Claude Watermark：一键清除AI文本中的隐形痕迹

当AI写作留下看不见的"指纹"

当你把ChatGPT、Claude这类聊天工具生成的内容直接复制粘贴出去时，可能并没有意识到——那段文本里藏着一堆你肉眼看不见的"痕迹"。这些痕迹不是玄学，而是实实在在的字节级差异：隐藏的HTML类名、零宽字符（zero-width characters）、奇特的空格、以及非标准的排版符号。

近日，一款名为 Claude Watermark 的工具登上 Product Hunt，以112票的成绩排名当日第4，直击这个被大多数人忽视的问题。它的定位非常明确：找出并清除AI留在你文本中的每一处隐形痕迹。

Claude Watermark 产品页面

Claude Watermark 能检测哪些AI痕迹？

这款工具的核心逻辑值得细究。它并不试图去"猜测"一段文字是不是AI写的，而是精确地扫描文本中的客观字节特征。

四类常见的AI隐形标记

根据官方描述，Claude Watermark 会识别以下几类内容：

隐藏的HTML类名：从聊天界面复制内容时，常常会夹带界面本身的HTML结构残留。当用户从ChatGPT或Claude的网页界面复制文本时，浏览器的剪贴板实际上会同时存储纯文本和富文本（HTML）两种格式的数据。富文本版本往往包含界面渲染所用的HTML标签、CSS类名（如'markdown-content'、'prose'等）、甚至data属性。当这些内容被粘贴到支持富文本的编辑器（如Google Docs、Notion、邮件客户端）中时，这些结构残留可能被保留下来。虽然它们通常不会直接显示为可见文字，但在文档的底层源码中留下了明确的来源指纹。
零宽字符：这类字符宽度为零、完全不可见，却真实存在于字节流中，是最常见的"隐形水印"来源。零宽字符（Zero-Width Characters）是Unicode标准中一组特殊的控制字符，包括零宽空格（U+200B）、零宽连接符（U+200D）、零宽非连接符（U+200C）、左至右标记（U+200E）等。这些字符最初被设计用于处理复杂文字排版需求——例如在阿拉伯语或印地语中控制字母连接形式，或在混合文字方向的文本中指定显示顺序。由于它们在视觉上完全不可见，却在字节层面真实存在，近年来被广泛用于文本指纹追踪：通过在文本中特定位置插入不同组合的零宽字符，可以编码出唯一标识符，从而追踪文本的传播路径。
奇异空格：不间断空格、全角空格等非标准空格字符，与普通空格在视觉上几乎无法区分。Unicode标准定义了超过20种不同的空格字符，远超日常使用的普通空格（U+0020）。常见的非标准空格包括：不间断空格（U+00A0，常由HTML的产生）、全角空格（U+3000，东亚排版常用）、细空格（U+2009）、发宽空格（U+2003）等。AI系统在训练过程中接触了大量包含这些字符的文本数据，其生成模型可能在特定语境下倾向于输出非标准空格。
排版特征：某些AI偏好使用的特殊标点或排版符号，比如特定样式的破折号、引号。例如，AI模型可能倾向于使用em dash（—，U+2014）而非两个连字符，或使用弯引号（""）而非直引号("")，这些细微的排版偏好在统计层面构成了可识别的模式。

每一处发现都会附带计数和位置信息。这一点是它区别于其他"AI检测器"的关键——它给出的是关于字节的事实，而不是一个概率评分。结果确定、可验证，不存在"疑似"或"可能"的模糊地带。

工具的能力边界：不能做什么？

这款工具最令人欣赏的一点，是它对自身能力边界的坦诚。

官方明确声明：它不声称能检测 Anthropic 的统计学水印。原因很直接——除了 Anthropic 自己，外界没有任何人能够识别那种基于统计概率嵌入的隐形水印。

这种"统计水印"与工具所处理的"字节痕迹"是两个完全不同的技术层面。统计学水印（Statistical Watermarking）是一种远比字节标记更精密的技术，其核心原理是在大语言模型生成文本时，对下一个token的采样概率分布进行微妙的系统性偏移。具体而言，模型在每一步生成时，会根据一个伪随机函数将候选token分为"绿色列表"和"红色列表"，然后略微提高绿色列表token的采样概率。单独看任何一个token的选择都完全自然，但统计大量token后，绿色列表token的出现频率会显著高于随机预期。这种偏移对文本质量几乎没有影响，人类读者无法感知，但持有密钥的检测方可以通过统计检验以极高置信度判断文本是否来自特定模型。2023年马里兰大学的研究团队首次公开发表了这一技术的完整框架。

Claude Watermark 只处理显式的字节痕迹，并且诚实地告诉用户它做不到检测统计水印。在AI检测领域充斥着大量夸大宣传的今天，这种技术上的诚实反而成了产品的信任背书。

隐私优先的设计：完全本地运行

除了功能本身，这款工具在使用体验上也做了几个关键决策：

完全免费、无限次使用：没有付费墙，没有次数限制。
无需注册账号：打开即用，零门槛。
本地运行：所有处理都在你的浏览器中完成，没有任何内容被上传到服务器。

最后一点对于处理敏感文本的用户尤为重要。无论是商业文档、法律文本还是个人隐私内容，都不会离开你的设备。本地运行意味着所有的字符分析和清理逻辑都通过JavaScript在用户浏览器的沙箱环境中执行，网络抓包也不会发现任何向外发送的数据请求。这也解释了为什么它被同时归类到 Writing、Privacy 和 Artificial Intelligence 三个类别之下。

开源带来的可信度

对于一款主打隐私的工具而言，开源不是加分项，而是必需品——它把"信任我"变成了"你可以自己验证"。密码学领域有一条著名原则："不要信任，要验证"（Don't trust, verify），开源正是这一原则在软件工程中的实践。与闭源的"信任模型"形成对比，开源允许独立安全研究者进行代码审计，确认工具确实如宣称的那样运行。开发者也因此把项目归入了 GitHub 分类。

为什么清除AI文本痕迹正在变得重要

随着AI生成内容渗透到日常工作流，这些隐形字符的问题正在浮现出实际影响：

检测规避与内容真实性。 越来越多的平台开始用零宽字符等特征来判断内容是否由AI生成。清除这些痕迹，对于希望内容显得更"原生"的用户是一种刚需。值得注意的是，包括学术期刊、内容平台和社交媒体在内的多种机构正在部署越来越复杂的AI内容检测系统，这些系统的检测手段之一就是扫描文本中是否存在AI工具特有的字节特征。

技术层面的代码干净度。 隐形字符可能在代码提交、数据处理、搜索匹配中造成难以排查的bug。一段看起来正常的字符串，因为夹带零宽字符而导致匹配失败，这类问题极难调试。在编程领域，这些字符造成的bug尤其隐蔽：两段看起来完全相同的字符串，因为其中一个包含不间断空格或零宽字符，可能导致字符串比较失败、正则匹配失效、JSON解析错误、甚至数据库查询返回空结果，开发者可能花费数小时逐字符检查才能定位问题根源。许多现代IDE和代码审查工具已经开始内置隐形字符高亮功能，正是因为这类问题在AI辅助编程普及后变得更加频繁。

数字隐私意识的觉醒。 用户开始关心自己粘贴出去的文本到底携带了哪些额外信息，这本质上是一种数字卫生习惯。就像人们逐渐学会在分享照片前清除EXIF元数据（包含GPS坐标、设备信息等隐私数据）一样，清除文本中的隐形标记正在成为一种新的数字素养。

总结：小而诚实的AI文本清理工具

Claude Watermark 是一款"小而诚实"的工具。它不做过度承诺，只专注于把复制粘贴AI内容时夹带的显式字节痕迹看得见、数得清、清得掉。免费、开源、本地运行、无需注册——每一个设计决策都指向同一个方向：给用户可验证的确定性，而不是模糊的概率判断。

在AI内容真伪难辨的当下，这种回归事实本身的做法，或许才是最实用的解法。