كيفية إزالة علامة كلود المائية؟

اعتبارًا من أغسطس 2026، تحمل كل كتلة نصية ينتجها كلود علامة مائية غير مرئية. لا يمكنك رؤيتها، ولن يكتشفها مدقق الإملاء، وتظل باقية بعد النسخ واللصق من كلود مباشرةً إلى مستندك. لقد بنتها Anthropic بحيث يمكن تتبع النص المكتوب بواسطة الذكاء الاصطناعي إلى النموذج، وتنتقل العلامة بهدوء داخل الكلمات نفسها.

إذا كنت تمتلك المحتوى الذي أنشأته وتريد إزالة هذه البصمة، فإن مشروعًا مفتوح المصدر يُسمى watermarks-remover هو الأداة التي يلجأ إليها معظم الناس. يشرح هذا الدليل ماهية العلامة المائية الخاصة بكلود، وما الذي يمكن للأداة إزالته وما لا يمكنها إزالته، وكيفية تشغيلها بالضبط.

كلمة قبل أن نبدأ: هذا يتعلق بالنظافة والخصوصية للنصوص والملفات التي تمتلكها. إزالة علامة المصدر لارتكاب احتيال أكاديمي، أو التهرب من سياسة الكشف، أو تقديم عمل الذكاء الاصطناعي على أنه بشري بموجب عقد يحظر ذلك، هي فكرة سيئة وغالبًا ما تكون ضد القواعد التي تُلزمك. اعرف الشروط التي تعمل بموجبها.

باختصار

• ماهية العلامة: يوجه كلود اختياراته للكلمات وفقًا لمفتاح سري، تاركًا توقيعًا إحصائيًا منتشرًا عبر فقرة. إنها ليست حرفًا مخفيًا يمكنك العثور عليه وحذفه. توجد أيضًا علامة بيانات وصفية C2PA منفصلة على مستوى الملف على الصور وبعض المستندات.
• ما الذي يبقى: تبقى العلامة النصية الإحصائية بعد النسخ واللصق. تتدهور تحت إعادة الصياغة، والتحرير المكثف، والترجمة. تكون ضعيفة أو غائبة في المقاطع القصيرة وفي الشيفرة (تعمل أدوات التنسيق على محو الإشارة الضئيلة الموجودة).
• الأداة: watermarks-remover هي مجموعة أدوات مرخصة بموجب ترخيص MIT، تدعم Python 3.10+، وتعتمد على المكتبة القياسية. تتعامل مع مهمتين مختلفتين بطبقتين مختلفتين.
• الطبقة أ (حتمية): تزيل أحرف يونيكود غير المرئية، والمسافات الغريبة، وأحرف اتجاه النص ثنائي الاتجاه، وأحرف العلامات من النص. سريعة، قابلة للاختبار، بدون فقدان. هذا هو الجزء الموثوق به.
• الطبقة ب (إحصائية): تهاجم العلامة المائية الخاصة بأخذ عينات الرموز عن طريق إعادة كتابة النص. هي أفضل جهد فقط، وإعادة الصياغة تُقلل من جودة أسلوبك النثري.
• الملفات: تزيل بيانات C2PA و EXIF و XMP وخصائص المستندات من ملفات PNG و JPEG و SVG و PDF و DOCX و ODT و HTML و Markdown.
• المحاذير الصادقة: إزالة حتمية نظيفة سهلة. إزالة العلامة المائية الإحصائية بالكامل تعني إعادة كتابة المحتوى، وهذا هو بالضبط التضحية بالجودة التي كنت تحاول تجنبها.

ماهية العلامة المائية الخاصة بكلود حقًا

لنبدأ بالشيء الذي يخطئ فيه معظم الناس. العلامة المائية النصية الخاصة بكلود ليست سلسلة من الأحرف المخفية بين كلماتك. لا توجد مسافة عرضها صفر للبحث عنها، ولا رمز غامض لعزله، ولا تباعد أحرف غريب للقياس.

بدلاً من ذلك، تعيش العلامة في الكلمات نفسها. عندما يُنشئ كلود نصًا، يختار في كل خطوة الرمز التالي من مجموعة من المرشحين المتكافئين إحصائيًا تقريبًا. وتؤثر العلامة المائية على هذا الاختيار وفقًا لمفتاح سري. على امتداد فقرة طويلة بما يكفي، تتراكم هذه الخيارات الموجهة لتشكل توقيعًا إحصائيًا قابلاً للكشف. اقرأ جملة واحدة ولن تلاحظ شيئًا. ولكن إذا قدمت بضع مئات من الكلمات إلى كاشف يحمل المفتاح، سيظهر النمط.

يحمل هذا التصميم نتيجتين مهمتين للإزالة:

• تبقى بعد النسخ واللصق. نظرًا لأن الإشارة مدمجة في اختيار الكلمات، وليس في البيانات الوصفية، فإن نقل النص من تطبيق إلى آخر يحمل العلامة المائية معه.
• إنها هشة تحت التحرير. قم بتغيير عدد كافٍ من الكلمات وستكسر النمط الإحصائي. أعد الصياغة، أو ترجم، أو ادمج مخرجات كلود مع كتاباتك الخاصة وستتلاشى الإشارة.

طرحت Anthropic هذا على مستوى النموذج اعتبارًا من 2 أغسطس 2026، مما يعني عدم وجود أي واجهة منتج يمكنها الاستثناء. تطبيقات كلود، واجهة برمجة التطبيقات (API)، كلود كود، والوصول من الأطراف الثالثة عبر AWS، و Google Cloud، و Microsoft Foundry كلها تصدر العلامة. وقد صرحت Anthropic بأن واجهة برمجة تطبيقات للكشف قادمة حتى يتمكن المستخدمون والأطراف الثالثة من التحقق منها. إذا كنت تريد معرفة الخلفية حول كيفية تحول تشكيلة نماذج Anthropic وسياسات الوصول، فقد تناولنا حلقة ذات صلة في Fable 5 Is Down for Everyone.

تحذير يستحق التكرار، لأنه ذو حدين: الاكتشاف الإيجابي يعني أن النص قد يكون مر عبر كلود، وليس أن شخصًا ما غش. فالتدقيق اللغوي، والترجمة، والتلخيص كلها تترك نفس الأثر الذي يتركه الكتابة الخفية.

علامتان مائيتان مختلفتان، حلان مختلفان

يقسم برنامج watermarks-remover العمل إلى طبقات لأن كلود (والموردين الآخرين) يستخدمون بالفعل نظامين للعلامات غير مرتبطين، وهما يحتاجان إلى معالجة مختلفة تمامًا.

الطبقة أ، تجريد الأحرف الحتمي. تستهدف هذه الطبقة أحرف يونيكود غير المرئية: المسافات ذات العرض الصفري، والمسافات البيضاء الغريبة، وعناصر التحكم في النص ثنائي الاتجاه، وأحرف علامات يونيكود. بعض الأدوات وخطوط الأنابيب تُضمِّن بيانات المصدر أو التتبع بهذه الطريقة. الطبقة أ هي بايثون خالصة ولا تتضمن أي نموذج، لذا فهي حتمية، وقابلة للاختبار، وبدون فقدان، وتزيل الملفات غير المرغوب فيها دون المساس بنثرك الفعلي. هذا هو الجزء الذي "يعمل ببساطة".

الطبقة ب، إعادة الكتابة الإحصائية. هذه هي الطبقة التي تستهدف العلامة المائية الخاصة بأخذ عينات الرموز من كلود كما وُصفت أعلاه. نظرًا لأن الإشارة هي اختيار الكلمات، فإن الطريقة الوحيدة لإزالتها هي تغيير الكلمات: إعادة كتابة النص جملة بجملة. يوضح المشروع صراحة أن هذا هو أفضل جهد، وليس ضمانًا، وأن إعادة الصياغة تُسطح الأسلوب ويمكن أن تُقلل من الدقة.

الملفات، تجريد البيانات الوصفية. بصرف النظر عن النص، تقوم الأداة بتنظيف بيانات C2PA و EXIF و XMP وخصائص المستندات المضمنة من ملفات PNG و JPEG و SVG و PDF و DOCX و ODT و HTML و Markdown. C2PA هو معيار تحالف مصدر المحتوى والأصالة، وهو بيان موقع يصاحب الملف. على عكس العلامة النصية الإحصائية، يمكن تجريد C2PA بسهولة: أعد حفظ الملف، أو حوّل التنسيق، أو التقط لقطة شاشة للصورة، وسيختفي البيان.

تغطي الأداة علامات كلود، و Gemini/SynthID-Text، و OpenAI، والعلامات مفتوحة المصدر (نمط Kirchenbauer) بنفس البنية. أما العلامات المائية للصور في نطاق البكسل مثل SynthID فهي خارج نطاق الإزالة، على الرغم من أن المشروع يمكنه اختياريًا تقييمها عبر فحص SynthID العكسي الخارجي.

ما لا تكتشفه العلامة المائية بمفردها

قبل تشغيل أي شيء، من المفيد معرفة نقاط ضعف علامة كلود. في هذه الحالات، تكون الإزالة سهلة أو غير ضرورية:

• المقاطع القصيرة. لا تحتوي بضع جمل على عدد كافٍ من اختيارات الرموز لتراكم الثقة الإحصائية. يحتاج الكاشف إلى طول.
• الشيفرة. تحتوي الشيفرة المصدرية على اختيارات رموز أكثر تقييدًا بكثير من النثر، لذا فإن الإشارة تكون ضعيفة في البداية. ثم تقوم أدوات التنسيق، والمدققات، وأدوات إعادة الهيكلة بإعادة كتابة أي إنتروبيا متبقية. بحلول الوقت الذي يتم فيه إرسال شيفرتك، غالبًا لا يبقى شيء للكشف عنه. ولهذا السبب، فإن العلامة المائية على مخرجات Claude Code هي نظرية أكثر منها عملية.
• النص المحرر بكثافة. إذا كنت قد أعدت كتابة نصفه بالفعل، فربما تكون قد كسرت النمط دون محاولة.
• C2PA على الملفات. عادة ما تؤدي أي تحويل صيغة أو إعادة حفظ إلى إزالتها.

مما يعني أن النطاق الصادق لمهمة "الإزالة" عادة ما يكون: نصوص نثرية طويلة احتفظت بها كما كتبها كلود، بالإضافة إلى أي بيانات وصفية للملفات.

تثبيت watermarks-remover

يأتي المشروع كمهارة وكيل بالإضافة إلى مجموعة من نصوص بايثون المستقلة. تحتاج إلى Python 3.10+؛ تستخدم النصوص البرمجية الأساسية المكتبة القياسية فقط، لذلك لا يوجد شيء لـ pip install لعمليات النص والبيانات الوصفية الأساسية.

git clone https://github.com/guillaumemeyer/watermarks-remover.git
cd watermarks-remover

إذا كنت ترغب في استدعائه كمهارة وكيل (تستخدم أمثلة المستودع دليل مهارات على غرار Grok)، اربط مجلد المهارة كالتالي:

mkdir -p ~/.grok/skills
ln -sfn "$(pwd)/skills/remove-ai-marks" ~/.grok/skills/remove-ai-marks

بالنسبة للآخرين، ستستدعي النصوص البرمجية مباشرة. قم بتعيين اختصار لدليل النصوص البرمجية بحيث تكون الأوامر أدناه واضحة:

export SCRIPTS="$(pwd)/skills/remove-ai-marks/scripts"

هناك أداتان اختياريتان لسطر الأوامر توسعان جانب تنظيف الملفات إذا كنت قد قمت بتثبيتهما:

• `c2patool` لفحص بيانات C2PA بشكل مفصل.
• `exiftool` لإزالة البيانات الوصفية المتبقية للصور التي لا تصل إليها الطبقة أ.

لا يُطلب أي منهما للعملية الأساسية.

فحص ملف قبل التعديل عليه

لا تقم بالتجريد بشكل أعمى أبدًا. قم بتشغيل الفاحص أولاً حتى تعرف ما هو موجود بالفعل، من أحرف غير مرئية، وكتل بيانات وصفية، وبيانات مصدر، قبل أن تقرر ما تريد إزالته.

python3 "$SCRIPTS/inspect_file.py" draft.md

يقوم هذا بالإبلاغ عما تكتشفه الأداة دون تعديل أي شيء. إنه يعادل قراءة الهدف قبل الكتابة فوقه: إذا أظهر الفاحص أن الملف نظيف بالفعل، فقد انتهيت، وإذا اكتشف شيئًا مفاجئًا، يمكنك أن تقرر قبل تغيير أي بايتات.

إزالة العلامات من النص

لتنظيف الطبقة أ الحتمي، وهو المسار الموثوق به والذي لا يفقد البيانات، استخدم clean_text.py. تُظهر علامة --stats ملخصًا لما وجدته وأزالته الأداة:

python3 "$SCRIPTS/clean_text.py" draft.md -o draft.cleaned.md --stats

يقوم هذا بتجريد أحرف يونيكود غير المرئية، والمسافات الغريبة، وعناصر التحكم ثنائية الاتجاه، وأحرف العلامات. يترك نصوصك المرئية دون مساس، لذا لا توجد تكلفة على الجودة. بالنسبة لمعظم الأشخاص الذين يقلقون بشأن أحرف التتبع المخفية بدلاً من العلامة الإحصائية، فإن هذا الأمر الواحد يمثل المهمة بأكملها.

تكتب علامة -o في ملف جديد بدلاً من الكتابة فوق الملف الأصلي، احتفظ بالمصدر حتى تتحقق من النتيجة.

تجريد البيانات الوصفية من الملفات

بالنسبة للصور والمستندات، يزيل clean_file.py بيانات C2PA و EXIF و XMP وخصائص المستندات المضمنة:

python3 "$SCRIPTS/clean_file.py" photo.png -o photo.cleaned.png

تتعامل الأداة مع ملفات PNG و JPEG و SVG و PDF و DOCX و ODT و HTML و Markdown. إذا كان لديك exiftool مثبتًا وترغب في التدقيق في الصور، فقم بتشغيله بعد ذلك لالتقاط أي علامات متبقية:

exiftool -all= photo.cleaned.png

تذكر أن C2PA هي الحالة السهلة. إذا كان اهتمامك الوحيد هو بيان المصدر على صورة تم إنشاؤها بواسطة كلود، فإن التحويل ذهابًا وإيابًا بين التنسيقات غالبًا ما يزيلها تلقائيًا، وهذه الأداة تقوم بذلك بشكل نظيف ويمكن التنبؤ به.

مشكلة الطبقة ب: إعادة الكتابة للتغلب على الإحصائيات

هنا تكمن الأمانة أكثر أهمية من بنية الأمر.

لا يمكن إزالة العلامة المائية النصية الإحصائية إلا عن طريق تغيير الكلمات. تكشف الأداة عن ذلك من خلال rewrite_text.py، الذي يُعدّ عملية إعادة صياغة:

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

يُصدر خيار --backend print-prompt طلب إعادة الكتابة بدلاً من استدعاء نموذج مباشرة، لذا تبقى متحكمًا فيما يقوم بإعادة الكتابة. تتحكم --strength في مدى قوة إعادة الصياغة.

ولكن اقرأ ما توافق عليه بالفعل. لكسر إشارة موزعة عبر اختيار الكلمات، يجب عليك إعادة الكتابة جملة بجملة. وهذا يعني:

• يُسطح الأسلوب. فالصياغة المحددة التي حملت العلامة المائية حملت أيضًا النبرة.
• يُعرض الدقة للخطر. إعادة صياغة المحتوى التقني يمكن أن تغير المعنى بشكل خفي.
• تحتاج إلى نموذج قادر للقيام بذلك بشكل جيد، وفي هذه الحالة ستنفق رموزًا مميزة لإعادة كتابة مخرجات نموذج ممتاز.

يثير المشروع نفسه السؤال الواضح: إذا كنت بحاجة إلى نموذج قوي لإعادة صياغة نص كلود إلى شيء خالٍ من العلامات المائية دون إفساده، فهل هذا حل بديل رخيص أم مجرد... إنفاق المزيد على النموذج للحصول على نسخة متدهورة؟ بالنسبة لمعظم الحالات المشروعة، الإجابة هي أن الطبقة ب لا تستحق العناء. إذا كان النص قصيرًا، أو كان شيفرة برمجية، فربما تكون العلامة ضعيفة جدًا بحيث لا تهم. أما إذا كان نصًا نثريًا طويلاً وتهتم به، فإن إعادة الكتابة تُتلف الشيء الذي كنت تحاول الحفاظ عليه.

الخلاصة العملية: قم بتشغيل الطبقة أ ومنظف الملفات بشكل روتيني؛ الجأ إلى الطبقة ب فقط عندما يكون لديك سبب محدد ومشروع وتقبل التنازل عن الجودة.

التحقق من عملك

الإزالة جيدة بقدر قدرتك على تأكيدها. أعد تشغيل الفاحص على المخرجات:

python3 "$SCRIPTS/inspect_file.py" draft.cleaned.md

بالنسبة لـ C2PA على وجه التحديد، يمنحك c2patool قراءة قاطعة حول ما إذا كان البيان لا يزال موجودًا:

c2patool photo.cleaned.png

بالنسبة للعلامة النصية الإحصائية، يكون التحقق الصادق أصعب، فأنت لا تملك مفتاح Anthropic. عندما تطلق Anthropic واجهة برمجة تطبيقات الكشف الموعودة، سيصبح ذلك هو الاختبار الحقيقي. حتى ذلك الحين، تعامل مع نتائج الطبقة ب على أنها غير مؤكدة بحكم تعريفها. إذا قمت بدمج أي من هذا في مسار عمل قابل للتكرار، فإن خطوة التحقق هذه هي بالضبط نوع السلوك الذي يستحق الاختبار مثل أي سير عمل آخر لواجهة برمجة التطبيقات؛ غالبًا ما تقوم الفرق التي تقوم بأتمتة عمليات فحص المحتوى أو النماذج بربطها بأداة اختبار واجهة برمجة التطبيقات مثل Apidog بحيث يتم تشغيل فحص "هل عادت العلامة" بنفس الطريقة في كل مرة. للحصول على النمط الأوسع لاختبار نقاط النهاية المدعومة بالنماذج، راجع كيفية اختبار وكلاء الذكاء الاصطناعي عبر واجهة برمجة التطبيقات (API).

الضوابط القانونية والأخلاقية

إطار عمل الأداة بحد ذاته هو الإطار الصحيح: هذا مخصص للخصوصية والنظافة للمحتوى الذي تملكه. وهذا يشمل تجريد أحرف التتبع من مسوداتك الخاصة، وتنظيف البيانات الوصفية من الصور قبل نشرها، أو إزالة علامة المصدر من كتابات تعتبرها ملكًا لك.

لا يغطي ما يلي:

• الغش الأكاديمي. إذا كانت مؤسستك تتطلب الكشف أو تحظر التقديمات التي يولدها الذكاء الاصطناعي، فإن إزالة العلامة لإخفاء ذلك يعتبر سوء سلوك بغض النظر عن مدى نظافة المخرجات.
• الانتهاكات التعاقدية. تتطلب العديد من اتفاقيات العملاء وشروط المنصات الكشف عن استخدام الذكاء الاصطناعي. كون العلامة المائية غير مرئية لا يجعل الالتزام غير مرئي.
• الإسناد الخاطئ. تقديم عمل الذكاء الاصطناعي على أنه بشري بطريقة تضلل شخصًا ما ماديًا هو الضرر الدقيق الذي وُجدت علامات المصدر لمنعه.

هناك أيضًا سبب عملي لعدم الاعتماد المفرط على أي من هذا: الكشف يعمل في كلا الاتجاهين. اكتشاف العلامة المائية لا يثبت التأليف، وغيابها لا يثبت الأصل البشري. بناء سير عمل حول هزيمة إشارة غامضة بالفعل غالبًا ما يتطلب جهدًا أكبر مما يتطلبه الوضع. عند الشك، افصح. إنه أرخص من أن يتم القبض عليك وأنت لم تفصح.

إذا كان اهتمامك هنا أقل بالتركيز على إخفاء استخدام الذكاء الاصطناعي وأكثر على تشغيل النماذج بشروطك الخاصة، مع سياسة مصدر خاصة بك وعدم وجود علامة مائية للمورد في المقام الأول، فإن الاستضافة الذاتية هي الحل الأفضل. لقد تناولنا الخيارات الحالية في أفضل نماذج اللغات الكبيرة المحلية لتشغيلها في عام 2026.

الأسئلة الشائعة

هل يمكنني ببساطة العثور على أحرف العلامة المائية في نص كلود وحذفها؟ لا. العلامة المائية النصية لكلود ليست مكونة من أحرف مخفية، إنها تحيز إحصائي في اختيار الكلمات. لا يوجد شيء للبحث عنه وحذفه. (بعض الأدوات الأخرى تحقن أحرفًا غير مرئية، والطبقة أ من watermarks-remover تزيلها. لكن هذه آلية مختلفة عن علامة كلود الإحصائية.)

هل يؤدي نسخ ولصق مخرجات كلود إلى إزالة العلامة المائية؟ لا. العلامة الإحصائية مدمجة في الكلمات، لذا فهي تبقى بعد النسخ واللصق بين التطبيقات. فقط تحرير النص الفعلي هو الذي يقلل من جودتها.

هل watermarks-remover مجاني؟ نعم. إنه مفتوح المصدر بموجب ترخيص MIT. تحتاج النصوص البرمجية الأساسية للنصوص والبيانات الوصفية فقط إلى Python 3.10+ والمكتبة القياسية.

هل سيعمل على مخرجات Claude Code؟ سيعمل، ولكن العلامة المائية عادة ما تكون ضعيفة جدًا بحيث لا تهم في الشيفرة. تحتوي الشيفرة المصدرية على اختيارات رموز مقيدة، وتمحو أدوات التنسيق والمدققون معظم الإشارة المتبقية. لا يوجد عادة الكثير لإزالته.

هل تزيل العلامات المائية للصور مثل SynthID؟ ليس النوع الذي يعمل على مستوى البكسل. تزيل بيانات التعريف على مستوى الملف (C2PA، EXIF، XMP) بشكل نظيف، ويمكنها اختياريًا تقييم علامات SynthID عبر إعداد SynthID عكسي خارجي، لكن إزالة علامة مائية داخل البكسل خارج نطاق عملها.

هل إزالة العلامة المائية قانوني؟ إزالة علامة المصدر من المحتوى الذي تملكه ليس غير قانوني بطبيعته، ولكنه قد ينتهك السياسات الأكاديمية أو العقود أو شروط المنصة التي تتطلب الكشف عن الذكاء الاصطناعي. الأداة مخصصة للخصوصية على المحتوى الخاص بك، وليس للتهرب من تلك الالتزامات.

كيف أعرف أن العلامة الإحصائية قد اختفت بالفعل؟ حاليًا، لا يمكنك التحقق من ذلك بنفسك إلى حد كبير، لأنك لا تملك مفتاح الكشف. صرحت Anthropic بأن واجهة برمجة تطبيقات للكشف قادمة، والتي ستكون الاختبار الحقيقي. على النقيض، إزالة أحرف الطبقة أ وتجريد C2PA سهلان للتحقق باستخدام الفاحص و c2patool.