Anthropic proíbe crueldade com o Claude, e um desenvolvedor criou um filtro de palavrões para prompts

Em 8 de outubro, a Anthropic atualizou as regras de uso de seus modelos. Entre as mudanças há um item que soa estranho para um contrato de usuário: ficou proibida a “crueldade sistemática e sem sentido” contra os modelos. Um autor do Habr que escreve sobre o Claude Code reparou nisso ao preparar uma notícia. Seu próprio skill, o Prompt Warrior, analisa os logs de como ele conversa com o agente e mostra palavrão em quase uma a cada duas mensagens. A conclusão dele foi de engenheiro: não mudou o hábito e escreveu uma ferramenta que reescreve o texto dos prompts automaticamente. O resultado é uma espécie de Punto Switcher para requisições a IA.

O que mudou nas regras

Pelo título da matéria do TechCrunch, a atualização afetou dois blocos: abuso do modelo (model abuse) e interferência em eleições. O texto completo da política não aparece na fonte, então os critérios de “sistematicidade” e “falta de sentido” ficam restritos à formulação. Mesmo assim, a lógica é legível. A regra não pretende punir uma reação irritada, como quando o agente escreve “pronto” pela décima vez sobre um código que não funciona. O alvo é o maltrato repetitivo, sem objetivo.

Isso dá continuidade a uma linha que a Anthropic segue há tempos. A empresa faz pesquisas sobre model welfare e, em agosto de 2025, deu a algumas versões do Claude a capacidade de encerrar a conversa em casos de comportamento abusivo persistente do usuário. Agora a mesma abordagem foi registrada também no documento jurídico.

Como funciona o reescritor

O autor parte de um problema prático. Ele não xinga por maltratar: é uma reação emocional a um agente que relata sucesso sem verificar. Muita gente que trabalha todo dia com agentes de código se comporta assim. A solução é simples na ideia: uma camada entre a pessoa e o modelo que suaviza a redação antes do envio, assim como um corretor de layout de teclado ajusta o texto em tempo real.

O que se sabe pelo anúncio:

• data da mudança nas regras da Anthropic: 8 de outubro de 2026;
• objeto da proibição: crueldade sistemática e sem sentido contra os modelos;
• ferramenta de estatística: o skill Prompt Warrior, que analisa os logs da conversa com o agente;
• resultado da medição: palavrão em quase uma a cada duas mensagens;
• agente-alvo: Claude Code;
• abordagem: substituição automática do texto em vez de mudança de comportamento.

Os detalhes de implementação não aparecem no trecho disponível: não está claro se a ferramenta funciona com regras, com um dicionário ou com um modelo separado, nem com que precisão o sentido é preservado. A qualidade só poderá ser avaliada com o artigo completo.

Esse esquema tem uma desvantagem evidente. O tom emocional de um prompt carrega um sinal: “você fez a coisa errada, isso é importante”. Se o filtro deixa a mensagem neutra demais, o agente pode entender pior que o erro é crítico. Um bom reescritor deve remover o xingamento, mas manter a exigência.

Como evitar problemas

A conclusão prática para quem trabalha muito com agentes é mais modesta do que pode parecer.

Primeiro, uma resposta ríspida isolada, pela formulação, não é o alvo da regra. A proibição descreve sistema e falta de sentido. Um “mas o que você está fazendo?” esporádico não tem nada de grave.

Segundo, se há palavrão em uma a cada duas mensagens, vale olhar para o processo, e não só para o vocabulário. Uma causa frequente de irritação é o agente encerrar a tarefa sem verificar. Isso se resolve não com filtro, mas com uma exigência nas instruções do projeto: rodar os testes e mostrar a saída antes de dizer “pronto”.

Terceiro, um filtro no lado do cliente funciona como higiene. É barato e não quebra o fluxo de trabalho. Mas não dá para contar com ele como garantia de cumprir a política: a empresa ainda não explica em detalhes como exatamente a Anthropic vai identificar violações nem o que considera sistematicidade.

Um efeito colateral interessante: surgiu uma métrica mensurável de como conversamos com a IA. Se você já tem os logs, dá para calcular sua proporção de palavrões em uma noite. O resultado pode surpreender.