# As a condition of accessing this website, you agree to abide by the following
# content signals:

# (a)  If a Content-Signal = yes, you may collect content for the corresponding
#      use.
# (b)  If a Content-Signal = no, you may not collect content for the
#      corresponding use.
# (c)  If the website operator does not include a Content-Signal for a
#      corresponding use, the website operator neither grants nor restricts
#      permission via Content-Signal with respect to the corresponding use.

# The content signals and their meanings are:

# search:   building a search index and providing search results (e.g., returning
#           hyperlinks and short excerpts from your website's contents). Search does not
#           include providing AI-generated search summaries.
# ai-input: inputting content into one or more AI models (e.g., retrieval
#           augmented generation, grounding, or other real-time taking of content for
#           generative AI search answers).
# ai-train: training or fine-tuning AI models.
# use:      how AI systems may consume the content (immediate, reference, or full).

# ANY RESTRICTIONS EXPRESSED VIA CONTENT SIGNALS ARE EXPRESS RESERVATIONS OF
# RIGHTS UNDER ARTICLE 4 OF THE EUROPEAN UNION DIRECTIVE 2019/790 ON COPYRIGHT
# AND RELATED RIGHTS IN THE DIGITAL SINGLE MARKET.

# BEGIN Cloudflare Managed content


User-agent: *
Content-Signal: search=yes,ai-train=no,use=reference
Allow: /

# Training crawlers
User-agent: Amazonbot
Disallow: /

User-agent: Applebot-Extended
Disallow: /

User-agent: Bytespider
Disallow: /

User-agent: CCBot
Disallow: /

User-agent: ClaudeBot
Disallow: /

User-agent: Diffbot
Disallow: /

User-agent: Google-Extended
Disallow: /

User-agent: GPTBot
Disallow: /

User-agent: omgili
Disallow: /

User-agent: anthropic-ai
Disallow: /

User-agent: Claude-Web
Disallow: /

User-agent: cohere-ai
Disallow: /

User-agent: MistralAI-Training
Disallow: /

User-agent: meta-externalagent
Disallow: /

User-agent: GoogleOther
Disallow: /

User-agent: Baiduspider
Disallow: /

User-agent: PetalBot
Disallow: /

User-agent: AwarioSmartBot
User-agent: AwarioRssBot
Disallow: /

User-agent: Google-CloudVertexBot
Disallow: /

User-agent: QualifiedBot
Disallow: /

User-agent: Cotoyogi
Disallow: /

User-agent: ICC-Crawler
Disallow: /

User-agent: atlassian-bot
Disallow: /

User-agent: FishBot
Disallow: /

User-agent: BorderxBot
Disallow: /

User-agent: NavuBot
Disallow: /

User-agent: SemrushBot-SWA
Disallow: /

User-agent: WARDBot
Disallow: /

User-agent: magpie-crawler
Disallow: /

User-agent: KimiBot
Disallow: /

User-agent: CitibotSiteCrawler
Disallow: /

# END Cloudflare Managed Content

# robots.txt — só decide o que um CRAWLER pode listar/indexar; nunca é
# controle de acesso de verdade (qualquer um pode ignorá-lo e pedir a URL
# direto). Isso já é reforçado no servidor: toda rota abaixo em Disallow
# também exige sessão de verdade via requireAuth (middleware/auth.js), então
# um bot que ignorasse isto bateria em redirect pro /login, não em conteúdo.
#
# Por que Allow explícito em vez de só Disallow: sem nenhuma regra "Allow",
# tudo que não bate com um "Disallow" já é permitido por padrão — a lista
# abaixo existe pra documentar pra um humano lendo o arquivo (ou outro dev)
# QUAIS rotas públicas a gente quer mesmo que sejam indexadas, não só o que
# está bloqueado.
User-agent: *
Allow: /
Allow: /explore
Allow: /about
Allow: /sitemap
Allow: /status
Allow: /login
Allow: /register
Allow: /terms
Allow: /privacy
Allow: /upgrade

# Áreas autenticadas / pessoais — sem valor pra indexação (conteúdo é
# individual por conta, um crawler nunca teria sessão pra ver de verdade) e
# nada que devesse aparecer num resultado de busca de qualquer forma.
Disallow: /dashboard
Disallow: /daily
Disallow: /papers
Disallow: /keywords
Disallow: /export
Disallow: /stats
Disallow: /profile
Disallow: /admin
Disallow: /notifications
Disallow: /tutorial
Disallow: /api/
Disallow: /auth/

# Um único Sitemap canônico — Google/Bing só precisam de um ponto de entrada;
# ele já lista todas as URLs públicas com prioridade/frequência de mudança
# (o /sitemap humano, sem .xml, é só a versão pra gente ler, não entra aqui).
Sitemap: https://research.phrandrade.com/sitemap.xml