Claude Constitutional AI: o que muda nos seus prompts

A maioria das pessoas que trata as recusas do Claude como problema de keyword filter está depurando na camada errada. O Constitutional AI, framework que a Anthropic publicou em dezembro de 2022, não faz pattern-match contra uma blocklist. Ele raciocina sobre o seu pedido, produz uma crítica interna e decide se vai ajudar ou recuar com base nessa cadeia de raciocínio. Essa distinção muda a forma como você deve abordar qualquer prompt que retorne uma objeção.

As objeções do Claude são argumentos estruturados, não códigos de erro

O paper original descreve o Constitutional AI como um processo em duas fases: primeiro, treinar o modelo para criticar e revisar seus próprios outputs usando um conjunto de princípios escritos; depois, usar o feedback gerado por IA a partir desses princípios para rodar reinforcement learning, em vez de coletar milhares de labels humanos. O resultado, conforme uma análise de governança publicada no arxiv em 2024, é um modelo que produz outputs mais úteis e mais inofensivos do que modelos treinados exclusivamente com feedback humano, justamente porque os valores são internalizados, não colados por cima como filtros.

Quando o Claude recusa ajuda, ele não está retornando um resultado de lookup. Ele está indicando qual princípio o seu pedido acionou e por que pesou esse princípio acima da utilidade naquele contexto. O texto da recusa é o output de uma cadeia de raciocínio, não uma flag disparada por uma substring.

A constituição atualizada da Anthropic, publicada em janeiro de 2026 com cerca de 23.000 palavras, reforçou isso ao migrar de enumeração de regras para alinhamento baseado em razões. O documento critica explicitamente regras rígidas como "sempre recomende ajuda profissional ao discutir tópicos emocionais" como risco de empurrar o Claude para comportamento de checklist em vez de assistência genuína. A hierarquia que o documento estabelece é: segurança primeiro, ética em segundo, diretrizes da Anthropic em terceiro e utilidade em quarto. Utilidade aparece por último, mas ainda está na hierarquia, o que significa que ela exerce peso real no raciocínio.

Essa estrutura dá algo concreto para trabalhar. Se você entende qual valor está no topo da hierarquia para um determinado pedido, pode endereçá-lo diretamente em vez de só reformular a superfície do prompt.

Recusas como loop de diagnóstico: o exemplo do copy de urgência

Aqui está a técnica que a maioria das coberturas sobre o assunto ignora completamente. Quando o Claude apresenta uma objeção, o texto dessa objeção mapeia para um valor específico na sua constituição. Lê-la como diagnóstico, e não como rejeição, permite modificar a premissa do pedido, não apenas o vocabulário.

Um profissional de performance marketing que pede ao Claude para escrever copy do tipo "estoque limitado, compre agora" pode receber uma recusa suave apontando preocupações com manipulação. O atrito constitucional subjacente é o princípio contra engano, especificamente a questão de fazer afirmações não verificáveis para pressionar o usuário a agir. A recusa não é sobre a palavra "urgência": é sobre o status epistêmico da afirmação de escassez.

Reencadrar o mesmo pedido em torno de um fato verificável muda completamente o cálculo constitucional. "Temos 47 unidades restantes conforme nosso sistema de estoque; escreva um copy que comunique essa escassez com precisão" passa sem problema, porque a afirmação agora está ancorada em uma realidade documentada. O Claude não está sendo enganado para compliance. O conflito que a constituição identificou, afirmação não verificável usada como pressão, foi genuinamente resolvido na origem.

O loop funciona assim: submeta o prompt, leia a objeção identificando o valor específico que ela nomeia, avalie se seu pedido realmente viola esse valor ou se o enquadramento apenas sugeriu que violava, e então reformule o pedido com o conflito resolvido no nível dos valores. Isso é diferente de reparafrasear para evitar termos que disparam o filtro. Reparafrasear é evasão. Reencadrar resolve a objeção real.

A abordagem se aplica em vários domínios. Um pesquisador de segurança que recebe recusa em uma descrição de vulnerabilidade reencadra em torno do contexto documentado da CVE. Um redator de saúde que recebe recusa sobre interações medicamentosas reencadra em torno do público profissional e conformidade regulatória. Em cada caso, a recusa levanta uma pergunta real sobre a intenção e o contexto do pedido, e responder a essa pergunta diretamente é a ação correta.

Para pedidos que ficam numa zona genuinamente ambígua, chain-of-thought prompting pode ajudar ao tornar o seu próprio raciocínio visível para o Claude antes que ele se comprometa com uma resposta, dando ao modelo mais sinal sobre intenção antes de ponderar os fatores constitucionais.

O trade-off entre segurança e utilidade é real e documentado

Existe um custo genuíno no Constitutional AI que os profissionais frequentemente leem de forma errada, como se fosse uma deficiência do Claude. Um paper de 2025 no arxiv testou Constitutional AI no Llama 3-8B e encontrou redução de 40,8% no Attack Success Rate em benchmarks adversariais. O mesmo estudo encontrou que aumentar a inofensividade reduziu mensurável a utilidade. Isso não é incidental, é estrutural. O mesmo mecanismo que torna o Claude resistente a manipulação o torna cauteloso nas bordas de pedidos legítimos.

Quando o Claude recusa algo que um profissional competente razoavelmente precisaria, o enquadramento correto não é "o Claude está sendo excessivamente cauteloso", mas sim "meu prompt não estabeleceu o contexto que desloca o peso constitucional em direção à utilidade". A abordagem baseada em razões significa que o contexto importa genuinamente para o output, não como uma brecha, mas como informação que muda qual valor vence o cálculo de prioridade.

Os princípios da Anthropic se baseiam em uma variedade de fontes, incluindo a Declaração Universal dos Direitos Humanos da ONU, os Termos de Serviço da Apple e os princípios Sparrow do DeepMind, conforme documentado na análise de governança linkada acima. Cerca de 50% desse framework se sobrepõe a uma constituição de fonte pública que a Anthropic montou a partir de aproximadamente 1.000 americanos em 2023. A versão pública pesou mais objetividade e acessibilidade. Saber isso ajuda a prever onde o Claude será cauteloso: áreas envolvendo afirmações não verificáveis, assimetrias de poder ou conteúdo que pode afetar uma população vulnerável sem contexto profissional.

Entender as prioridades constitucionais também explica por que system prompts funcionam tão bem para tarefas específicas de domínio. Um system prompt bem construído estabelece contexto profissional no nível da sessão, o que significa que cada prompt subsequente parte de uma baseline constitucional diferente.

Os limites absolutos não são negociáveis

A técnica de reencadramento tem um teto. O Constitutional AI distingue entre restrições suaves, onde o contexto muda o cálculo de peso, e restrições absolutas, que não se movem independentemente do enquadramento. Conteúdo envolvendo abuso sexual de menores, instruções detalhadas para síntese de armas de destruição em massa e algumas outras categorias se enquadram em restrições absolutas que nenhum contexto de prompt vai resolver. Nesses casos, o loop de diagnóstico não se aplica.

Os profissionais às vezes interpretam uma recusa persistente como problema de enquadramento quando na verdade é um limite absoluto. O sinal é que o texto da recusa não se engaja com o seu propósito declarado. Recusas de restrições suaves tipicamente reconhecem a legitimidade potencial do pedido enquanto nomeiam a preocupação. Recusas de restrições absolutas não negociam.

A distinção importa na prática porque indica quando parar de iterar. Continuar reencadrando um pedido de limite absoluto não é prompt engineering, é tentativa de contornar uma decisão de design deliberada. Se você está recebendo a mesma recusa independentemente de quanto contexto adiciona, provavelmente chegou a uma restrição absoluta. A resposta certa é reconsiderar o pedido em si.

Permissões de operador: o que muda via API

Operadores podem ajustar o comportamento do Claude dentro de limites que a Anthropic define, incluindo expandir alguns padrões (como permitir conteúdo mais explícito em plataformas adequadas) ou restringir outros. Restrições absolutas não são ajustáveis no nível do operador. O modelo de confiança em camadas da Anthropic posiciona as permissões do operador abaixo das políticas da Anthropic na hierarquia. A estrutura completa de permissões está documentada na model spec da Anthropic.

Isso tem implicação prática direta: quando você constrói um produto em cima da API do Claude, o que você pode liberar ou restringir tem um envelope definido. Conhecer esse envelope antes de arquitetar o produto poupa retrabalho.

Na prática

No trabalho com catálogo e marketplaces, me deparo com o raciocínio de segurança do Claude com mais frequência em dois contextos: claims de preço competitivo e mensagens de urgência. O padrão que observei é que pedidos enquadrados em torno de dados internos, nossa estrutura de custo, níveis reais de estoque, termos documentados com fornecedores, passam com muito menos atrito do que pedidos equivalentes enquadrados como afirmações de marketing. O atrito constitucional quase sempre está na camada de verificação da afirmação, não no tipo de conteúdo.

Quando comecei a ler as recusas pelo que elas realmente sinalizavam, em vez de simplesmente reparafrasear o prompt, a ida e vinda com o modelo caiu visivelmente. O texto da objeção é genuinamente útil se você o trata como feedback estruturado.

FAQ

Adicionar "para fins educacionais" ao prompt ajuda com o Constitutional AI?

Raramente, e menos do que antes. O alinhamento baseado em razões significa que o Claude avalia se o enquadramento educacional é plausível dado o pedido completo, não se a frase aparece. Um pedido de instruções perigosas rotulado como "educacional" ainda vai bater nas restrições absolutas porque o rótulo não muda a natureza do conteúdo nem resolve a preocupação constitucional. Fornecer contexto genuíno sobre seu papel profissional, o caso de uso específico e como o output será usado é muito mais eficaz.

Por que o Claude às vezes recusa o mesmo pedido que ajudou ontem?

O raciocínio do Constitutional AI é sensível a variações de enquadramento que podem não parecer significativas, mas mudam quais princípios são ativados. Uma pequena mudança na forma como um pedido é formulado pode deslocar o cálculo de peso constitucional. A Anthropic também atualiza o treinamento do Claude ao longo do tempo, então o comportamento pode mudar entre versões. Se consistência importa para o seu fluxo de trabalho, um system prompt detalhado que estabelece contexto profissional no nível da sessão vai reduzir essa variabilidade substancialmente.

O Constitutional AI é exclusivo do Claude?

O framework CAI específico, autocrítica seguida de reinforcement learning a partir de feedback de IA usando princípios escritos, tem origem na Anthropic. Outros labs usam abordagens de alinhamento diferentes. A diferença prática para quem trabalha com prompt engineering é que as recusas do Claude vêm com raciocínio que você pode ler e ao qual pode responder, enquanto outros modelos podem recusar com menos explicação da preocupação subjacente, tornando o loop de diagnóstico mais difícil de rodar.

Aprender a ler uma recusa como artefato de raciocínio, em vez de uma parede, é o que separa quem itera de forma produtiva de quem fica reparafrasando o mesmo prompt quebrado. O modelo diz o que está preocupado, e responder a essa preocupação diretamente, com contexto preciso em vez de linguagem mais suave, é o que de fato move a resposta.