1. 为什么要在本地做 AI 来源标记清除你可能遇到过这种场景用 Claude Code 或 Cursor 写完一段文案、一份技术文档甚至一段 Python 脚本复制到别的地方时总感觉哪里不太对——文本里混着看不见的零宽字符图片元数据里带着生成来源PDF 属性里还留着工具链信息。这些就是所谓的 AI 来源标记也叫水印。它们不一定影响阅读但在隐私优先的工作流里你希望自己产出的内容干净、可控、可审计。watermarks-remover 就是冲着这个需求来的开源项目。它用 Python 实现了一套分层清除流程Layer A 做确定性的字符级剥离专门处理 Unicode 隐形载体Layer B 做统计性采样水印的重写攻击针对 token 级概率水印文件层再剥离 C2PA、EXIF、XMP 这些元数据块。它支持文本、图像、文档、音视频多种格式还能通过 Claude Code 的 PostToolUse hook 和 Cursor 的规则文件集成到本地开发流里。这篇文章面向三类人一是用 AI 辅助写作、希望输出内容不带来源标记的创作者二是用 Claude Code / Cursor 做本地开发、想把清除动作自动化的工程师三是想理解水印清除技术边界、不想被一键去水印营销话术忽悠的技术读者。我会从环境配置讲到可复制的清除脚本骨架再到验证动作最后用 TaoToken 统一 Key 和 API 通道把模型调用串起来。全程本地操作不涉及任何网络代理类工具。先说清楚一个前提Layer B 的重写是 best-effort不是确定性保证。项目文档自己也写了在厂商公开检测器和密钥之前任何工具都无法诚实认证此内容未能通过官方检查。所以本文的目标是在本地完成标记清除流程并确认输出不含可检测的来源标记——而不是承诺绕过所有检测。2. TaoToken 前置统一 Key 与 API 通道在写清除脚本之前先把模型调用通道理清楚。watermarks-remover 的 Layer B 需要一个重写模型来生成候选变体Layer A 和文件层清理虽然不依赖模型但如果你想在清除后做一次语义校验、或者让 Agent 自动判断这段文本是否还需要再重写一轮就需要一个稳定的模型入口。我试过在本地同时维护好几套 Key 的做法Claude Code 一套、Cursor 一套、脚本里再硬编码一套结果就是轮换 Key 的时候到处改配置还容易把 Key 提交到仓库里。TaoToken 的思路是把 Key 和 API 通道统一起来你拿一个 Key通过一个 Base URL 访问模型 ID 按需切换。对本地开发场景来说这省掉了多套凭证管理的麻烦。TaoToken 的官网入口是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 端点是 https://taotoken.net/api 注意 API 地址不带 UTM 参数。你需要先去控制台创建 Key地址是 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 然后在 API Keys 页面生成凭证https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。模型对话调试可以用 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。这里要强调一个概念TaoToken 是统一的模型调用通道不是中转意义上的灰色服务。你用它来调用模型做重写、校验、Agent 循环Key 由你自己管理请求走标准 API 格式。对于 watermarks-remover 这种需要反复调用模型做迭代重写的场景统一通道的价值在于脚本、Claude Code、Cursor 三处用同一个 Key轮换时只改一个地方。如果你主要做长期编码和 Agent 类任务可以了解 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 。Claude Code 的接入说明在 https://taotoken.net/claude-code-anthropic?utm_sourcetaotoken_aicg_blog_endutm_contentclaude-code-anthropicutm_campaignrewrite 。下面进入具体配置。3. 可复制配置环境、脚本骨架与 settings 片段这一节是全文的技术核心我会给出可以直接复制运行的配置和脚本。先装环境再配 Key然后写清除脚本骨架。3.1 Python 环境与依赖watermarks-remover 的核心 Layer A 和文件元数据剥离只需要 Python 3.10 标准库可选后端才需要额外依赖。先建虚拟环境python3.10 -m venv .venv source .venv/bin/activate pip install --upgrade pip pip install watermarks-remover如果你要用 Layer B 的重写流程还需要一个模型客户端。这里用 OpenAI 兼容的调用方式通过 TaoToken 的 Base URL 访问pip install openaiPDF 深层清理需要 GhostscriptmacOS 上用 brew 装Ubuntu 上用 apt# macOS brew install ghostscript # Ubuntu / Debian sudo apt-get update sudo apt-get install -y ghostscript3.2 统一 Key 的环境变量配置不要把 Key 写进脚本。用环境变量并且加进 .gitignore。创建一个.env文件# .env —— 不要提交到仓库 TAOTOKEN_API_KEYsk-你的Key TAOTOKEN_BASE_URLhttps://taotoken.net/api TAOTOKEN_MODEL_IDclaude-sonnet-4-20250514然后在.gitignore里加上.env .venv/ __pycache__/ *.pyc3.3 Claude Code 的 settings 片段Claude Code 通过 settings 文件读取模型通道配置。在项目根目录创建.claude/settings.json写入以下 JSON{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_API_KEY: sk-你的Key, ANTHROPIC_MODEL: claude-sonnet-4-20250514 }, hooks: { PostToolUse: [ { matcher: Write|Edit|MultiEdit|NotebookEdit, hooks: [ { type: command, command: python service/scripts/hook_written_file.py --mode clean } ] } ] } }这段配置做了两件事一是把模型请求指向 TaoToken 的统一通道二是注册 PostToolUse hook在 Write、Edit、MultiEdit、NotebookEdit 操作完成后自动对目标文件跑清理脚本。--mode clean表示直接清除改成--mode check则只报告不修改。3.4 Cursor 的规则文件配置Cursor 用.cursorrules做项目级规则。在项目根目录创建该文件写入# .cursorrules 当你在本项目中写入或编辑任何文本、代码、Markdown 文件后 必须对目标文件运行以下清理命令 python -m watermarks_remover.cli clean --path 目标文件路径 --layer A 如果文件是 PDF 或包含元数据追加 --strip-metadata 参数。 模型调用统一走环境变量 TAOTOKEN_BASE_URL 和 TAOTOKEN_API_KEY 不要硬编码任何 Key。3.5 清除脚本骨架下面是一个可复制的 Python 脚本骨架把 Layer A 字符级清除、文件元数据剥离、Layer B 重写调用串起来。保存为clean_pipeline.pyimport os import re import sys import json from pathlib import Path from openai import OpenAI # ---------- 配置 ---------- BASE_URL os.environ.get(TAOTOKEN_BASE_URL, https://taotoken.net/api) API_KEY os.environ.get(TAOTOKEN_API_KEY) MODEL_ID os.environ.get(TAOTOKEN_MODEL_ID, claude-sonnet-4-20250514) client OpenAI(base_urlBASE_URL, api_keyAPI_KEY) # ---------- Layer A确定性字符级清除 ---------- # 覆盖 BIDI 控制符、零宽字符、变体选择符 INVISIBLE_PATTERN re.compile( [ \u200b-\u200f # 零宽空格、零宽非连接符、方向标记 \u202a-\u202e # BIDI 嵌入与覆盖 \u2060-\u2064 # 词连接符、不可见分隔 \ufeff # BOM \ufe00-\ufe0f # 变体选择符 ] ) def layer_a_clean(text: str) - str: 剥离隐形 Unicode 载体不改变可见字符。 cleaned INVISIBLE_PATTERN.sub(, text) return cleaned # ---------- Layer B统计性水印重写 ---------- REWRITE_PROMPT 你是一个文本重写器。请在不改变原意的前提下 用不同的措辞和句式重写下面的文本。只输出重写后的正文不要解释。 原文 {text} def layer_b_rewrite(text: str, max_rounds: int 3) - str: 迭代重写直到通过本地启发式检查或达到最大轮数。 current text for i in range(max_rounds): resp client.chat.completions.create( modelMODEL_ID, messages[{role: user, content: REWRITE_PROMPT.format(textcurrent)}], temperature0.9, ) candidate resp.choices[0].message.content.strip() if not has_residual_marker(candidate): return candidate current candidate return current def has_residual_marker(text: str) - bool: 本地启发式检查是否还残留隐形字符。 return bool(INVISIBLE_PATTERN.search(text)) # ---------- 文件层元数据剥离 ---------- def strip_metadata(path: Path) - None: 对支持的格式剥离 C2PA / EXIF / XMP 元数据块。 suffix path.suffix.lower() if suffix in {.png, .jpg, .jpeg, .webp, .tiff}: # 调用 watermarks-remover 的文件层清理器 from watermarks_remover.fileclean import strip_image_metadata strip_image_metadata(path) elif suffix .pdf: from watermarks_remover.fileclean import strip_pdf_metadata strip_pdf_metadata(path) # 依赖 Ghostscript else: pass # 文本类文件无需元数据剥离 # ---------- 主流程 ---------- def clean_file(path_str: str, use_layer_b: bool False) - dict: path Path(path_str) raw path.read_text(encodingutf-8, errorsignore) after_a layer_a_clean(raw) result {path: str(path), layer_a_removed: len(raw) - len(after_a)} if use_layer_b: after_b layer_b_rewrite(after_a) result[layer_b_applied] True final after_b else: final after_a path.write_text(final, encodingutf-8) strip_metadata(path) result[residual_marker] has_residual_marker(final) return result if __name__ __main__: target sys.argv[1] use_b --layer-b in sys.argv report clean_file(target, use_layer_buse_b) print(json.dumps(report, ensure_asciiFalse, indent2))这个骨架的关键点Layer A 用正则一次性剥离所有隐形字符确定性、可重复Layer B 通过 TaoToken 统一通道调用模型做重写每轮重写后用本地启发式检查判断是否还有残留文件层按后缀分派到对应的元数据剥离函数。运行方式python clean_pipeline.py ./draft.md python clean_pipeline.py ./draft.md --layer-b3.6 参数对照表参数作用默认值建议--modecheck 只报告 / clean 直接清除check首次用 check 观察--layer-b是否启用统计水印重写关闭文本类内容按需开启--strip-metadata是否剥离文件元数据开启图像/PDF 必开temperature重写随机性0.9越高越易破坏水印也越易改风格max_rounds最大重写轮数3超过 3 轮收益递减注意Layer B 的重写会改变原文用词和句式这是消除统计水印的代价。如果你的内容对措辞精度要求极高建议只用 Layer A 加元数据剥离或者把 Layer B 的重写结果人工过一遍。4. 验证请求与成功结果清除做完不算完得验证。验证分三层字符层、元数据层、模型调用层。4.1 字符层验证写一个检查脚本扫描文件里是否还有隐形字符import re from pathlib import Path INVISIBLE re.compile([\u200b-\u200f\u202a-\u202e\u2060-\u2064\ufeff\ufe00-\ufe0f]) def verify(path_str: str) - None: text Path(path_str).read_text(encodingutf-8, errorsignore) hits INVISIBLE.findall(text) if hits: print(f发现 {len(hits)} 个隐形字符{[hex(ord(c)) for c in hits]}) else: print(字符层验证通过未发现隐形载体) if __name__ __main__: import sys verify(sys.argv[1])运行python verify.py ./draft.md如果输出字符层验证通过说明 Layer A 生效了。4.2 元数据层验证对图像和 PDF用 exiftool 检查元数据是否被剥离# 安装 exiftool brew install exiftool # macOS sudo apt-get install -y libimage-exiftool-perl # Ubuntu # 检查图像元数据 exiftool ./output.png | grep -iE c2pa|xmp|exif|provenance # 检查 PDF 元数据 exiftool ./output.pdf | grep -iE producer|creator|xmp如果 grep 没有输出说明相关元数据块已被剥离。注意C2PA 的软绑定模式仅嵌入链接而非加密签名不在清除范围内这类情况 exiftool 可能仍能看到链接字段但内容本身已无签名。4.3 模型调用层验证验证 TaoToken 通道是否正常工作用一段最小请求import os from openai import OpenAI client OpenAI( base_urlos.environ[TAOTOKEN_BASE_URL], api_keyos.environ[TAOTOKEN_API_KEY], ) resp client.chat.completions.create( modelos.environ.get(TAOTOKEN_MODEL_ID, claude-sonnet-4-20250514), messages[{role: user, content: 回复两个字正常}], ) print(resp.choices[0].message.content)预期输出是正常。如果这一步报错先排查 Key 和 Base URL再排查模型 ID 是否拼写正确。你也可以在模型对话页面 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 直接发一条消息确认通道可用。4.4 端到端成功结果把三层验证串起来跑一遍成功的结果长这样{ path: ./draft.md, layer_a_removed: 47, layer_b_applied: true, residual_marker: false }layer_a_removed是剥离的隐形字符数residual_marker为 false 表示本地启发式检查通过。再跑一次verify.py输出字符层验证通过。这时候你的文件在字符层和元数据层都是干净的Layer B 的重写也把统计特征改过了。需要再次强调这不等于通过了厂商官方检测器。厂商的检测器多为私有实现密钥未公开任何工具都无法在本地复现官方判定。你能确认的是本地可检测的来源标记已清除输出内容不含隐形载体和已知元数据块。5. 本篇常见错排查这一节按真实报错来写每个都给出定位思路和修复动作。5.1 401 Unauthorized报错长这样openai.AuthenticationError: Error code: 401 - {error: {message: Invalid API key}}原因通常是三种Key 没设进环境变量、Key 复制时带了空格、或者 Base URL 写成了带路径的形式。排查顺序先echo $TAOTOKEN_API_KEY确认变量存在且无多余空格再确认TAOTOKEN_BASE_URL是https://taotoken.net/api不要在后面加/v1或斜杠最后去 API Keys 页面 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 重新生成一个 Key 试试。如果 Claude Code 里报 401检查.claude/settings.json里的ANTHROPIC_API_KEY是否和脚本用的是同一个 Key。5.2 local proxy failed报错长这样APIConnectionError: Connection error: local proxy failed to connect这个报错通常和本地网络环境有关。先确认你没有在 shell 里设置HTTP_PROXY/HTTPS_PROXY这类变量用env | grep -i proxy检查有的话unset掉。然后确认能直接访问 API 端点curl -sS -o /dev/null -w %{http_code}\n https://taotoken.net/api返回 200 或 401 都说明网络通返回 000 说明连接没建立。如果公司网络有出站限制找网络管理员确认放行。5.3 reading choices 报错报错长这样KeyError: choices或者IndexError: list index out of range这通常发生在模型返回结构和你预期不一致的时候。排查先打印完整响应print(resp)看结构确认MODEL_ID是有效的模型标识拼错了可能返回错误结构确认请求里messages格式正确role 和 content 都不能少。如果用的是流式响应记得streamTrue时要用for chunk in resp迭代不能直接取resp.choices。5.4 OAuth 相关报错报错长这样OAuth token expired or invalidClaude Code 在某些配置下会走 OAuth 流程。如果你用的是 API Key 模式确认 settings 里没有残留的 OAuth 配置项。检查~/.claude/目录下是否有旧的凭证文件必要时清理掉再重启 Claude Code。如果同时装了多个版本的 Claude Code确认你改的是当前生效的那个配置文件。5.5 三件套检查清单只要涉及 Claude Code、Cline MCP、Codex 的 auth.json 这类集成出问题先对照三件套项目正确值常见错误Base URLhttps://taotoken.net/api多写/v1、带 UTM 参数API Key控制台生成的sk-开头字符串复制带空格、用了旧 KeyModel ID如claude-sonnet-4-20250514拼写错误、用了不存在的模型名Codex 的auth.json里如果配了base_url和api_key同样按这三项核对。Cline 的 MCP 配置里baseUrl和apiKey字段名可能不同但值的要求一致。5.6 Layer B 重写后文本质量下降这不是报错但是最常见的坑。重写轮数越多原文风格被冲淡越明显。我的做法是把max_rounds设成 2重写后用 diff 工具对比原文和结果人工确认关键术语没被改掉。如果内容里有代码块、专有名词、API 名称重写前先用占位符保护起来重写后再替换回去。这个保护逻辑可以加在layer_b_rewrite里用正则把反引号包裹的内容抽出来暂存。6. 把清除流程接进你的本地工作流到这里环境配好了脚本能跑了验证也过了。最后说说怎么把它变成日常习惯而不是每次手动跑一遍。最省事的方式是 Claude Code 的 PostToolUse hook。前面.claude/settings.json里已经配好了Agent 每次 Write 或 Edit 文件后自动触发清理。你可以在 hook 脚本里加日志记录每次清理的文件路径和剥离字符数方便审计。Cursor 那边用.cursorrules约束让 Agent 在写入后主动调用清理命令。对于批量场景比如你有一整个目录的 Markdown 草稿要处理写个循环find ./drafts -name *.md -print0 | while IFS read -r -d f; do python clean_pipeline.py $f --layer-b done跑完再用verify.py批量扫一遍确认没有残留。关于 Layer B 的使用策略我的建议是分内容类型技术文档、API 说明、代码注释这类对措辞精度要求高的只用 Layer A 加元数据剥离营销文案、博客草稿、创意内容这类可以开 Layer B重写带来的风格变化反而可能是加分项。图像和 PDF 一律开元数据剥离像素域水印清除按需启用可选后端。如果你要把这套流程用在长期编码或 Agent 任务里Coding Plan 的通道 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 可以了解一下统一 Key 在多个工具间轮换时省事。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 遇到配置问题先翻文档再排查。最后留一个实用技巧把清理脚本和验证脚本打包成一个 Makefile 目标make clean FILEdraft.md一条命令跑完清除加验证输出 JSON 报告。这样你既不用记参数也能把每次清理的结果存档方便回溯。工具的价值不在于一键搞定而在于流程透明、结果可审计——这也是 watermarks-remover 这类项目最值得借鉴的设计思路。