На GitHub выложили репозиторий в котором содержится SKILL для удаления водяных знаков из генерации Claude, ChatGPT, Gemini и других нейронок.

Работает в виде двух слоев:

Layer A: удаляет все Unicode-следы - скрытые пробелы, нетипичные кавычки, двойные тире и аналогичные следы

Layer B: здесь уже интереснее - алгоритм пытается сломать математические ватермарки о которых я рассказывал здесь
Вот описание алгоритма:
Текстовые водяные знаки живут в самой тексте: сигнал размазан по выбору токенов, поэтому почти каждое предложение несёт его частичку. Поэтому Layer B честнее называть best-effort решением, а не волшебным ластиком.

1️⃣ Удаление "водяных знаков"— это переписывание текста, а не его реструктуризация. Перетасовка абзацев, смена заголовков и лёгкая косметика почти не сдвигают статистический сигнал. Чтобы снять статистическую метку, нужно переписать существенную долю текста — предложение за предложением, а не раздел за разделом.

2️⃣ Переписывание портит текст. Любой рерайт заменяет исходный выбор слов на выбор переписывающей модели — а это обедняет тон, голос и точность. На боевых текстах (SEO, маркетинг, клиентские проекты) деградация реальна и обычно заметна именно тем, кому текст важнее всего (читателям в первую очередь).
Это как взять текст топовой модели и попросить модель послабее переписать его с нуля: результат точно не будет лучше чем у более мощной модели.

Как бы я рекомендовал это использовать:
👉 Прогонять все тексты через Layer A - хуже точно не будет, я это делаю на всех сгенерированных сайтах
👉 Прогонять через Layer B все авто-генерированные страницы с контентом - особенно когда вы делаете много сайтов на масштабе. В таких сайтах обычно оффер находится на первом экране и всем пофиг на текст - его никто не читает.
Такой подход потенциально позволит вашим дорвеям жить дольше
👉 Я бы не использовал Layer B на информационных текстах где пользователь реально читает текст и принимает какое-то решение. Здесь рерайт будет заметен и будет убивать конверсию и поведенческие (будет много отказов).
По крайней мере пока Anthropic не выпустит чекер своих ватермарков и будет понятно оправдано это или нет.

Ссылка не репозиторий 👉 https://github.com/guillaumemeyer/watermarks-remover
Просто скажите своему Claude Code изучить и установить скилл - он поможет.