A Anthropic proibiu a crueldade com o Claude, então eu criei um filtro de palavrões para prompts

A nova proibição e o hábito de xingar

A Anthropic atualizou os termos de uso de seus modelos em 8 de outubro, incluindo uma cláusula que proíbe a crueldade sistemática e sem sentido contra os modelos. Ilya Timonin — fundador da ArtGeneration.me, autor do skill Prompt Warrior para análise de logs de prompts e produto com 20 anos de experiência — percebeu que ele mesmo se enquadraria nessa proibição. Segundo seus cálculos, palavrões aparecem em quase uma a cada duas mensagens do Claude Code. Quando o agente, pela enésima vez, anuncia animadamente "pronto", mas nada está pronto, faltam palavras educadas. Em vez de mudar o hábito de xingar o agente, ele decidiu fazer com que o Claude simplesmente não visse os palavrões.

A ideia de revisar os prompts por meio de um modelo adicional já rondava sua cabeça havia tempo. Antes, ele planejava conectar um LLM ao Whispering — uma ferramenta de código aberto para ditado por voz — para "pentear" o texto ditado. Pretendia configurar, mas não configurou. As novas regras da Anthropic deram o empurrão para a ação, e assim nasceu o Angry Switcher.

Como o plugin funciona

O plugin para o Claude Code intercepta a mensagem no momento em que você já apertou Enter, mas o Claude ainda não a recebeu. O texto é enviado para revisão de outro LLM, que corrige erros de digitação, trocas de teclado e translit, remove palavrões e caixa alta, mas não mexe no sentido. Depois da revisão, o plugin substitui o texto original, e o Claude vê apenas a versão limpa.

No entanto, essa camada invisível esconde armadilhas. Se a revisão entender errado, o agente vai fazer honestamente algo diferente do que você pediu, mas você não vai entender por quê. Na prática, já aconteceu o seguinte:

• O Haiku leu o próprio nome "haiku" como "função hash" • O Sonnet trocou os sujeitos: o pedido "eu mesmo vou bolar" foi enviado como "você mesmo vai bolar" • A frase "você é idiota?" virou uma reclamação educada: "Por que você fez isso?" • O pronome "eu pensei" (com erro de concordância) mudou o gênero do usuário para feminino

A solução veio de pesquisas sobre reescrita de consultas de busca: a paráfrase livre piorava as consultas em 42% dos casos, enquanto a correção cuidadosa, em apenas 24%. A revisão agora funciona como um corretor, não como um editor. Cada palavra no texto final continua sendo sua, apenas corrigida. Palavras incompreensíveis permanecem como estão, o gênero nunca é adivinhado. Código, logs e citações não chegam ao modelo, sendo substituídos por marcadores. Caminhos, nomes de arquivos e números são conferidos. O comando `raw:` no início envia o texto sem processamento.

O palavrão ajuda em alguma coisa?

Antes de criar o plugin, Ilya checou as pesquisas. Um estudo da Penn State de 2025 mostrou que prompts grosseiros deram ao GPT-4o 84,8% de respostas corretas contra 80,8% dos educados, numa amostra de 50 perguntas. Mas quando o teste foi ampliado para 570 perguntas e quatro modelos, não se encontrou uma regra única: em um modelo, a grosseria somou 1,3 ponto; em outro, as ameaças derrubaram 11 pontos.

Com os insultos, o quadro foi mais claro. O RudeBench testou cinco modelos (Claude, GPT-4o e mais três) em seis tons de comunicação — do educado ao "cale a boca, máquina inútil". Os insultos se mostraram o pior tom para todos os cinco. O Claude perdia cerca de cinco pontos de precisão com eles, e as respostas ficavam um terço mais curtas. Parece que ele se ofendeu. O palavrão de verdade não foi medido nas pesquisas — ali se usou uma grosseria educada em inglês. A conclusão foi: na melhor das hipóteses, o palavrão não ajuda em nada; na pior, o agente trabalha pior e responde mais curto. Não há nada a perder.

Sonnet ou DeepSeek

O plugin pode fazer a revisão com dois modelos. Por padrão, usa-se o Sonnet — o mesmo modelo da Anthropic. Ilya tem uma teoria: se houver punições por abuso, dificilmente serão aplicadas ao Sonnet ou ao Haiku, porque é com eles que se treinam os modelos maiores. O Sonnet revisa em 1,5–2 segundos, custa cerca de US$ 0,0015 por mensagem (mil mensagens ≈ US$ 1,5) e funciona com o login pessoal do Claude dentro da assinatura, sem custo adicional.

A alternativa é o DeepSeek V3 Flash via chave de API própria. Nesse caso, o palavrão nem chega à Anthropic. Mas o DeepSeek exige mais tempo: com o modo de raciocínio ativado (necessário para o funcionamento correto), a revisão leva 3,4 segundos contra 1,9 do Sonnet, e é preciso pagar com a própria chave (US$ 0,30 por milhão de tokens de entrada, US$ 1,20 por milhão de tokens de saída). Sem o modo de raciocínio, o DeepSeek era duas vezes mais rápido, mas deixava passar trechos perigosos e adivinhava palavras incompreensíveis.

Uso prático

O código é aberto sob licença MIT. A instalação é feita pelo Claude Code, e o desligamento, pelo comando `/angry off`. Cada mensagem reescrita aparece no chat em um cartão "você escreveu / foi enviado", a substituição não é oculta. Os comandos `/angry model deepseek` e `/angry model sonnet` alternam entre os modelos. Uma ferramenta adicional, o Prompt Warrior, calcula a toxicidade com base nos logs. O comando `/ask-ds` envia a pergunta diretamente ao DeepSeek.

Ilya não parou de xingar. Mas o Claude não lê mais seus palavrões.