很多人可能不知道，AI 生成的内容除了肉眼能看到的文字、图片，有时还会包含一些看不见的数字标记。
比如，文本中的零宽字符、特殊 Unicode 字符，图片中的 C2PA 溯源信息、EXIF 元数据，甚至某些 AI 模型在生成文字时，还会通过 Token 的概率分布嵌入统计水印。
这些标记基本不会影响正常使用，但有时可能会暴露文件的生成来源、使用工具或其他元数据信息。
最近发现一个挺有意思的 GitHub 开源项目：watermarks-remover：
这是一个主打隐私保护的 AI 水印检测与清理工具，支持在本地处理文本、图片、Office 文档、PDF以及部分音视频文件。
它能清理哪些内容？
项目主要提供三个层面的清理能力。
1. 文本隐藏字符清理
有些文本可能包含肉眼无法直接识别的字符，例如：
- 零宽空格、零宽连接符
- 特殊 Unicode 空格
- 双向文本控制字符
- Unicode Tag 等隐藏字符
工具可以检测并清理这些字符，同时尽量保留正常文本内容。
需要注意的是，并不是所有隐藏 Unicode 字符都是 AI 水印，有些也可能是正常排版或语言处理所必需的字符。
2. AI 统计水印处理
部分 AI 文本水印并不是在文字中插入隐藏字符，而是在生成过程中调整 Token 的采样概率，使输出文本呈现某种可检测的统计规律。
例如 SynthID-Text，以及一些开源大模型使用的绿名单 Token 水印方案。
这种水印无法像删除隐藏字符一样直接清除。
watermarks-remover 主要通过 AI 改写、重新组织文本等方式，尝试降低原有的统计水印信号。
不过，这种方法并不保证一定有效，而且改写可能影响原文风格、措辞甚至细节。
3. 文件元数据清理
我觉得这是比较实用的功能。
不少文件除了实际内容，还可能携带额外的元数据，例如：
- C2PA：用于记录内容来源及编辑历史的数字凭证
- EXIF：图片拍摄设备、时间、地理位置等信息
- XMP：文件描述、创作工具及其他扩展元数据
- Office 文档属性：作者、应用程序和部分编辑信息
watermarks-remover 可以检查和清理多种文件格式中的相关元数据。
支持的格式包括：
- 图片：PNG、JPEG、WebP、AVIF、HEIC、GIF、TIFF 等
- 文档：PDF、DOCX、XLSX、PPTX、EPUB、ODT
- 网页与文本：HTML、Markdown
- 音视频：MP3、WAV、FLAC、MP4、MOV、M4A 等
需要说明的是，清理元数据不等于清除文件内部所有隐形水印。
例如嵌入图片像素、音频信号中的水印，就需要其他处理方法。项目也提供部分可选的实验性处理能力，但不能保证完全消除。
还能集成到 AI 编程工具中
这个项目比较有特色的一点，就是支持以 Agent Skill 的方式接入开发工作流。
目前提供 Claude Code、Cursor、Codex 等工具的安装方式。
例如，可以在 Codex 中安装相应 Skill，让 Agent 根据指令调用本地清理服务，对自己生成的文件进行检查或清理。
对于 Claude Code，还提供了 Hook 集成方案，可以在 Agent 写入或编辑文件之后自动执行检查。
默认模式只报告发现的标记，不直接修改文件；也可以主动配置自动清理模式。
这就比较适合经常使用 AI 编写代码、生成 Markdown 文档，或者批量处理文件的开发者。
本地运行，隐私更可控
watermarks-remover 的核心 HTTP 服务使用 Python 3.10+ 标准库实现，不需要依赖在线网站，也不必安装 Docker。
可以直接在本机启动：
python3 service/scripts/server.py --host 127.0.0.1 --port 8765
Windows 用户可以将 python3 替换为 py。
服务默认只监听本机地址，端口为 8765。
对于单纯的隐藏字符、文件元数据检查和基础清理，可以使用项目提供的本地脚本。
如果需要更高级的统计水印重写、图像像素水印处理等功能，则可能需要额外安装模型、工具或配置推理后端。
另外，如果选择调用在线大模型 API 进行文本改写，内容就可能发送给第三方服务，因此不能把所有功能都理解为完全离线运行。
最后说几句
我觉得 watermarks-remover 最大的价值，并不是所谓的“一键抹除全部 AI 痕迹”，而是提供了一套比较完整的内容检查和隐私清理工具。
特别是文件元数据清理、隐藏 Unicode 字符检测，以及与 AI Agent 工作流的集成，都有一定的实用价值。
但也要注意，它并不能保证让 AI 生成的内容变得无法识别，更不能保证清除所有数字水印。
另外，C2PA 之类的内容溯源技术本身也有积极作用，可以帮助验证作品来源和真实性。清除这些信息可能会破坏原有的可信证明，使用前最好保留原始文件。
如果你经常使用 AI 生成文档、图片，或者通过 Codex、Claude Code 开发项目，可以关注一下这个开源工具。