Agent 說搜尋過其實沒搜到

概要

• 被擋之後的編造Rafael 認為 LLM 被設計成要討好使用者，所以拿到驗證碼或空白頁時不會說做不到，而是自己補出內容，包括數字和連不到的引用。
• 舊資料冒充現況Rafael 說 agent 被擋時有時會改用訓練資料，並把 2024 年的資料當成現在的情況回答。
• 網站反過來餵假資料Rafael 提到 Cloudflare 預設擋掉約 20% 網路內容的 AI 爬取，並推出 AI Labyrinth 對機器人提供假資料，讓結果更糟。
• 現場對照實驗同一組提示、五類難爬的網站，GPT-5 沒接 MCP 時五個全失敗；接上 Bright Data 的 MCP 後，demo 裡點開的幾個網站都拿到了資料。
• 只碰公開資料Bright Data 不處理需要登入的資料，Rafael 的理由是註冊時要接受服務條款，這方面也有不少訴訟。
• 讓 agent 像真人他們的做法是模擬滑鼠移動與打字，讓網站不觸發封鎖；另提供讓 agent 寫解析器、不逐頁用 LLM 解析的 skills 頁面。

原話

• “Because LLMs are programmed to please people, please users, so they're making up things.”

  因為 LLM 被設計成要討好人、討好使用者，所以就會編造東西

  ▶ 00:36

• “it goes into training data and this is where the worst thing is when it uses training data and tells you that this is the current situation”

  它改去用訓練資料，最糟的就是用訓練資料還告訴你這是現況

  ▶ 01:26

• “It will try to make up something, and this is where the most of the hallucinations come from.”

  它會試著編點什麼，大部分的幻覺就是這樣來的

  ▶ 02:16

• “Misleading data is one of the toughest things that you can actually encounter.”

  誤導性的資料是你可能碰到最難處理的情況之一

  ▶ 11:20

延伸

• Rafael 提到亞洲有不少網站（例如飯店）會對手機、電腦、經過 proxy 的請求顯示不同價格，到底哪個才是對的很難判斷，所以最好的做法還是讓 agent 盡量像真人。
• 回答聽眾提問時，Rafael 強調只碰公開資料、登入後的資料不處理，並說 LinkedIn、Amazon 都有訴訟正在進行。