截至 2026 年 8 月，Claude 生成的每一段文本都带有不可见的水印。你无法直接看到它，拼写检查也不会对其报错，而且直接从 Claude 复制粘贴到你的文档中它依然存在。Anthropic 开发这一机制是为了让 AI 编写的文本能够追溯到该模型，而这一标记就悄无声息地附带在文字本身之中。
如果你拥有自己生成的内容并希望清除这一指纹，那么一个名为 watermarks-remover 的开源项目正是大多数人所求助的工具。本指南将详细介绍 Claude 水印究竟是什么、该工具可以以及无法剥离哪些内容，以及具体如何运行它。
在开始之前有一点需要声明：这关乎你自己拥有的文本和文件的规范性与隐私。通过去除出处标记来进行学术欺诈、规避披露政策，或在禁止使用 AI 的合同下将 AI 生成的工作伪装成人类完成的作品，都是不可取的，且通常违反了约束你的规则。请务必了解你所处环境的服务条款。
AI Coding 交流群
如果你也在用 AI 写代码，或者正在研究 Cursor、Claude Code 这些工具，欢迎加入以下交流群。群里平时会聊一些 AI 编程的实际用法、开发工作流，还有各种新工具和新玩法。
TL;DR
- 什么是水印：Claude 根据密钥微调其词语选择，从而在整个段落中留下统计学特征签名。它不是一个你可以找到并删除的隐藏字符。此外，图像和某些文档中还包含独立的、文件级别的 C2PA 元数据标签。
- 哪些内容会残留：统计学文本水印在复制粘贴后依然存在。但在转述、深度编辑和翻译时会减弱。它在短段落和代码（代码格式化工具会清除仅存的微量特征）中很弱甚至不存在。
- 工具：watermarks-remover 是一个采用 MIT 许可证、支持 Python 3.10+、基于标准库的工具包。它通过两个不同的层级来处理两项不同的任务。
- A 层（确定性）：从文本中剥离不可见的 Unicode、特殊空格、双向文本（bidi）字符和标签字符。快速、可测试且无损。这是最可靠的部分。
- B 层（统计性）：通过重写文本来破坏 Token 采样水印。这只是尽力而为的操作，而且重新组织措辞会降低文本的行文质量。
- 文件：从 PNG、JPEG、SVG、PDF、DOCX、ODT、HTML 和 Markdown 文件中剥离 C2PA、EXIF、XMP 和文档属性。
- 坦白地讲：进行干净的确定性剥离很容易。但要完全去除统计学水印就意味着重写内容，而这正是你极力想要避免的质量妥协。
Claude 水印究竟是什么
首先纠正大多数人的一个误解。Claude 的文本水印 Eastern 并不是穿插在字里行间的一串隐藏字符。这里既没有可以搜索的零宽空格，也没有可以分离的异常字形，更没有可以测量的奇怪字距。
相反，水印存在于词汇本身之中。当 Claude 生成文本时，它会在每一步从一组统计学上几乎等价的候选词中挑选下一个 Token。水印会根据密钥来偏置该选择。在足够长的段落中，这些经过微调的选择会累积成一个可检测的统计特征。只读一句话你永远不会发现。但如果将几百字输入到持有该密钥的检测器中，这种特征模式就会显现出来。
这种设计带来了两个对去除水印至关重要的后果：
- 它在复制粘贴后依然存在。 因为信号融入了词汇选择而非元数据中，将文本从一个应用移到另一个应用也会随之携带水印。
- 它在编辑时很脆弱。 修改足够多的词汇，就会破坏这种统计特征模式。改写、翻译或将 Claude 的输出与你自己的写作融合，信号就会衰减。
Anthropic 自 2026 年 8 月 2 日起在模型层面上推出了这一功能，这意味着没有任何产品界面可以免除。Claude 应用、API、Claude Code 以及通过 AWS、Google Cloud 和 Microsoft Foundry 进行的第三方访问都会带上这个水印。Anthropic 表示即将推出检测 API，以便用户和第三方能够进行检测。如果你想了解 Anthropic 模型阵容和访问策略如何转变的背景，我们在 Fable 5 Is Down for Everyone 中报道过相关章节。
值得重复强调的一个警告是（因为这是一把双刃剑）：检测结果为阳性意味着文本可能经过了 Claude 的处理，并不代表有人作弊。校对、翻译和总结都会留下与代笔（ghost-writing）相同的痕迹。
两种不同的水印，两种不同的解决方法
watermarks-remover 将工作分层处理，因为 Claude（以及其他厂商）实际上使用了两种互不相关的标记系统，它们需要完全不同的处理方式。
Layer A，确定性字符剥离。 这针对的是不可见的 Unicode 字符：零宽空格、特殊的空白字符、双向文本控制字符以及 Unicode 标签字符。一些工具和管道会以这种方式嵌入来源或追踪数据。Layer A 是纯 Python 实现，不涉及模型，因此它是确定性的、可测试的且无损的，它可以在不改动你实际正文的情况下清除垃圾信息。这就是“开箱即用”的部分。
Layer B，统计学重写。 这一层针对的是上文描述的 Claude Token 采样水印。因为信号在于词汇的选择，所以去除它的唯一方法就是改变词汇：逐句重写文本。该项目直截了当地指出，这只是尽力而为的操作，不能保证百分之百成功，而且重新措辞会磨平文风，并可能削弱准确性。
文件，元数据剥离。除了文本，该工具还可以清除 PNG、JPEG、SVG、PDF、DOCX、ODT、HTML 和 Markdown 文件中的 C2PA 清单（manifests）、EXIF、XMP 和文档属性。C2PA 是内容来源和真实性联盟（Coalition for Content Provenance and Authenticity）标准，是一个附带在文件中的签名清单。与统计文本标记不同，C2PA 非常容易剥离：重新保存文件、转换格式或对图像进行截图，清单就会消失。
该工具使用相同的架构覆盖了 Claude、Gemini/SynthID-Text、OpenAI 以及开源（Kirchenbauer 风格）的标记。像 SynthID 这样的像素域图像水印超出了清除范围，不过该项目可以可选地通过外部 reverse-SynthID 签出来为它们进行评分。
水印自身无法覆盖的场景
在运行任何操作之前，有必要了解 Claude 的标记在哪些方面已经很微弱。在以下情况下，清除水印很容易或者根本没有必要：
- 短文本。寥寥数句不包含足够的 token 选择，无法积累统计置信度。检测器需要一定的文本长度。
- 代码。与普通文本相比，源代码的 token 选择受到的限制要多得多，因此其信号起初就很微弱。接着，格式化工具、Linter 和重构工具会重写剩余的任何熵。到你的代码提交时，通常已经没有什么可供检测的了。这就是为什么 Claude Code 输出上的水印理论意义大于实际意义的原因。
- 经过深度编辑的文本。如果你已经重写了一半的内容，你可能在无意中就已经破坏了其特征模式。
- 文件上的 C2PA。任何格式转换或重新保存通常都会丢弃它。
这意味着，“清除”工作的实际适用范围通常是：你基本保留了 Claude 原始写法的长篇散文，以及任何文件元数据。
安装 watermarks-remover
该项目作为一个 Agent 技能以及一套独立的 Python 脚本发布。你需要 Python 3.10+；核心脚本仅使用标准库，因此对于基本的文本和元数据处理工作，不需要运行 pip install。
克隆仓库：
git clone https://github.com/guillaumemeyer/watermarks-remover.git
cd watermarks-remover
如果你想将其作为 Agent 技能调用（该仓库的示例使用 Grok 风格的 skills 目录），请将该技能目录链接进来：
mkdir -p ~/.grok/skills
ln -sfn "$(pwd)/skills/remove-ai-marks" ~/.grok/skills/remove-ai-marks
对于其他用户，你将直接调用脚本。为脚本目录设置一个快捷方式，以便下面的命令读起来更清晰：
export SCRIPTS="$(pwd)/skills/remove-ai-marks/scripts"
如果已安装以下两个可选的命令行工具，它们可以扩展文件清理功能：
c2patool：用于详细检查 C2PA 清单。exiftool：用于清除 Layer A 无法触及的残留图像元数据。
核心工作流不需要这两者中的任何一个。
在处理文件之前进行检查
绝不要盲目清理。先运行检测器，以便在决定清除什么之前，清楚地了解实际存在的内容，包括不可见字符、元数据块和溯源清单。
python3 "$SCRIPTS/inspect_file.py" draft.md
这会报告工具检测到的内容，而不会修改任何东西。这相当于在覆盖目标之前先对其进行读取：如果检测器显示文件已经是干净的，你就大功告成了；如果它发现了令人意外的内容，你可以在修改任何字节之前做出决定。
清除文本中的标记
对于确定性的 A 层（Layer A）清理（可靠且无损的通道），请使用 clean_text.py。--stats 标志会打印所发现和清除的内容摘要：
python3 "$SCRIPTS/clean_text.py" draft.md -o draft.cleaned.md --stats
这会清除不可见的 Unicode 字符、特殊空格、双向文本（bidi）控制符和标签字符。它不会触及可见的文本内容，因此不会损失质量。对于大多数担心隐藏追踪字符而非统计学标记的人来说，这单条命令就能搞定一切。
-o 标志会将内容写入一个新文件，而不是覆盖原始文件，在验证结果之前，请保留源文件。
清除文件中的元数据
对于图片和文档，clean_file.py 可以清除 C2PA、EXIF、XMP 以及嵌入的文档属性：
python3 "$SCRIPTS/clean_file.py" photo.png -o photo.cleaned.png
它支持 PNG、JPEG、SVG、PDF、DOCX、ODT、HTML 和 Markdown。如果你安装了 exiftool 并希望对图片进行彻底处理，可以在运行该工具后执行以下命令以清除任何残留标签：
exiftool -all= photo.cleaned.png
请记住，C2PA 是比较简单的情况。如果你只关心 Claude 生成的图片上的溯源清单，格式的循环转换通常就能自动将其清除，而这个工具只是更干净、更可预测地完成这一操作。
B 层问题：通过重写对抗统计学特征
在这一点上，坦诚比命令语法更重要。
统计学文本水印只能通过修改词汇来清除。该工具通过 rewrite_text.py 提供了这一功能，它会准备一个释义通道：
python3 "$SCRIPTS/rewrite_text.py" draft.md --backend print-prompt --strength paraphrase
--backend print-prompt 选项会输出重写提示词，而不是直接调用模型，这样你就能自主控制使用什么来重写。--strength 控制重写改动的剧烈程度。
但请看清你实际上同意了什么。要打破分布在词汇选择中的信号，你必须逐句重写。这会导致：
- 削弱风格。承载水印的具体措辞往往也承载着行文的语气和特色。
- 带来准确性风险。重写技术内容可能会在不经意间改变其含义。
- 需要能力强大的模型才能做好。而此时你实际上是在花高昂的 Token 费用来重写高阶模型的输出。
这个项目本身提出了一个显而易见的问题：如果你需要一个强大的模型来改写 Claude 的文本，以便在不破坏其质量的前提下实现无水印化，这究竟是一种廉价的折中方案，还是仅仅……为了劣化的文本而增加更多的模型开销？对于大多数合法的应用场景而言，答案是 Layer B 并不划算。如果文本很短，或者是代码，水印可能已经微弱到可以忽略不计。如果这是你所关心的长篇散文，重写则会破坏你原本想要保留的内容。
务实的建议是：常规运行 Layer A 和文件清理器；只有在有特定、合法的理由并且可以接受质量受损的情况下，才考虑使用 Layer B。
验证你的工作
去除效果的好坏完全取决于你确认它的能力。对输出结果重新运行检查器：
python3 "$SCRIPTS/inspect_file.py" draft.cleaned.md
特别是对于 C2PA，c2patool 可以让你明确读取是否仍存在 manifest（元数据清单）：
c2patool photo.cleaned.png
对于统计学文本水印，进行真实的验证会更加困难，因为你没有 Anthropic 的密钥。当 Anthropic 承诺的检测 API 发布时，那将成为真正的测试方法。在此之前，Layer B 的结果在定义上应被视为未经验证。如果你将这些工作构建到可重复的流水线中，那么该验证步骤就像其他 API 工作流一样，非常值得测试；那些将内容或模型检查自动化的团队通常会将其接入像 Apifox 这样的 API 测试工具，这样“水印是否又回来了”的检查每次都能以相同的方式运行。关于测试由模型支持的接口的更广泛模式，请参阅《如何通过 API 测试 AI Agent》（How to Test AI Agents Over an API）。
法律与伦理护栏
该工具自身的定位是合理的：这是为了对你拥有的内容进行隐私保护和清理。这包括从你自己的草稿中剥离追踪字符、在发布图片前清除元数据，或者从你认为属于自己的作品中移除来源标记。
它不适用于以下情况：
- 学术不端行为。如果你的机构要求声明或禁止提交 AI 生成的内容，那么无论输出结果看起来多么干净，通过移除水印来隐瞒这一点都属于违规行为。
- 违反合同约定。许多客户协议和平台条款都要求声明使用 AI。水印隐形并不代表你的义务也随之消失。
- 虚假署名。在会产生实质性误导的情况下，将 AI 的作品冒充为人类创作，这正是出处标记旨在防止的危害。
此外，还有一个实际原因不应过度依赖这些手段：检测具有双向性。检测到水印并不能证明创作者身份，而没有水印也无法证明其源于人类之手。围绕对抗一个本身就模棱两可的信号来构建工作流，往往得不偿失。如有疑问，直接声明。这比隐瞒被发现的代价要低得多。
如果你更关心的不是隐藏 AI 的使用，而是以自己的方式运行模型——拥有自己的来源策略，并且从一开始就没有厂商水印，那么自托管是更彻底的解决方案。我们已经在《2026 年最值得运行的本地大语言模型》中介绍了目前的方案选择。
FAQ
我可以只找出并删除 Claude 文本中的水印字符吗？ 不行。Claude 的文本水印并不是由隐藏字符组成的，而是词义选择上的统计学偏差。没有什么字符是可以让你搜索并删除的。（其他一些工具确实会注入不可见字符，watermarks-remover 的 Layer A 可以清除这些字符。但这与 Claude 的统计学水印机制不同。）
复制粘贴 Claude 的输出会清除水印吗？ 不会。统计学标记已经嵌入到单词中，因此在不同应用之间复制粘贴后它依然存在。只有编辑实际文本才能减弱它。
watermarks-remover 是免费的吗？ 是的。它是在 MIT 许可证下开源的。核心文本和元数据脚本仅需要 Python 3.10+ 和标准库。
它对 Claude Code 的输出有效吗？ 可以运行，但在代码中，水印通常已经微弱到可以忽略不计。源代码的 Token 选择空间受限，并且代码格式化工具和 linter 会清除大部分剩余的信号特征。通常没有多少水印需要去除。
它能去除像 SynthID 这样的图像水印吗？ 不能去除像素域的水印。它能干净地剥离文件级的元数据（C2PA、EXIF、XMP），并且可以通过外部反向 SynthID 设置来选择性地为 SynthID 标记评分，但去除像素内水印超出了该工具的范围。
去除水印合法吗？ 从你拥有的内容中删除来源标记本身并不违法，但这可能会违反学术政策、合同或要求披露 AI 的平台条款。该工具旨在保护你自己内容的隐私，而不是为了规避这些义务。
我如何确定统计学标记确实消失了？ 目前你基本上无法自己验证，因为你没有检测密钥。Anthropic 表示即将推出检测 API，届时这将是真正的测试。相比之下，Layer A 字符的移除和 C2PA 的剥离很容易通过检查器和 c2patool 进行验证。
开发必备：API 全流程管理神器 Apifox
介绍完上文的内容，我想额外介绍一个对开发者同样重要的效率工具 —— Apifox。作为一个集 API 文档、调试、设计、测试、Mock、自动化测试于一体的工具，Apifox 是目前提升研发效率的首选。
如果你正在开发项目，不妨试试其极其友好的界面设计，它完全兼容 Postman 和 Swagger 数据格式，导入数据非常方便，，即使是新手也能很快上手，点击这里即可注册使用。
值得一提的是，除了个人和常规团队使用，针对有高安全合规要求、或需要在内网环境协作的企业，Apifox 还提供了深度定制的私有化部署方案。
获取专属报价与部署方案
详细的私有化部署系统架构与安全白皮书
针对您公司规模的专属报价单
免费的 1v1 专属产品演示 (Demo) 机会
