Anthropic запретила жестокость к Claude, поэтому я сделал фильтр мата для промптов

Новый запрет и привычка ругаться

Антропик обновила условия использования своих моделей 8 октября, добавив пункт о запрете систематической бессмысленной жестокости к моделям. Илья Тимонин — основатель ArtGeneration.me, автор скилла Prompt Warrior для анализа логов промптов и продакт с 20-летним стажем — заметил, что сам попадёт под этот запрет. По его подсчётам, мат встречается почти в каждом втором сообщении Claude Code. Когда агент в который раз бодро рапортует «готово», а ничего не готово, слова не подбираются. Вместо того чтобы менять привычку ругаться на агента, он решил сделать так, чтобы Claude просто не видел мат.

Идея вычитки промптов через дополнительную модель сидела в голове давно. Раньше планировал подключить LLM к Whispering — инструменту для голосовой диктовки с открытым кодом — чтобы причёсывать надиктованный текст. Собирался настроить, но не настроил. Новые правила Anthropic дали толчок к действию, и так появился Angry Switcher.

Как работает плагин

Плагин для Claude Code перехватывает сообщение в момент, когда вы уже нажали Enter, но Claude его ещё не получил. Текст отправляется на вычитку другой LLM, которая исправляет опечатки, раскладку и транслит, удаляет мат и капс, но не трогает смысл. После вычитки плагин подменяет исходный текст, и Claude видит только чистую версию.

Однако этот невидимый слой скрывает подводные камни. Если вычитка поймёт неправильно, агент будет честно делать не то, что вы просили, но вы не поймёте почему. На практике сначала происходило:

• Haiku прочитала собственное имя «хкайку» как «хэш-функция» • Sonnet поменял подлежащие: просьба «я придумаю сам» отправилась как «ты придумаешь сам» • Фраза «ты идиот?» превратилась в вежливую претензию «Почему ты так сделал?» • Местоимение «я подумла» изменило пол пользователя на женский

Решение пришло из исследований про переписывание поисковых запросов: свободный пересказ ухудшал запросы в 42% случаев, а аккуратная правка только в 24%. Вычитка теперь работает как корректор, а не редактор. Каждое слово в финальном тексте остаётся вашим, только исправленным. Непонятные слова остаются как есть, род никогда не угадывается. Код, логи и цитаты не доходят до модели, заменяются метками. Пути, имена файлов и числа сверяются. Команда `raw:` в начале отправляет текст без обработки.

Помогает ли мат вообще?

До создания плагина Илья проверил исследования. Penn State 2025 показала, что грубые промпты дали GPT-4o 84,8% правильных ответов против 80,8% у вежливых на выборке из 50 вопросов. Но когда тест расширили до 570 вопросов и четырёх моделей, единого правила не нашлось: у одной модели грубость добавила 1,3 пункта, у другой угрозы упали на 11 пунктов.

С оскорблениями картина была однозначнее. RudeBench проверил пять моделей (Claude, GPT-4o и три других) на шести тонах общения — от вежливого до «заткнись, бесполезная машина». Оскорбления оказались худшим тоном для всех пяти. Claude на них терял около пяти пунктов точности, а ответы становились на треть короче. Обиделся, видимо. Настоящий мат в исследованиях не мерили — там использовали вежливую англоязычную грубость. Выводом стало: в лучшем случае мат ничего не даёт, в худшем агент работает хуже и отвечает короче. Терять нечего.

Sonnet или DeepSeek

Плагин может вычитывать двумя моделями. По умолчанию используется Sonnet — та же модель Anthropic. У Ильи есть теория: если будут наказывать за абьюз, то вряд ли за Sonnet или Haiku, потому что на них учат больших моделей. Sonnet вычитывает 1,5–2 секунды, стоит около $0.0015 за сообщение (тысяча сообщений ≈ $1.5), работает через личный логин Claude в составе подписки без доплат.

Альтернатива — DeepSeek V3 Flash по собственному API-ключу. Тогда мат до Anthropic не доходит вообще. Но DeepSeek требует времени: с включённым режимом размышлений (необходимым для корректной работы) вычитка занимает 3,4 секунды против 1,9 у Sonnet, и платить нужно со своего ключа ($0.30 за млн входных токенов, $1.20 за млн выходных). Без режима размышлений DeepSeek был в два раза быстрее, но пропускал опасные фрагменты и угадывал непонятные слова.

Практическое использование

Код открыт под лицензией MIT. Устанавливают через Claude Code, отключают командой `/angry off`. Каждое переписанное сообщение видно в чате карточкой «ты написал / ушло», подмена не тайная. Команда `/angry model deepseek` и `/angry model sonnet` переключают между моделями. Дополнительный инструмент Prompt Warrior подсчитает токсичность по логам. Команда `/ask-ds` отправляет вопрос прямо в DeepSeek.

Материться Илья не перестал. Но Claude его мат больше не читает.