也只是把錯的分子除以錯的分母。

我習慣在報表第一頁寫清楚三件事:指標的叫法、時間範圍、分母是甚麼。這份報告寫的是十月、HUMAN 網絡、代理請求。少了任何一項,59% 就會被拿去當成「網站六成流量是機器人」來用,那個結論沒有數據支撐。

辦公桌上攤開一份報表,有人用鉛筆與彩色標籤圈起其中幾欄數字。

十月這一個月發生了甚麼

報告本身的數字很集中。

十月的代理請求總量約為八月的 8 倍,約為九月的 2.6 倍。Muse 的佔比較九月上升 19 個百分點,它送出的請求數量接近四倍,目前是排第二的 ChatGPT Agent 的 3.7 倍。Meta 於九月八日推出 Muse,前後不過兩個月。

其他代理的處境剛好相反。ChatGPT Agent 在九月佔 28.5%,十月跌至 15.9%;Claude 的 Chrome 擴充由 7% 降至 3.5%;Perplexity 的 Comet 則由八月的 41% 一路下滑,九月只剩九巴仙出頭,十月再降至 3.6%。報告把原因歸於用戶按平台熟悉程度選代理,而不是開一個獨立瀏覽器。

這裡有一個方法論上的陷阱:佔比下跌不等於請求變少。ChatGPT Agent 的請求量其實增加了逾四成,只是 Muse 長得更快,於是在同一個分母下被攤薄。如果你只看佔比就判斷「某個代理正在退場」,結論會反過來。

代理進來之後去哪裡

報告按請求最終落地的頁面分類,這個分類講的是「落在哪一頁」,不是「做了甚麼」,所以落在結賬頁不等於已經下單。

十月有 85% 的代理請求指向商品與搜尋頁,九月是 81%。同期去到結賬與付款頁的請求由 2.4% 降至 1.9%。電商網站產生約 60% 的代理請求,旅遊排第二。

觀察項目九月十月讀法
商品與搜尋頁請求佔比81%85%代理主要在找資料、比價
結賬與付款頁請求佔比2.4%1.9%真正走到付款的比例仍低
ChatGPT Agent 佔比28.5%15.9%請求量升逾四成,佔比被稀釋
Perplexity Comet 佔比不足一成3.6%八月為 41%,連續兩月下滑

電商與旅遊團隊要留意的是這個落差:代理看完再看的比例高,付款的比例低。它對收入的直接影響未必大,但對你用來做歸因的那份日誌影響不小,因為這些請求會被一般分析工具當成訪客,而 HUMAN 自己的報告也提到,多數網站的 analytics 工具分不出 AI Agent 與真人訪客。

網站憑甚麼認得 Muse:簽章與它的缺口

要分清代理與真人,行業正在走的方向是讓代理自己出示身分。Web Bot Auth 讓代理用私鑰為每個 HTTP 請求簽章,做法依 HTTP Message Signatures(RFC 9421),並在 Signature-Agent 標頭指向一個公開金鑰目錄,放在代理營運方域名的固定路徑下。收件方取回公鑰就能驗簽。用戶代理字串人人可抄,簽章沒有私鑰造不出來,這是目前較可靠的辨識方式。

問題出在搬遷。DataDome 記錄到,Muse 在十一月七日至九日之間,把簽章用的金鑰目錄由 meta.com 換成 muse.ai。過程是漸進的,中間約有兩天維持大約五五分流,到十一月九日完成切換,舊目錄之後不再使用。驗證方大約有 60 小時注意到新目錄。

更關鍵的是覆蓋率。截至十一月十日,DataDome 網絡上仍有一半的 Muse 請求沒有帶簽章。沒有簽章就沒有東西可驗,只能靠客戶端訊號去推斷,這種推斷的準確率比不上驗簽,而且會隨代理更新而變。Meta 自己的說法也提醒了同一件事:Muse 上網時,活動會顯示成使用者本人。如果你的防護只靠「這個請求像不像機器人」,那麼一個刻意模仿真人的代理,就會被當成真人。驗簽是少數不靠模仿與偵測的辨識方式,代價是它需要對方配合簽章。

這就回到一個常見的做法:只信任 meta.com 的驗簽清單。十一月九日之後,這些請求在你看來全是「未驗證」,於是本來已確認的代理被當成不明流量,放行與攔截變成兩難。金鑰目錄不是靜態的,會被加入、輪替、下架,維護清單是持續工作。

代理把蓋上印章的信封交給網站一方核對,旁邊一堆沒有印章的請求被分開放。

三個選擇,三種代價

香港的營銷、電商與營運主管,此刻大概在三個方向之間選一個。這張表比的是代價,不是好處。

選擇做甚麼主要代價適合誰
當普通流量處理不改規則,照常記錄報表把代理算成真人,轉化率被拉低剛起步、流量結構未明
直接封鎖在 robots.txt 或防護服務攔截擋錯率高,一半無簽章的請求難以判斷內容版權壓力大的站
有界接入驗簽放行已知代理,其餘限速或轉人工需要維護清單與規則,要人手跟進正要擴充 ai 流程 自動化 的團隊

前兩個選擇的成本容易看見,第三個的成本藏在維護。不過第三個也是唯一能同時保住曝光與數據準確的做法,因為它把「誰可以進來、進來能做甚麼」寫成規則,而不是靠一次性的攔截。報表要能在選擇改變之後說出「代理請求的佔比變了沒有」,就得從第一天起把分類寫進收集流程,這也是我建議把 ai 流程 自動化 的第一步放在流量分類而不是內容生成的原因。

Bolt AI 與 Pydantic AI:框架帶來的代理,網站認得嗎

搜索結果裡關於搭建代理的內容,幾乎都圍繞框架與代碼:用 Bolt AI 一類的生成工具把原型快速做出來,或用 Pydantic AI 這類框架把代理的結構與工具呼叫寫清楚。開發者問的是「怎樣把代理寫出來」,網站營運方問的是「怎樣認出這是一個代理」,兩個問題的答案不在同一個地方。

框架決定代理如何被建構,身分則由簽章、金鑰目錄與請求標頭決定。一個寫得很好的代理,如果沒有帶簽章就上線,在你的站上看起來和腳本無異;一個技術上簡陋的代理,只要驗簽通過,你就能確認它是誰。所以 ai 系統 整合 要做的第一步,是把接收端準備好:能驗的請求去驗,不能驗的走另一條路。選框架是之後的事。

同樣的道理適用於內部:你自家寫的代理,也要用同一套方式向別人的站表明身分,否則你的合作方一樣分不清你和爬蟲。

Topkee 的做法:先讓流量可觀測,再談權限

Topkee 的立場很簡單:沒有基線就不要談封鎖。Topkee 的 AI Agent 開發服務把這件事拆成幾層,每一層對應代理流量治理的一個實際問題。從識別、權限到入口,順序不能倒過來,因為後兩層的規則都要靠第一層的數據來調整。

第一層是觀測。Topkee 的 GEO 分析看的是檢索來源與引用頁面,也會檢查網站本身寫得夠不夠清楚讓 AI 讀懂,文件自己就寫明它不等於實際網站訪問。要判斷你站上有多少代理,得靠網站的伺服器日誌、埋點與引薦來源分類,這落在企業系統整合的範圍:核對並連接 CRM、ERP、電商與雲服務的接口,建立應用與代理共用的資料與操作能力。系統整合通常在數天內完成,而不是數月。

第二層是權限。Topkee 定制代理的四項設計要求裡,有一項叫「動作有邊界」:對外發送、預算或訂單變更須另行審批或預先授權,缺失資料或接口錯誤有重試與人工接手路徑。人工審批讓負責人批准或拒絕待執行步驟,運行記錄關聯任務清單與證據,兩者分開查核。這套機制原本用來管自家代理,套在「哪個外來代理可以讀甚麼」上,思路是一樣的。

第三層是入口。Topkee 的 Weber 會為網站生成 robots.txt,用戶可撰寫指令告知網絡機器人如何爬行與索引。它是指引而非強制執行,擋不住不理會規則的抓取器,但在成本與可維護性上,它是最先應該設定正確的一層。

Topkee 的 AI Agent 定制開發服務把交付拆成四項要求:資料有來源、執行有權限、成果可驗收、交付可接手。放到代理流量這件事上,第三項的意思是你自己要有一份能重跑的報表,換了防護服務或改了規則之後,同一份報表還能算出可比較的數字。

知識庫裡沒有任何 Muse 的條目,也沒有代理請求佔比這類第三方數字,所以上面沒有一個數字屬於 Topkee 的成效。這是刻意的:把別人的估算當成自己的成果,遲早在驗收時出問題。

一份可以今日就做的起點

不用等下一個月的報告。先回答三個問題,答案都存在你自己的系統裡。

  1. 你的伺服器日誌有沒有記錄提出請求的用戶代理字串與來源 IP,保留期多長。沒有這份原始記錄,之後任何分類都無從核對。
  2. 你的防護服務或 CDN 有沒有開啟簽章驗證,目前信任哪些金鑰目錄。如果清單裡只有 meta.com,十一月九日之後的 Muse 請求在你眼中都是未驗證。
  3. robots.txt 有沒有逐個聲明主要代理的規則。它管不到帶憑證的 API 呼叫,但能處理公開頁面的抓取。

三題都有答案之後,再決定要不要建分類報表。做法可以參考 TTO Funnel Tuning Agent 的報表口徑思路:先固定分母與時間範圍,再比較前後期。

這件事對香港市場意味著甚麼

香港的電商與旅遊站,代理流量集中在商品與搜尋頁,這是與內容型網站不同的地方。內容站被代理抓走的代價是版權與帶寬;商品站被代理抓走的代價是報表失真,你會以為某個渠道的轉化率跌了,其實是分子沒變、分母被代理撐大。

這也解釋了為甚麼 ai agent development 的討論,在香港多數從報表開始而不是從模型開始。團隊先要一份可信的分母,才談得上優化。而分母要可信,就得先把「代理」與「真人」分開記錄,這件事沒有現成插件可以一鍵完成,要按你自己的渠道結構設計,Weber 的站點生成設定就是其中一個常見的起點。

如果 AI 引薦確實帶來高意向訪客,下一步才是承接。Topkee 的 YME Chat Agent 承接網站、WhatsApp 與 Messenger 上的人的查詢,即時辨識意向、引導留資、按階段轉介人工。它不是給外部代理呼叫的閘道,這一點在提案時就要切開講清楚。

客服人員戴著耳機,一邊看電腦一邊看手機上的對話視窗回覆查詢。

常見問題

Muse 的 59% 是不是代表我網站六成流量是 AI Agent

不是。59% 是 HUMAN 在其保護的網站上所見代理請求之中,Muse 所佔的比例,分母不包括真人流量,也不包括 HUMAN 看不到的網站。你的站有多少代理流量,要用你自己的日誌計算。

為甚麼 ChatGPT Agent 的請求變多,佔比反而下跌

因為它在同一個分母下增長得比 Muse 慢。報告顯示它的請求量增加了逾四成,但仍然被 Muse 接近四倍的增幅輾過,於是 ChatGPT Agent 的佔比由 28.5% 降至 15.9%。佔比與絕對量要分開看,這也是我在報表裡一定同時列兩者的原因。

robots.txt 能不能擋住 Muse

作用有限。robots.txt 是指引,靠對方遵守,擋不住不理會規則的抓取器;而且代理走的是 HTTP 請求,不會先讀你的 robots.txt 才決定要不要抓。它適合處理公開頁面的抓取範圍,不適合當作代理流量的主要控制點。

Web Bot Auth 驗簽要維護甚麼

要維護你信任的金鑰目錄清單。Muse 在十一月七日至九日把目錄由 meta.com 換成 muse.ai,只信任舊目錄的站,在十一月九日之後會把所有 Muse 請求視為未驗證。另外,十一月十日仍有一半 Muse 請求沒有帶簽章,驗簽只覆蓋其中一部分。

我們應該先封鎖還是先觀測

先觀測。沒有四至八個星期的基線,你不知道封鎖前後的差別是來自代理還是季節性。建立分類報表不需要改動現有系統,只需要把日誌與引薦來源並進同一個口徑,這一步的產出可以核對,之後的決策才有依據。

Sources

  1. "Meta's Muse Now Sends Most AI Agent Requests One Security Firm Sees", Search Engine Journal, 2026-11-14. https://www.searchenginejournal.com/meta-muse-ai-agent-requests-human-security/597388/
  2. "How We Built Safety Into Muse", Muse, 2026-11. https://muse.ai/blog/security-and-safety-for-ai-agents-our-approach-with-muse
  3. "Meta's Muse Now Signs as Muse.ai", DataDome, 2026-11-11. https://datadome.co/threat-research/meta-muse-now-signs-as-muse-ai/
分享到:
日期: 2026-11-15
Pang Sir

作者

Pang Sir

Production Manager