GitHub项目说明 · 非用户反馈
AI 内容使用者需要从自有文件中清除多厂商 AI 水印与来源元数据
使用 Claude Code、Cursor 等 AI Agent 生成或编辑文件的人，发现输出内容会被写入不可见 Unicode 字符、统计文本水印或 C2PA/EXIF 等来源元数据。他们需要一个能同时处理文本和多种文件格式、并融入 Agent 工作流的检测与清理手段。
查看原始信号github:ShadowAqueduct/watermark-remover
目标用户
使用 AI 编程或写作 Agent 的个人开发者、内容创作者和小型团队，在意输出文件残留 AI 来源标记。
潜在需求
需要一个能检测并剥离多厂商 AI 水印和来源元数据的工具，覆盖文本与常见文件格式，既支持交互式清理，也能在 Agent 写入文件后自动触发，无需模型配合。
发生场景
用户通过 AI Agent 写出或编辑文档、代码、图片等文件后，文件内可能带有各厂商注入的不可见 Unicode 水印、基于 token 采样的统计水印，以及 C2PA、EXIF、XMP 等来源元数据；对自己拥有的内容，他们不希望这些标记继续保留。
来源证据
该项目提供 Agent skill 与 Python 服务，用于从文本和文件中剥离多厂商 AI 来源标记，面向用户自有内容的隐私与卫生。
[](https://github.com/guillaumemeyer/watermarks-remover/releases) [](https://github.com/guillaumemeyer/watermarks-remover/stargazers) Agent skill + stdlib Python service that strips multi-vendor AI provenance marks from text and files. For privacy and hygiene on content **you own**. The skill is a thin HTTP client — the agent hosthttps://github.com/ShadowAqueduct/watermark-remover
为什么值得留意
README 描述的多层方案说明 AI 水印已进入真实创作链路，成为用户在自有内容上需要主动处理的隐私/卫生问题；且该需求不限于单一厂商，需要跨文本、图片、文档等多格式处理，值得继续观察用户采用情况和实际痛点。
可能延伸 · 模型推测
- 将清理逻辑包装为 CI/预提交检查，在文件进入版本库前自动拦截来源标记
- 针对不同写作风格提供可调改写强度，降低统计水印清洗对文本质量的破坏
- 为更多 Agent 宿主和编辑器提供 hook 或插件化集成
目前未知
- README 为项目作者自我描述，未包含独立用户的实际使用反馈
- 不清楚用户是出于隐私、合规还是其他动机主动寻找此类工具
- 文本统计水印的改写效果及对被清理内容质量的影响未被材料说明
继续核实
- 哪些类型的用户真实使用了该工具，使用频率和场景如何？
- 现有 AI 水印清理是否引发检测方与清理方的持续对抗升级？
- 用户对清理后内容保真度的接受阈值在哪里？
关联信号
- github:Leutenegger/watermarks-remover
主题词
ai provenance marksc2pa metadataunicode watermarktext watermarkingmetadata stripping