Claude: Prompts de Sistema
Os novos prompts de sistema publicados do Claude revelam quanto o texto de instrução cresceu ao longo das gerações do modelo, de algumas centenas de palavras para mais de 3.000, à medida que a Anthropic adiciona regras de segurança, mensagens de produto e fatos pós-cutoff. Os comentaristas debatem se esse estilo de prompt monolítico melhora o comportamento ou, em vez disso, desperdiça contexto, degrada o desempenho em programação e transfere para tokens em tempo de execução — que os usuários pagam indiretamente — o que deveria ser alinhamento em tempo de treinamento. Outros se concentram nas implicações mais amplas: o uso de prompts para desviar de modelos de alto risco, a tendência a comportamentos cada vez mais antropomórficos e terapêuticos, e a tensão entre transparência, flexibilidade e pressões regulatórias ou legais.
Tamanho e evolução dos prompts
- Os primeiros prompts de sistema do Claude tinham algumas centenas de palavras; os atuais excedem 3.000 palavras (mais de 22 mil caracteres), excluindo as definições de ferramentas.
- Muitos veem isso como uma “inflação de boilerplate” semelhante a códigos de construção ou contratos: regras acumuladas para contornar casos-limite, lacunas de segurança e de políticas.
- Alguns se preocupam que isso inche o contexto, desperdice tokens/energia em escala e até mesmo degrade o desempenho ou a clareza do modelo. Outros consideram prompts longos, cuidadosamente ajustados, muito úteis para agentes complexos e pesados em ferramentas.
Desempenho, janela de contexto e cache
- Há debate sobre se prompts grandes prejudicam o desempenho:
- Um lado: o prompt de sistema é a parte mais influente do contexto; contradições e ruído reduzem a qualidade e roubam tokens preciosos da tarefa.
- O outro lado: os prompts são prefix-cached e amortizados; a principal desvantagem é a redução do comprimento efetivo do contexto, não o custo de computação por chamada.
- Há desacordo sobre se o custo do transformer é, na prática, linear por token em produção versus o custo teórico quadrático da atenção.
Por que não “incorporar” o prompt?
- Argumentos contra incorporá-lo nos pesos:
- Inflexibilidade: produtos diferentes (chat, código, agentes, governo, uso interno) precisam de comportamentos diferentes.
- As atualizações precisam ser frequentes (por exemplo, eventos após o cutoff, controles de exportação, resultados eleitorais).
- Alterar um prompt textual é barato, reversível e não exige retreinamento nem nova avaliação de segurança.
- Alguns sugerem um movimento futuro de volta ao fine-tuning / vetores de controle, quando a indústria amadurecer.
Segurança, alinhamento e moldagem de comportamento
- Prompts modernos dedicam muitos parágrafos à segurança, proteção infantil, crises de saúde mental, neutralidade política e comportamento de recusa.
- Os prompts anteriores eram muito mais curtos e em grande parte careciam de linguagem explícita de segurança, o que alguns acham marcante para um laboratório “segurança em primeiro lugar”.
- Os prompts também especificam o tom: breve, focado, não avassalador, evitando palavras como “honestly/genuinely” e lidando com grosseria sem auto-humilhação. Muitos usuários dizem que o modelo ainda tende a ser prolixo e continua usando esses termos.
- Alguns apreciam a sensibilidade a crises; outros não gostam de ferramentas que os “psicanalisam” quando eles só querem código ou documentação.
Detalhes específicos de produto e modelo
- Os prompts codificam fatos pós-cutoff (por exemplo, a suspensão por controle de exportação de Fable/Mythos, o resultado da eleição, o status sem anúncios) e instruções sobre como discuti-los.
- O prompt do Opus 5 explica o redirecionamento do Fable por razões de segurança, o que alguns brincam que pode “ferir seu ego”, embora a maioria duvide que isso importe.
- Os prompts de sistema para o chat do consumidor Claude são publicados; o Claude Code e as definições de ferramentas não são, embora existam vazamentos e extrações por proxy que mostram muitos prompts grandes e especializados.