إزالة العلامات المائية والبيانات الوصفية من مخرجات كلود: دليل عملي
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. صممتها Anthropic لتتيح تتبع النص المكتوب بالذكاء الاصطناعي إلى النموذج، وتنتقل بهدوء داخل اختيارات الكلمات نفسها.
إذا كنت تنظف نصوصًا أو ملفات تملكها، فإن مشروع watermarks-remover المفتوح المصدر يوفر أدوات لفحص الأحرف غير المرئية والبيانات الوصفية وإزالتها. يوضح هذا الدليل الفرق بين أنواع العلامات، ومتى تستخدم كل أداة، وكيف تتحقق من النتيجة.
استخدم هذه الأدوات للخصوصية والنظافة على المحتوى الذي تملكه. إزالة إشارات المصدر للغش الأكاديمي، أو مخالفة التزامات الإفصاح، أو خرق عقد يمنع ذلك قد يعرّضك لمشكلات قانونية أو مهنية.
باختصار
- العلامة النصية في كلود: توقيع إحصائي ناتج عن اختيارات الكلمات، وليست حرفًا مخفيًا يمكنك حذفه.
- البيانات الوصفية للملفات: بيانات مثل C2PA وEXIF وXMP، ويمكن تنظيفها من الملف.
- الطبقة أ — تنظيف حتمي: إزالة أحرف Unicode غير المرئية، والمسافات الغريبة، ومحارف الاتجاه ثنائي الاتجاه. هذه العملية لا تغير النص الظاهر.
- الطبقة ب — إعادة كتابة إحصائية: تغيير الصياغة لكسر نمط اختيار الكلمات. ليست مضمونة وقد تؤثر في الأسلوب أو الدقة.
- الصيغ المدعومة: PNG وJPEG وSVG وPDF وDOCX وODT وHTML وMarkdown.
- القاعدة العملية: افحص أولًا، نظّف البيانات الوصفية أو الأحرف غير المرئية عند الحاجة، ثم تحقق من الناتج.
ما هي العلامة المائية النصية في كلود؟
العلامة المائية النصية ليست سلسلة من الأحرف المخفية بين الكلمات. لا توجد مسافة بعرض صفري للبحث عنها، ولا رمز سري لعزله، ولا تباعد أحرف غير عادي لقياسه.
بدلًا من ذلك، تكون الإشارة موزعة داخل اختيار الكلمات. عند إنشاء نص، يختار النموذج الرمز التالي من بدائل متقاربة إحصائيًا، ويمكن أن يوجّه هذا الاختيار وفق مفتاح سري. على امتداد نص طويل، تتراكم الاختيارات لتنتج توقيعًا إحصائيًا يمكن لكاشف يملك المفتاح التعرف إليه.
لهذا التصميم نتيجتان عمليتان:
النسخ واللصق لا يزيل العلامة.
لأن الإشارة موجودة في الكلمات نفسها، لا في تنسيق المستند أو بياناته الوصفية.التحرير المكثف يضعفها.
إعادة الصياغة أو الترجمة أو دمج النص مع كتابة بشرية يغير اختيارات الكلمات ويضعف الإشارة الإحصائية.
طرحت Anthropic هذه الآلية على مستوى النموذج اعتبارًا من 2 أغسطس 2026، لذلك لا تعتمد على واجهة منتج محددة. تشمل المخرجات تطبيقات كلود وواجهة API وClaude Code والوصول عبر AWS وGoogle Cloud وMicrosoft Foundry. إذا كنت تتابع تغيّرات نماذج Anthropic وسياسات الوصول، راجع Fable 5 Is Down for Everyone.
اكتشاف علامة مائية لا يثبت الغش أو التأليف وحده. يمكن أن يظهر الأثر بعد التدقيق اللغوي أو الترجمة أو التلخيص، وليس فقط بعد إنشاء نص كامل.
علامتان مختلفتان، ومساران مختلفان
يتعامل watermarks-remover مع طبقتين منفصلتين:
الطبقة أ: أحرف Unicode والآثار غير المرئية
تستهدف هذه الطبقة:
- المسافات ذات العرض الصفري
- المسافات البيضاء غير المعتادة
- محارف التحكم ثنائية الاتجاه
- محارف علامات Unicode
- رموز التتبع المضمنة في النص
هذه العملية حتمية: إذا كان المحرف موجودًا، يمكن اكتشافه وإزالته. وهي لا تحتاج إلى نموذج لغوي ولا تعيد صياغة النص.
الطبقة ب: العلامة الإحصائية في اختيار الكلمات
هذه الطبقة تتعامل مع العلامات المائية الإحصائية، مثل الآلية الموصوفة لمخرجات كلود. لا يمكن حذفها عبر إزالة محرف معين، لأن الإشارة موزعة على الكلمات.
لذلك يعتمد الحل على إعادة الصياغة. وهذا يعني وجود تنازل واضح:
- قد يتغير الأسلوب.
- قد تتغير تفاصيل تقنية دقيقة.
- لا توجد ضمانة بأن الإشارة اختفت بالكامل.
- ستحتاج إلى مراجعة بشرية للناتج.
البيانات الوصفية للملفات
يمكن للأداة أيضًا تنظيف بيانات مثل:
- C2PA
- EXIF
- XMP
- خصائص المستندات المضمنة
تختلف هذه البيانات عن العلامة الإحصائية في النص: فهي موجودة على مستوى الملف، ويمكن غالبًا كشفها أو إزالتها مباشرة.
يدعم المشروع أيضًا أنماطًا مرتبطة بـ Gemini/SynthID-Text وOpenAI وعلامات مفتوحة المصدر على نمط Kirchenbauer. لكن العلامات المائية المدمجة داخل بكسلات الصورة، مثل بعض تطبيقات SynthID، ليست ضمن نطاق الإزالة.
متى لا تحتاج إلى إعادة كتابة النص؟
قبل تنفيذ أي خطوة، حدّد نوع المحتوى:
- مقاطع قصيرة: غالبًا لا توفر عددًا كافيًا من اختيارات الكلمات لكشف إحصائي موثوق.
- شيفرة برمجية: قيود البنية اللغوية وأدوات التنسيق وإعادة الهيكلة تجعل الإشارة ضعيفة عادة.
- نص محرر بكثافة: إذا غيّرت أجزاء كبيرة من النص، فربما ضعفت الإشارة بالفعل.
- ملفات تحتوي C2PA فقط: تنظيف البيانات الوصفية قد يكون كافيًا.
عمليًا، يكون السيناريو الأكثر صلة هو نص نثري طويل بقي قريبًا من صيغته الأصلية، أو ملفات تحتاج تنظيف بيانات المصدر منها.
تثبيت watermarks-remover
يتطلب المشروع Python 3.10 أو أحدث. تعتمد العمليات الأساسية للنصوص والبيانات الوصفية على المكتبة القياسية، لذا لن تحتاج عادةً إلى pip install.
git clone https://github.com/guillaumemeyer/watermarks-remover.git
cd watermarks-remover
إذا كنت تريد استخدامه كمهارة وكيل، اربط مجلد المهارة:
mkdir -p ~/.grok/skills
ln -sfn "$(pwd)/skills/remove-ai-marks" ~/.grok/skills/remove-ai-marks
أما لتشغيل النصوص مباشرة، فعيّن متغيرًا لمسارها:
export SCRIPTS="$(pwd)/skills/remove-ai-marks/scripts"
يمكنك تثبيت أدوات اختيارية لتوسيع فحص الملفات:
-
c2patoolلفحص بيانات C2PA. -
exiftoolلإزالة أو تدقيق بيانات الصور الوصفية المتبقية.
افحص الملف قبل تعديله
لا تبدأ بإزالة أي شيء دون معرفة ما يحتويه الملف. شغّل الفاحص أولًا:
python3 "$SCRIPTS/inspect_file.py" draft.md
يعرض هذا الأمر ما تكتشفه الأداة دون تعديل الملف، مثل:
- محارف غير مرئية
- بيانات تعريف مضمنة
- معلومات مصدر
- كتل بيانات وصفية
إذا كان الملف نظيفًا، فلا حاجة إلى أي تعديل. وإذا وجدت بيانات غير متوقعة، يمكنك اختيار الإجراء المناسب قبل الكتابة فوق أي محتوى.
تنظيف النص من المحارف غير المرئية
استخدم clean_text.py للطبقة أ، وهي المسار الحتمي الذي لا يغير النص المرئي:
python3 "$SCRIPTS/clean_text.py" draft.md -o draft.cleaned.md --stats
ينفذ الأمر ما يلي:
- يقرأ الملف المصدر
draft.md. - يزيل محارف Unicode غير المرئية والمسافات الغريبة ومحارف الاتجاه ثنائي الاتجاه.
- يكتب النتيجة إلى
draft.cleaned.md. - يعرض إحصاءات عن العناصر التي اكتشفها وأزالها.
استخدم دائمًا -o لإنشاء ملف جديد بدلًا من الكتابة فوق المصدر مباشرة:
python3 "$SCRIPTS/clean_text.py" draft.md -o draft.cleaned.md --stats
هذا هو الخيار المناسب إذا كان هدفك إزالة آثار تنسيق أو تتبع غير مرئية مع الحفاظ على النص كما هو.
تنظيف البيانات الوصفية من الملفات
للصور والمستندات، استخدم clean_file.py:
python3 "$SCRIPTS/clean_file.py" photo.png -o photo.cleaned.png
يمكن للأداة التعامل مع:
- PNG
- JPEG
- SVG
- DOCX
- ODT
- HTML
- Markdown
بعد التنظيف، يمكنك استخدام exiftool لتدقيق صورك:
exiftool -all= photo.cleaned.png
وللتحقق من بيانات C2PA تحديدًا:
c2patool photo.cleaned.png
تُعد بيانات C2PA حالة مباشرة نسبيًا لأنها بيان مصدر على مستوى الملف، لا توقيعًا إحصائيًا موزعًا داخل النص.
الطبقة ب: إعادة الكتابة الإحصائية
إذا كان لديك سبب مشروع لإعادة صياغة نص طويل، يوفر المشروع rewrite_text.py:
python3 "$SCRIPTS/rewrite_text.py" draft.md --backend print-prompt --strength paraphrase
استخدم --backend print-prompt عندما تريد أن يطبع البرنامج طلب إعادة الكتابة بدلًا من استدعاء نموذج مباشرة. بهذه الطريقة، يمكنك مراجعة الطلب واختيار الأداة أو النموذج الذي ستستخدمه.
تتحكم --strength في درجة إعادة الصياغة. لكن لا تتعامل مع هذه الخطوة كتنظيف تقني بسيط:
- تغيير الكلمات قد يغير النبرة.
- النصوص التقنية تحتاج مراجعة دقيقة بعد إعادة الصياغة.
- لا يمكن ضمان إزالة توقيع إحصائي دون الوصول إلى كاشف الجهة التي أنشأت العلامة.
- كلما كانت إعادة الكتابة أقوى، ارتفع احتمال فقدان تفاصيل أو دقة أسلوبية.
التوصية العملية: استخدم تنظيف الطبقة أ وتنظيف البيانات الوصفية كخطوات روتينية قابلة للتحقق. استخدم إعادة الكتابة فقط عند الحاجة الفعلية، ومع مراجعة بشرية كاملة للناتج.
تحقق من النتيجة
بعد أي تنظيف، أعد تشغيل الفاحص:
python3 "$SCRIPTS/inspect_file.py" draft.cleaned.md
للملفات التي قد تتضمن C2PA:
c2patool photo.cleaned.png
أما العلامات النصية الإحصائية، فلا يمكن التحقق منها بشكل قاطع دون مفتاح الكشف الخاص بالجهة التي أنشأتها. عندما تصبح واجهة كشف Anthropic متاحة، ستكون هي الاختبار الأكثر مباشرة لهذا النوع من الإشارات.
إذا كنت تبني سير عمل آليًا لفحص المحتوى أو الملفات، تعامل مع التحقق كاختبار قابل للتكرار: افحص الملف قبل المعالجة وبعدها، وسجّل النتائج، وشغّل الخطوات نفسها في بيئة CI عند الحاجة. يمكن للفرق التي تختبر تدفقات API دمج هذه الفحوص مع أدوات مثل Apidog. ولمزيد من الأمثلة حول اختبار المسارات المدعومة بالنماذج، راجع كيفية اختبار وكلاء الذكاء الاصطناعي عبر واجهة برمجة التطبيقات (API).
اعتبارات قانونية وأخلاقية
الاستخدام المشروع لهذه الأدوات يشمل:
- تنظيف مسوداتك من محارف التتبع غير المرئية.
- إزالة بيانات وصفية غير مرغوب فيها قبل نشر صورة أو مستند.
- إدارة خصوصية الملفات التي تملكها.
- توحيد عملية فحص المحتوى ضمن خط أنابيب نشر داخلي.
لكنها لا تلغي الالتزامات المتعلقة بـ:
- سياسات المؤسسات التعليمية.
- بنود العملاء والعقود.
- شروط المنصات التي تتطلب الإفصاح عن استخدام الذكاء الاصطناعي.
- الإسناد الصحيح للمحتوى.
غياب علامة مائية لا يثبت أن النص بشري، ووجودها لا يثبت بمفرده من ألّف النص أو كيف استُخدم النموذج. إذا كان هدفك هو تشغيل النماذج ضمن سياسة مصدر تتحكم بها من البداية، فقد تكون الاستضافة الذاتية خيارًا أنسب. راجع أفضل نماذج اللغات الكبيرة المحلية لتشغيلها في عام 2026.
الأسئلة الشائعة
هل يمكن حذف علامة كلود بالبحث عن أحرف مخفية؟
لا. العلامة النصية الإحصائية ليست مجموعة محارف مخفية؛ بل هي نمط في اختيار الكلمات. يمكن لـ clean_text.py إزالة محارف غير مرئية تضيفها أدوات أخرى، لكن ذلك مختلف عن العلامة الإحصائية.
هل النسخ واللصق يزيل العلامة؟
لا. بما أن الإشارة مرتبطة باختيارات الكلمات، فإنها تنتقل مع النص عند النسخ واللصق.
هل watermarks-remover مجاني؟
نعم. المشروع مفتوح المصدر بترخيص MIT، وتتطلب الأدوات الأساسية Python 3.10+ فقط.
هل يعمل مع مخرجات Claude Code؟
يمكن تشغيل الأدوات على الشيفرة، لكن العلامات الإحصائية تكون عادة أضعف في الشيفرة بسبب قيود البنية وأدوات التنسيق وإعادة الهيكلة.
هل يزيل علامات مائية داخل بكسلات الصور مثل SynthID؟
لا يزيل العلامات المضمنة على مستوى البكسل. لكنه يستطيع تنظيف البيانات الوصفية على مستوى الملف، مثل C2PA وEXIF وXMP، وقد يدعم تقييم بعض الإشارات عبر أدوات خارجية.
كيف أتأكد من اختفاء العلامة الإحصائية؟
يمكنك التحقق من الأحرف غير المرئية والبيانات الوصفية باستخدام inspect_file.py وc2patool. أما التحقق النهائي من علامة نصية إحصائية فيتطلب كاشفًا يملك مفتاح الكشف المناسب.

Top comments (0)