Por Que Prompts em Inglês Produzem Código Melhor

Ferramentas de programação com IA funcionam melhor quando você usa prompts em inglês — mesmo que o inglês não seja seu idioma nativo. O plugin claude-english-buddy corrige, traduz e refina seus prompts automaticamente.

Por Que o Inglês Importa para Programação com IA

LLMs Pensam em Inglês

Grandes modelos de linguagem processam internamente todas as línguas por meio de um espaço de representação fortemente alinhado ao inglês.^[1] Pré-traduzir prompts em outros idiomas para o inglês antes de enviá-los ao modelo melhora a qualidade da saída de forma mensurável.^[2]

Na prática, um prompt em chinês como "把这个函数改成异步的" funciona — mas o equivalente em inglês "Convert this function to async" produz código mais preciso com menos iterações.

O Uso de Ferramentas Herda o Idioma do Prompt

Quando uma ferramenta de programação com IA pesquisa na web, lê documentação ou consulta referências de API, ela usa o idioma do seu prompt para essas consultas. Consultas em inglês encontram resultados melhores porque:

Documentações oficiais, Stack Overflow e issues do GitHub são predominantemente em inglês
Termos técnicos de busca são mais precisos em inglês
Exemplos de código e mensagens de erro estão quase sempre em inglês

Um prompt em chinês perguntando sobre "状态管理" pode buscar recursos em chinês, perdendo a documentação canônica em inglês. Benchmarks multilíngues mostram consistentemente lacunas de desempenho de até 24% entre o inglês e outros idiomas — mesmo os bem representados, como francês ou alemão.^[3]

O Plugin `claude-english-buddy`

claude-english-buddy é um plugin do Claude Code que intercepta cada prompt e o processa por meio de um dos quatro modos:

Modo	Gatilho	O Que Acontece
Corrigir	Prompt em inglês com erros	Corrige ortografia/gramática, mostra o que mudou
Traduzir	Idioma não-inglês detectado (CJK, cirílico, etc.)	Traduz para inglês, mostra a tradução
Refinar	Prefixo `::`	Reescreve entrada vaga em um prompt preciso e estruturado
Ignorar	Texto curto, comandos, URLs, código	Passa adiante sem alterações

O plugin usa Claude Haiku para correções — rápido e barato, com zero interrupção no seu fluxo de trabalho.

Correção Automática (Padrão)

Basta digitar normalmente. O plugin detecta o idioma automaticamente:

You type:    "refactor the autentication modul, its got too many responsibilties"

You see:     Refactor the authentication module. It has too many responsibilities.
             (autentication>authentication; modul>module; its got>it has;
              responsibilties>responsibilities)

Claude sees: the corrected version and responds normally.

Quando seu prompt está correto — silêncio. Sem ruído. Silêncio significa correto.

Tradução

Prompts em outros idiomas são traduzidos automaticamente:

You type:    这个组件渲染太慢了，每次父组件更新都会重新渲染，帮我优化一下

You see:     Optimize this component to prevent unnecessary re-renders when
             the parent component updates.
             (Chinese)

Claude sees: the English translation.

Refinamento de Prompt com `::`

Prefixe seu prompt com :: para refinar uma ideia vaga em um prompt preciso:

:: make the search faster it's really slow with big files

Se torna:

Optimize the search implementation for large files. Profile the current
bottleneck and consider debouncing, web workers, or incremental matching.

O prefixo :: funciona para qualquer idioma — ele traduz e reestrutura em uma única etapa.^[4]

Quando o Plugin Fica em Silêncio

Comandos curtos (yes, continue, option 2), slash commands, URLs e trechos de código passam sem alterações. Sem viagens de ida e volta desnecessárias.

Acompanhando Seu Progresso

O plugin registra cada correção. Ao longo das semanas, você pode ver seu inglês melhorando:

Comando	O Que Mostra
`/claude-english-buddy:today`	Correções de hoje, erros recorrentes, lições, tendência
`/claude-english-buddy:stats`	Taxa de erro a longo prazo e trajetória de melhoria
`/claude-english-buddy:mistakes`	Padrões recorrentes de todos os tempos — seus pontos cegos

Configuração

Instale o plugin no Claude Code:

bash

/plugin marketplace add xiaolai/claude-plugin-marketplace
/plugin install claude-english-buddy@xiaolai

Nenhuma configuração adicional necessária — a correção automática começa imediatamente.

Configuração Opcional

Crie .claude-english-buddy.json na raiz do seu projeto para personalizar:

json

{
  "auto_correct": true,
  "summary_language": "Chinese",
  "strictness": "standard",
  "domain_terms": ["ProseMirror", "Tiptap", "Zustand"]
}

Configuração	Opções	Padrão
`auto_correct`	`true` / `false`	`true`
`strictness`	`gentle`, `standard`, `strict`	`standard`
`summary_language`	Qualquer nome de idioma, ou `null` para desabilitar	`null`
`domain_terms`	Array de termos para preservar sem alteração	`[]`

Quando summary_language está definido, o Claude adiciona um breve resumo nesse idioma ao final de cada resposta — útil quando você deseja decisões-chave no seu idioma nativo.^[5]

LLMs multilíngues tomam decisões-chave em um espaço de representação mais próximo do inglês, independentemente do idioma de entrada/saída. Usando uma logit lens para sondar representações internas, pesquisadores descobriram que palavras semanticamente carregadas (como "water" ou "sun") são selecionadas em inglês antes de serem traduzidas para o idioma de destino. O direcionamento de ativação também é mais eficaz quando calculado em inglês. Veja: Schut, L., Gal, Y., & Farquhar, S. (2025). Do Multilingual LLMs Think In English?. arXiv:2502.15603. ↩︎
Pré-traduzir sistematicamente prompts em outros idiomas para o inglês antes da inferência melhora a qualidade da saída de LLMs em múltiplas tarefas e idiomas. Os pesquisadores decompõem prompts em quatro partes funcionais (instrução, contexto, exemplos, saída) e mostram que a tradução seletiva de componentes específicos pode ser mais eficaz do que traduzir tudo. Veja: Watts, J., Batsuren, K., & Gurevych, I. (2025). Beyond English: The Impact of Prompt Translation Strategies across Languages and Tasks in Multilingual LLMs. arXiv:2502.09331. ↩︎
O benchmark MMLU-ProX — 11.829 perguntas idênticas em 29 idiomas — encontrou lacunas de desempenho de até 24,3% entre o inglês e idiomas com poucos recursos. Mesmo idiomas bem representados como francês e alemão mostram degradação mensurável. A lacuna se correlaciona fortemente com a proporção de cada idioma no corpus de pré-treinamento do modelo, e simplesmente aumentar o tamanho do modelo não a elimina. Veja: MMLU-ProX: A Multilingual Benchmark for Advanced LLM Evaluation (2024); Palta, S. & Rudinger, R. (2024). Language Ranker: A Metric for Quantifying LLM Performance Across High and Low-Resource Languages. ↩︎
Few-shot prompting — fornecer exemplos de entrada/saída dentro do prompt — melhora drasticamente o desempenho de LLMs em tarefas. O artigo pioneiro do GPT-3 mostrou que, enquanto o desempenho zero-shot melhora de forma constante com o tamanho do modelo, o desempenho few-shot aumenta mais rapidamente, às vezes alcançando competitividade com modelos ajustados por fine-tuning. Modelos maiores são mais proficientes em aprender com exemplos em contexto. Veja: Brown, T., Mann, B., Ryder, N., et al. (2020). Language Models are Few-Shot Learners. NeurIPS 2020. ↩︎
Prompts estruturados e bem elaborados superam consistentemente instruções vagas em tarefas de geração de código. Técnicas como raciocínio em cadeia de pensamento, atribuição de papéis e restrições explícitas de escopo melhoram a precisão na primeira tentativa. Veja: Sahoo, P., Singh, A.K., Saha, S., et al. (2025). Unleashing the Potential of Prompt Engineering for Large Language Models. Patterns. ↩︎

Por Que Prompts em Inglês Produzem Código Melhor ​

Por Que o Inglês Importa para Programação com IA ​

LLMs Pensam em Inglês ​

O Uso de Ferramentas Herda o Idioma do Prompt ​

O Plugin claude-english-buddy ​

Correção Automática (Padrão) ​

Tradução ​

Refinamento de Prompt com :: ​

Acompanhando Seu Progresso ​

Configuração ​

Configuração Opcional ​