夜雨聆风从网页、PDF 或 AI 工具复制一段文字，粘贴到 Word 后排版莫名异常； Excel 里的两项内容看起来完全相同，却怎么也去不了重； 在文档里搜索一个明明存在的词，结果却显示“未找到”； 两个用户名肉眼看不出区别，系统却把它们当成两个不同的名字； 一段文字看起来很正常，字数统计却总比预期多几个字符； 已经清除了隐藏字符，文本仍然呈现出明显的模型化表达和统计特征。
很多时候，不是电脑出了错。
前几种情况，往往和文字中间那些肉眼看不见、但真实存在的 Unicode 字符有关。
最后一种情况则不同。它不一定在文本中插入任何特殊字符，而可能体现在模型生成文字时形成的词汇选择和概率分布上。
最近，我把这个问题做成了一个小工具，叫做「净字」。
它最初可以一键清理文本中的零宽字符，并对部分异常的 Unicode 兼容字符进行归一化。现在，我又给它加入了第三种能力：轻度改写。
目前，「净字」提供三层处理：
删除零宽字符； 对 Unicode 兼容异码进行 NFKC 归一化； 在保留原意和关键信息的基础上，对词语和句式进行轻度改写。
前两项基础清理完全在浏览器本地进行；只有你主动点击“轻度改写”时，当前清理结果才会发送到云端模型。
隐私提示：“轻度改写”不是本地功能。点击按钮后，右侧的当前清理结果会上传至 Cloudflare Workers AI 进行处理。合同、客户资料、未公开稿件、个人隐私等敏感内容，请不要使用云端改写；只使用前两项基础清理即可。
在线使用：https://rm.ai.ruixxx.com
一、看起来相同，不代表真的相同
先来看一个简单例子。
下面是两个字符串：
人工智能人工智能肉眼看上去，它们完全一样。
但在计算机里，第二个字符串也可能是这样的：
人[U+200B]工智能方括号里的 U+200B 是为了方便展示而加上的标记。它真正出现在文本中时没有宽度、没有形状，也不会占据一个肉眼可见的位置。
可对计算机来说，它依然是一个真实字符。
如果用 JavaScript 比较这两段文字：
const first = '人工智能';const second = '人\u200B工智能';console.log(first === second); // false结果是 false。
因为第一段文字有 4 个字符，第二段文字中间还藏着一个 U+200B。人眼忽略了它，计算机却不会。
这就是很多“看起来一样，处理结果却不一样”的来源之一。
二、什么是零宽字符？
零宽字符是一类通常不显示宽度的 Unicode 字符。
它们并不是凭空出现的“黑科技”，最初也不是专门为了添加水印而设计。有些零宽字符承担着正常的排版、连接或编码功能，在特定语言和表情符号中甚至不可缺少。
但在网页复制、富文本编辑、格式转换、自动排版或某些文本标记过程中，它们也可能被带进普通中文和英文文本。
常见的几种包括：
U+200B：零宽空格，英文名为 Zero Width Space；U+200C：零宽非连接符，英文名为 Zero Width Non-Joiner；U+200D：零宽连接符，英文名为 Zero Width Joiner；U+FEFF：零宽不换行空格，也常与字节顺序标记 BOM 有关。
因为它们肉眼不可见，所以排查起来比较麻烦。
你看到的是一句正常的话，程序看到的却是一串包含额外编码的字符序列。
三、它们会造成什么问题？
1. 搜索不到明明存在的文字
假设正文里保存的是：
人工[U+200B]智能你搜索“人工智能”时，一些使用精确匹配的程序可能无法找到它，因为正文中间实际多了一个字符。
2. Excel 去重或数据匹配失败
两行名称看起来一样，其中一行却包含零宽字符。执行去重、查找或数据关联时，它们就可能被识别为两个不同的值。
3. 程序判断两个字符串不相等
登录名、标签、文件名或数据库字段中只要多了一个不可见字符，严格比较的结果就会不同。这类问题仅靠肉眼检查通常很难发现。
4. 字数和长度统计异常
有些软件会把不可见字符计入字符串长度。因此，一段看起来只有 100 个字的文字，程序统计出来可能是 103 个字符。
5. 复制到其他编辑器后格式异常
不同软件对 Unicode 控制字符的处理方式并不完全相同。同一段文本复制到 Word、网页编辑器、代码编辑器或内容管理系统后，可能出现光标移动异常、断行奇怪或者排版不一致。
这些问题并不一定都由零宽字符造成，但当你遇到“肉眼正常、程序异常”的文本问题时，检查隐藏字符通常是一个很有效的排查方向。
四、网上说的“AI 文字水印”，其实不止一种
这两年，网上经常有人把文本中的零宽字符、异体字符、特殊 Unicode 编码乃至较高的 AI 检测概率，统称为“AI 文字水印”。
这个说法很容易传播，但并不十分严谨。
这些概念经常被混在一起，但它们背后的原理并不相同。大致可以分成三类。
1. 字符级隐藏标记
最直观的一类，是在正常文字之间插入零宽字符或其他不可见字符。
它们确实存在于字符串中，可以被程序定位和删除。「净字」的第一项能力就是处理这一类字符。
但要注意：文本中存在零宽字符，不代表这段文字一定由 AI 生成。
它们可能来自：
网页和富文本编辑器； PDF、Word 与其他格式之间的转换； 输入法或操作系统的文字处理； 多语言排版； 表情符号的组合； 内容平台添加的技术标记； 人工或程序主动插入的不可见信息。
反过来，一段 AI 生成的文字也不一定包含任何零宽字符。
2. Unicode 兼容异码
第二类，是使用全角字母、圈号字符、兼容连字或其他不常见的 Unicode 表示形式。
这类字符通常肉眼可见，却可能和常用字符具有不同的底层编码。「净字」通过 NFKC 兼容归一化处理其中一部分情况。
3. LLM 概率型水印或统计特征
第三类更加隐蔽，也更容易和普通的“AI 检测”混淆。
大语言模型每生成一个词，都不是从唯一答案中直接取出文字，而是根据上下文，在一组候选词中按概率继续生成。
一些概率型水印方法会在生成过程中，按照特定规则轻微提高某些候选词的选中概率。单独看每一个词都很自然，但当文本足够长时，检测器可能从整体词汇分布中发现统计偏差。
这种水印通常不会插入 U+200B 一类特殊字符。因此，单纯删除零宽字符或执行 Unicode 归一化，并不能改变它的核心统计信号。
与此同时，很多市面上的“AI 率检测”并不是真正在读取某种水印密钥，而是在根据句式规律、词汇分布、困惑度等特征估算文本像不像模型生成。
所以必须区分两件事：
概率型水印检测：寻找生成过程中人为加入的统计偏差； AI 文本分类检测：根据文本特征给出一个推测性的概率或标签。
它们都可能受改写影响，但不是同一种技术，也都不能仅凭一次检测结果准确证明文本来源。
因此，零宽字符不能被当成可靠的“AI 鉴定证据”，删除它们也不等于删除了所有所谓的“AI 痕迹”。同样，检测工具给出的百分比，也不等于在文本中发现了一个可以直接删除的实体水印。
「净字」现在处理的是三个具体问题：
清理指定的零宽字符，归一化一部分 Unicode 兼容字符，并通过可选的轻度改写调整文本表达和词汇分布。
它不是 AI 内容检测器，轻度改写也不承诺让文本通过某一个特定检测器。
我更愿意把它称作一个文本清洁、表达优化和故障排查工具。
五、除了隐藏字符，还有“看起来不太对”的异码
有时问题不在于字符完全不可见，而在于它使用了另一种 Unicode 表示形式。
例如：
ＡＩAI第一行使用的是全角字母，第二行使用的是常见的半角拉丁字母。它们看起来相近，但底层编码不同。
类似的例子还有：
① → 1fl → flＡ → AUnicode 提供了一种叫做 NFKC 的兼容归一化方式，可以把部分兼容形式转换成更常见的标准形式。
「净字」也提供了这个选项。
不过，兼容归一化并不是简单的“删除乱码”，它可能改变某些字符原本的表现形式和语义。例如圈号数字 ① 会变成普通数字 1。
所以工具把“删除零宽字符”和“兼容异码归一化”设计成了两个独立开关。你可以根据文本用途决定是否启用。
六、第三种能力：用轻度改写调整统计分布
先强调一个重要区别：轻度改写需要调用云端 AI 模型，不是在浏览器本地完成。
只有用户主动点击“轻度改写”按钮时，工具才会把右侧的当前清理结果发送至 Cloudflare Workers AI。没有点击按钮时，粘贴、零宽字符清理、NFKC 归一化、复制和下载都不会因为这项功能自动上传文本。
如果零宽字符和 Unicode 异码属于“字符层”的问题，那么概率型水印和 AI 文本统计特征就更接近“表达层”的问题。
它们的信号可能来自：
某些词汇出现得比自然状态更频繁； 句式和连接方式过于规律； 连续多个词的选择符合某种统计偏好； 整篇文章的节奏、长度和表达变化不足。
要改变这些特征，通常不能只做字符替换，而需要重新组织语言。
常见方法包括：
使用另一个模型进行同义改写，也就是 Paraphrase； 替换部分表达，同时调整主动句、被动句和长短句结构； 在不改变事实的前提下重新组织段落和信息顺序； 使用“交叉翻译”，例如中文翻译成英文后再翻译回中文。
这些方法的共同点，是对原有词汇选择和句式结构进行重新采样。改写后的文本不再完全保留原来的生成路径，因此可能削弱原本建立在词汇概率上的统计信号，也可能改变普通 AI 分类器的评分。
这就是「净字」加入“轻度改写”的原因。
点击之后，工具会让云端模型在保留原意、事实、观点、语气和关键信息的前提下，适度替换表达并调整部分句式，同时尽量保留：
数字、日期、金额和比例； 人名、地名和机构名； 专业术语、网址、代码和引用； 原有段落、列表和 Markdown 格式。
「净字」目前采用的是直接同义改写，不是交叉翻译。相比大幅重写，它更适合已经完成内容审核、只希望让表达自然一些的文本。
不过，“可能削弱”不等于“保证清除”。实际效果会受到水印算法、检测器规则、文本长度、改写幅度和语言类型影响。有些设计更强的水印可能在多次改写后仍保留部分信号，而短文本的检测结果本身也可能非常不稳定。
所以更准确的说法是：
轻度改写会重新组织部分词汇和句式，从而改变原有统计分布，并可能降低某些概率型水印或 AI 文本特征的可检测性，但不保证满足任何特定检测工具的判定标准。
七、我做了一个免费工具：净字
为了让这类问题更容易发现和处理，我做了「净字」这个小工具。
它目前支持：
删除 U+200B、U+200C、U+200D和U+FEFF；使用 Unicode NFKC 进行兼容形式归一化； 实时显示移除了多少个隐藏字符； 一键复制清理结果； 导入和下载 TXT 文本文件； 单独开启或关闭两类处理； 可选使用云端模型进行轻度改写，调整部分词语和句式； 直接在手机和电脑浏览器中使用。
使用方法很简单：
打开「净字」； 把需要检查的内容粘贴到左侧输入框； 右侧会立即显示清理结果； 查看移除数量，确认无误后复制或下载； 如果还需要调整表达和统计特征，可以主动点击“轻度改写”。
点击前请确认：轻度改写会把当前清理结果上传至 Cloudflare Workers AI，每次最多支持 5000 个 Unicode 字符。如果内容敏感，请不要点击该按钮。
模型处理具有不确定性，完成后请重点复核人名、数字、专业术语、引用和事实信息。
在线地址：
https://rm.ai.ruixxx.com
无需注册，也不需要下载安装软件。
八、为什么我特别强调“基础清理不上传”？
文字清理工具经常会被用来处理合同、工作文档、未发布的文章、代码、客户资料或者聊天记录。
如果为了清理几个隐藏字符，就要把完整内容发送到陌生服务器，这件事本身可能带来新的隐私风险。
所以「净字」的基础清理采用纯浏览器本地处理：
你粘贴的原文、清理后的结果以及导入的 TXT 文件，都只在当前浏览器标签页中处理。
删除零宽字符和兼容归一化不需要把文本发送到服务器。下载清理结果同样在本地完成。
只有你主动点击“轻度改写”时，当前清理结果才会上传到 Cloudflare Workers AI；界面会在按钮旁明确标注“云端”和 5000 字限制。如果文本涉及合同、客户资料、未公开信息、个人隐私或其他敏感内容，请不要使用轻度改写，只使用本地基础清理。
清理逻辑同时公开在 GitHub 上，熟悉代码的朋友可以直接检查实现，也可以自己部署一份。
项目地址：
https://github.com/ruixx-tech/Remove-the-AI-watermark
对我来说，“基础清理不上传”不应该只是一句宣传语，而应该是可以从产品设计和代码中验证的事实。可选的云端功能也应该明确告知用户数据将去往哪里，而不是模糊两种处理方式的隐私边界。
九、使用之前，请留意这几个边界
为了避免误解，有几件事必须说在前面。
1. 零宽字符不一定是水印
发现零宽字符，只能说明文本中包含对应的 Unicode 字符，不能据此判断作者是谁，也不能据此判断内容是否由 AI 生成。
2. 零宽字符并非永远无意义
U+200C 和 U+200D 在部分语言文字和组合表情中有正常用途。删除它们可能改变排版、连接形式或者表情显示。
如果你处理的是多语言文本、Emoji 或对字符精确性要求很高的内容，建议保留原文，并在处理后认真比对。
3. NFKC 会改变部分字符形式
全角字母、圈号数字和兼容连字等字符可能在归一化后发生变化。如果原本的字符形式具有特殊含义，可以关闭“兼容异码归一化”。
4. 工具不会替换所有视觉相似字符
有些字符来自不同文字系统，虽然长得很像，却具有不同含义。例如西里尔字母和拉丁字母中就存在一些视觉相似的字符。
「净字」不会仅凭“长得像”就强制替换它们，以免误伤正常的多语言内容。
5. 轻度改写不是确定性的“水印擦除”
改写可以改变词汇选择、句式结构和整体统计分布，但实际效果取决于具体的水印方法和检测器。工具不保证将某个检测分数降到指定范围，也不保证通过任何平台的自动审核。
同时，检测分数降低不能证明文字变成了“人工原创”，检测分数较高也不能反向证明作者使用了 AI。判断文本来源时，写作过程、引用记录、版本历史和事实核验通常比单一检测分数更可靠。
6. 模型改写之后必须复核
虽然提示词要求保留原意和关键信息，但任何模型都可能误改数字、专有名词、引用关系或语气。用于公开发布、工作交付或专业场景前，请由作者完成最终审核，并确保自己有权处理和使用相关内容。
工具应该帮助人减少重复劳动，但不能替代必要的人工检查。
十、也许你不常需要它，但需要时会很省事
「净字」不是一个复杂的大产品。
它解决的是一个很小、很具体，却又经常让人摸不着头脑的问题：
先清理藏在字符之间的异常编码，再按需调整词汇和句式，让文本在技术层面更规范，在表达层面更自然。
如果你是编辑、自媒体作者、办公人员、程序员，或者经常需要在不同软件之间复制文字，可以先把它收藏起来。
下次遇到这些情况时，也许就能少排查半个小时：
搜索不到明明存在的内容； Excel 数据无法正常去重； 两个字符串比较结果不一致； 从网页或文档复制后格式异常； 怀疑文本中混入了不可见字符； 需要在保留原意的基础上，对一段文字做轻度润色和句式调整。
在线使用：https://rm.ai.ruixxx.com
开源代码：https://github.com/ruixx-tech/Remove-the-AI-watermark
如果这个工具对你有帮助，欢迎把它转发给经常处理文字、表格和代码的朋友。
也欢迎告诉我：你曾经遇到过哪些看起来正常、实际上却有问题的文字？
这些真实案例，也会帮助我继续改进它。