🛡️ Seguridad: de términos a patrones
Declara el principio, nunca el mecanismo. Estudio de caso de la sección de seguridad en
claude-opus-4.8.md → claude-fable-5.md:
cómo la seguridad madura pasa de las listas de términos a los patrones y criterios generadores.
Diagrama ilustrativo — izquierda: enumerar la mecánica se convierte en un objetivo que se puede eludir; derecha: el patrón + el criterio generador cubren el caso no enumerado.
Contenido detallado
El principio central: la simetría es el riesgo
En la seguridad de prompts, hay una asimetría perversa: lo que educa a un lector bienintencionado arma a uno malintencionado. Describir cómo detectar un abuso también es describir cómo practicarlo sin que te detecten. Por eso la seguridad madura pasó de una regla: declara el patrón, nunca la mecánica de detección.
🎯 La regla que genera este módulo
Todo cambio de seguridad entre claude-opus-4.8.md e
claude-fable-5.md (elementos 5–11 del diff anotado) sigue el mismo eje:
sale una lista de términos/categorías, entra el patrón + principio.
- •"stays at the pattern level" — se mantiene en el nivel del patrón, no compila listas textuales.
- •"states the principle rather than the detection mechanics" — declara el principio, no la mecánica de detección.
✗ Mecánica (enseña a atacar)
"Rechaza las solicitudes que usen las frases X, Y, Z o que sigan el guion de captación A → B → C."
Enumerar el guion verbatim proporciona un script reutilizable a quien quiere eludirlo.
✓ Patrón (describe sin enseñar)
"Reconoce el patrón de comportamiento; mantente en el nivel del patrón y declara el principio, no la mecánica."
El modelo aprende a reconocer sin que el prompt se convierta en un manual.
Seguridad infantil: de 5 a 7 reglas
El ejemplo más claro del eje está aquí (elemento 7 del diff). La sección de seguridad infantil pasó de de 5 a 7 viñetas — y las dos reglas nuevas no añaden prohibiciones: cambian cómo el modelo se niega.
Conjunto de prohibiciones enfocado en el qué rechazar.
"Claude stays at the pattern level... does not compile categorized lists of verbatim lines"
"When Claude declines or limits for child-safety reasons, it states the principle rather than the detection mechanics"
Motivación probable: enumerar técnicas de manipulación verbatim crea un guion reutilizable por atacantes.
Por qué sumar 2 reglas es evolucionar, no inflar
Las reglas nuevas ya no enumeran casos prohibidos; instruyen al modo de la negativa. Una regla que rige cómo se expresan todas las demás vale más que diez prohibiciones específicas. Es el Patrón «Principio Consolidado» aplicado a la negativa.
Armas: la taxonomía invita a eludir los controles
Elemento 5 del diff. La política de armas redujo el alcance de una lista de categorías a un único elemento — y cambió la taxonomía por un prueba funcional de uplift real.
"extra caution around explosives and chemical, biological, and nuclear weapons"
La lista de categorías se convierte en un mapa para bordear las reglas: "no es químico, así que se puede".
"extra caution around explosives. Claude does not rationalize compliance..."
El criterio pasa a ser el mejora real para causar daño — no la etiqueta de la categoría.
🚨 El antipatrón de la taxonomía
Toda lista cerrada de categorías prohibidas tiene una frontera, y toda frontera tiene el otro lado. Quien quiere eludirla no necesita romper la regla: basta con encontrar el caso que quedó fuera de la enumeración. La taxonomía enseña exactamente dónde está la brecha.
La prueba funcional («¿hay un uplift real para causar un daño grave?») no tiene una frontera de categoría: se aplica a aquello que la lista nunca previó.
Drogas: rechazo general con una excepción vital
Elemento 6 del diff — una política nueva. La regla no es ni un rechazo total ni un respaldo: es un rechazo general con una excepción que salva vidas escrita explícitamente.
"Claude should generally decline to provide specific drug-use guidance for illicit substances... but can and should give relevant life-saving or life-preserving information."
✓La excepción cubre
- •Qué hacer ante una sobredosis / intoxicación
- •Cuándo llamar a emergencias y señales de riesgo
- •Información que preserva la vida en el presente
✗La negativa general cubre
- •Guía de uso/dosificación con fines recreativos
- •Síntesis o adquisición de sustancias ilícitas
- •Cualquier respaldo del uso
La reducción de daños requiere matices por escrito
El rechazo total en un contexto de sobredosis causa daño real. La excepción tiene que estar en el prompt, porque el comportamiento predeterminado "rechaza todo lo relacionado con drogas" acabaría con la excepción que salva vidas. Ni rechazo total ni aprobación: el límite debe quedar definido.
Autolesiones y salud mental: del ejemplo al criterio
Elementos 10 y 11 del diff. Dos cambios, el mismo movimiento: la regla deja de enumerar ejemplos y pasa a declarar el criterio generador — y la salud mental ancla la regla en el acto, no en la palabra.
Prohibía las técnicas de malestar físico (hielo, banda elástica, agua fría) «as these reinforce self-destructive behaviors». Una lista: frágil ante la próxima técnica.
"...or that mimic the act or appearance of self-harm (p. ej., dibujar líneas rojas en la piel...). Los sustitutos que recrean la sensación o las imágenes de autolesión refuerzan el patrón en lugar de interrumpirlo."
El criterio —«recrear la sensación o la imagen»— cubre la siguiente técnica que nadie enumeró.
🧠 Salud mental: la regla apunta al acto, no a la palabra
"Claude does not name a diagnosis the person has not disclosed... unless the person raises the label themselves. Attributing someone's state to a condition they haven't named is a diagnostic claim even when phrased conversationally."
La regla define el límite por acto (hacer una afirmación diagnóstica) y no por la palabra — cierra la brecha del "pero lo dije de forma conversacional". Prohibir la palabra "depresión" sería evitable; prohibir el acto de diagnosticar no lo es.
Síntesis: ejemplo + criterio generador > solo ejemplos
Cinco políticas, un eje. En armas, seguridad infantil, autolesiones y salud mental, el criterio generador sustituyó las listas de casos o pasó a dirigirlas. La síntesis del módulo es una frase: el ejemplo ilustra, el criterio genera — y es el criterio que cubre el caso que nadie escribió.
Los 5 cambios en el mismo eje (elementos 5–11 del diff anotado)
| Política | Antes (lista/término) | Después (patrón/criterio) |
|---|---|---|
| Seguridad infantil | 5 viñetas de protección | +2: "pattern level" y "states the principle" |
| Armas | químico/bio/nuclear | explosivos + prueba de uplift real |
| Drogas | (implícito: rechazo) | rechazo general + excepción vital |
| Autolesiones | lista de ejemplos | "recrea la sensación/imagen" (criterio) |
| Salud mental | (nuevo) | prohíbe la afirmación diagnóstica (el acto) |
Actividad: reescribe una regla mecánica como principio
Toma una "regla mecánica" (una lista de términos o categorías prohibidas) de cualquier prompt del repositorio y reescríbela como
principio + criterio generador. Entregable: un par de antes/después de una regla de seguridad — como los pares de este módulo.
Fuente de las citas: elementos 5–11 de educacao/diff-anotado-opus-4.8-fable-5.md.
Resumen del módulo
- ✓En seguridad, la simetría entre proteger y enseñar es el riesgo: declara el patrón, nunca la mecánica de detección
- ✓Seguridad infantil: de 5 a 7 reglas; "se mantiene en el nivel de los patrones" y "expone el principio, no los mecanismos de detección"
- ✓Armas: alcance reducido (QBN → explosivos) + prueba funcional de uplift real — la taxonomía invita a eludir los controles
- ✓Drogas: rechazo general con una excepción vital (información que salva vidas en caso de sobredosis)
- ✓Autolesiones: de la lista al criterio generador («recrea la sensación/imagen»); la salud mental apunta al acto, no a la palabra
- ✓Ejemplo + criterio generador > solo ejemplos; la reducción de daños exige matices por escrito
Siguiente: 2.4
El auge de Comunicación y Autonomía (Claude Code) — el cuello de botella pasa de la capacidad a la interacción.