watermarks-remover

水印移除器 — 清除 AI 来源标记

Agent 技能，封装了 guillaumemeyer/watermarks-remover。这是一组仅依赖 Python 标准库的脚本，可从文本（不可见 Unicode 字符、统计采样水印）和文件（C2PA / EXIF / XMP / 文档属性）中移除多个厂商的 AI 来源标记。本工具适用于保护隐私和清理你拥有或获准处理的内容，不适用于学术造假或虚假声称内容由「人工撰写」。

何时使用此技能

• 清除 AI 工具悄悄插入生成文本中的不可见 Unicode 字符、双向控制符、标签字符或奇异空格同形字
• 从 PNG、JPEG、SVG、PDF、DOCX、ODT、HTML 或 Markdown 文件中移除 C2PA 清单、EXIF/XMP AI 来源字段或生成器元数据
• 通过引导式改写，在保留事实、名称和数字的同时，降低 AI 撰写文本中统计（token 采样）水印的信号
• 审计整个目录树或实时网站（通过其站点地图）中的 AI 来源信号，并获取按置信度分类的报告
• 可选：使用项目的外部引导脚本，对图像中的像素域 SynthID 类水印进行评分或移除

何时不要使用此技能

• 用户要求保证某厂商的官方检测器无法检测出来——此工具包只会报告可验证的移除结果，并尽力改写；没有任何本地工具能保证达到该结果
• 移除音频/视频水印，或破坏训练数据后门触发机制——上游项目明确不支持这些用途
• 清除 C2PA 软绑定（一种可将已剥除的文件重新关联到远程 Content Credentials 清单的水印）——剥除硬绑定的 C2PA 元数据并不能清除这一关联
• 用户明确表示要对其不拥有的内容进行学术造假、抄袭或虚假声称内容由「人工撰写」——请根据上游的 skills/remove-ai-marks/references/ethics.md 发出警告，并且只对获准处理的内容进行技术清理

说明

步骤 1：克隆仓库并确定脚本目录

git clone --depth 1 https://github.com/guillaumemeyer/watermarks-remover.git
SCRIPTS=watermarks-remover/skills/remove-ai-marks/scripts

此工具包未以 pip 包的形式发布；它作为独立脚本目录使用（仅依赖 Python 3.10+ 标准库）。如果系统中存在 c2patool 和 exiftool，工具会自动检测并使用它们，尤其是在处理 PDF 时。

步骤 2：为输入选择合适的处理层

输入	路径
粘贴的文本 / .txt / 代码	文本层 A（inspect_text.py / clean_text.py）
.md / .html	容器清理（frontmatter/元数据）+ 层 A
.png / .jpg / .jpeg	移除图像元数据（inspect_image.py / clean_image.py）
.svg / .pdf / .docx / .odt	移除容器元数据
混合格式 / 未知格式	统一工具 inspect_file.py / clean_file.py（按格式自动路由）
目录	使用 audit_dir.py 生成汇总报告
网站 / 站点地图	audit_website.py

默认情况下，文本工具会拒绝二进制输入（检测文件魔数和控制字节），以免将 .docx / .pdf / 图像的压缩字节解码为文本并破坏文件；可以传入 --force-text 覆盖此限制，或者使用会自行正确路由的统一 _file.py 工具。

步骤 3：清理前先检查

python3 "$SCRIPTS/inspect_file.py" --json path/to/input
python3 "$SCRIPTS/inspect_text.py" --json path/or/-
python3 "$SCRIPTS/inspect_image.py" --json image.png

检查结果分为 confirmed / probable / informational / likely_false_positive。清理前，请汇总可疑代码点和 C2PA/AI 标记；不要在没有提示的情况下覆盖原文件。

步骤 4：确定性清理（层 A + 文件元数据）

python3 "$SCRIPTS/clean_text.py" INPUT -o OUTPUT --stats
python3 "$SCRIPTS/clean_file.py" INPUT -o OUTPUT       # unified, any supported format
python3 "$SCRIPTS/inspect_file.py" OUTPUT               # verify the result

除非用户明确要求原地修改（可使用 --in-place，但此操作具有破坏性），否则请优先写入 *.cleaned.* 输出文件。

步骤 5：始终为散文内容提供 Layer B（统计改写）

完成 Layer A 后，提出改写自然语言内容的步骤，以降低 token 采样水印的信号；不要悄悄跳过：

python3 "$SCRIPTS/rewrite_text.py" draft.md --backend print-prompt --strength paraphrase

print-prompt 是适用于 CI 的默认选项（不会调用模型；只会输出改写提示词，供 Agent 自行运行）。也可以通过环境变量接入本地 Ollama 或兼容 OpenAI 的后端：

export WATERMARKS_REWRITE_BACKEND=ollama
export WATERMARKS_REWRITE_MODEL=llama3.2
python3 "$SCRIPTS/rewrite_text.py" draft.md -o draft.rewritten.md --strength paraphrase

规则：API 密钥只能通过 WATERMARKS_REWRITE_API_KEY 提供（绝不通过 argv）；除非明确设置 --allow-remote 或 WATERMARKS_REWRITE_ALLOW_REMOTE=1，否则拒绝非回环端点；优先选择与疑似来源厂商不同的改写模型，以避免重新打上水印。务必告知用户，此步骤会牺牲散文质量（语气/风格）来换取清理效果——请参阅上游 README 的“Disclaimer”部分；此方法尽力而为，绝不是经过认证的绕过方案。

步骤 6：可选的像素域 SynthID 评分 / CtrlRegen 移除

只有当输入是带有疑似像素域水印（SynthID 类、StegaStamp、Tree-Ring、StableSignature）的图像时，才使用这些功能。两者都很重、依赖外部工具，且未捆绑在此仓库中：

# Detection-only score (external aloshdenny/reverse-SynthID checkout)
"$SCRIPTS/setup_synthid.sh"
REVERSE_SYNTHID_DIR=~/reverse-SynthID ~/reverse-SynthID/.venv/bin/python "$SCRIPTS/score_synthid.py" shot.png

# Removal (external mertizci/noai-watermark checkout; conservative default strength 0.25)
"$SCRIPTS/setup_ctrlregen.sh"
NOAI_WATERMARK_DIR=~/noai-watermark ~/noai-watermark/.venv/bin/python \
  "$SCRIPTS/clean_ctrlregen.py" shot.png -o shot.ctrlregen.png

预计模型下载量约为 10 GB；CtrlRegen 强烈建议使用 GPU，CPU 运行速度较慢。clean_image.py --remove-pixel ctrlregen 也会在剥离元数据后，将其接入统一的图像处理流水线。CtrlRegen 的后端未附带 LICENSE 文件（按保留所有权利处理），且只会在运行时从用户自己的检出目录加载。

步骤 7：汇总审计目录树或网站

python3 "$SCRIPTS/audit_dir.py" DIR --json
python3 "$SCRIPTS/audit_website.py" --sitemap https://example.com/sitemap.xml --json
python3 "$SCRIPTS/audit_website.py" --base https://example.com --json   # auto-discovers the sitemap

audit_website.py 仅使用标准库；对于远程 URL，不会通过 shell 调用 c2patool/exiftool。如需此级别的详细信息，请下载资源并在本地运行 audit_dir.py。

步骤 8：使用封装器进行只读环境检查

bash .agent-skills/watermarks-remover/scripts/watermarks-remover.sh doctor <repo-dir>
bash .agent-skills/watermarks-remover/scripts/watermarks-remover.sh inspect <repo-dir> <file>
bash .agent-skills/watermarks-remover/scripts/watermarks-remover.sh clean <repo-dir> <file> <output>

doctor 只会报告 Python 版本和可选工具（c2patool、exiftool）的可用情况；不会写入磁盘或安装软件包。

最佳实践

1. 清理前先检查，清理后再验证——先运行 inspect_*，再运行 clean_*，最后对输出运行 inspect_file.py。
2. 绝不静默覆盖——默认使用 *.cleaned.* 输出路径；只有在用户明确要求时才使用 --in-place。
3. 始终提供 Layer B，但诚实说明其代价——移除统计水印意味着改写文字，而改写会损害语气/风格；应明确说明这种取舍，不要悄悄改写生产文案。
4. 优先选择与来源不同的改写模型——用 Claude 改写 Claude 文本（或用 Gemini 改写 Gemini 文本），可能会在输出中重新打上同类水印。
5. 如实报告置信度——区分 confirmed/probable 结果与 informational/likely_false_positive 噪声，绝不要声称官方厂商检测器会失效。
6. 确定性处理路径不涵盖 C2PA 软绑定及像素/音频/视频标记——只有可选的外部 CtrlRegen 后端能够处理像素域图像标记，即便如此，也只是尽力而为的再生成式移除工具。
7. 重型后端须选择启用——除非用户确实需要像素域评分/移除，否则不要运行 setup_synthid.sh / setup_ctrlregen.sh；它们会拉取数 GB 的依赖项和模型。

参考资料

• references/commands.md — 按工作流阶段整理的命令参考
• scripts/watermarks-remover.sh — 只读 doctor，以及精简的检查／清理包装脚本
• 上游仓库：guillaumemeyer/watermarks-remover
• 上游技能：skills/remove-ai-marks/SKILL.md
• 上游伦理说明：skills/remove-ai-marks/references/ethics.md
• 项目标准：.agent-skills/skill-standardization/SKILL.md

示例

示例 1：清理 Markdown 草稿并验证

git clone --depth 1 https://github.com/guillaumemeyer/watermarks-remover.git
SCRIPTS=watermarks-remover/skills/remove-ai-marks/scripts
python3 "$SCRIPTS/inspect_file.py" --json draft.md
python3 "$SCRIPTS/clean_file.py" draft.md -o draft.cleaned.md
python3 "$SCRIPTS/inspect_file.py" draft.cleaned.md

示例 2：从屏幕截图中移除 C2PA/EXIF，然后检查是否存在像素水印

python3 "$SCRIPTS/inspect_image.py" shot.png
python3 "$SCRIPTS/clean_image.py" shot.png -o shot.cleaned.png

示例 3：在推荐工作流前检查环境

bash .agent-skills/watermarks-remover/scripts/watermarks-remover.sh doctor ~/src/watermarks-remover