8月22日，Anthropic 的工程师 Thariq Shihipar 在 X 上发了一条推，分享了一个内部最近都在用的 Skill：ELI5。
这条推拿到了 220 万浏览。
为什么一个看起来这么简单的 Skill 这么火？因为 Anthropic Claude 模型，说话越来越像"克劳德语"了。冗长、矫揉造作、过度复杂化，连 Anthropic 自己的员工都受不了。
其实这毛病不只是 Claude 有。现在的大模型好像都染上了这个习惯：一句话能说清的事，非要绕三圈；能直接给答案的，非要同一个意思换着话说。文字越堆越多，意思越说越远。
有人在 X 上直言，这模型有时候说话简直莫名其妙，就连 Anthropic 公司自己的员工都得问它，才能让它用简单的语言解释清楚。
还有人更直接，说应该默认在几乎每个回复后面自动运行 /eli5 命令，因为几乎所有回复都难以理解。
ELI5 就是解决这个问题的。这篇把它是什么、为什么好用、怎么装、为什么会火、适合干什么、边界在哪，一次讲清楚。
01 它是什么：一个把长文变成图解的 Skill
ELI5 全称是 Explain Like I'm 5，直译是像给五岁小孩讲一样。
当然不是真的把你当五岁小孩。在海外，ELI5 更像一个专有名词，这里的五岁是个比喻，说的是小白，对这个话题完全没概念，从零开始讲，不预设任何背景知识。
用法很简单，输入 /eli5 加一个主题就行：
bash
/eli5 RAG结果会给你做一个网页，里面尽量用图去表达，并配少量文字。也就是所谓的图解。
你平时让 AI 讲简单点，它多半只是把专业词换成大白话，输出还是一篇长文。ELI5 不一样，它直接改变输出形态，把文字变成画面。
这样理解起来，容易多了。
02 真实示例：我生成了3个
光说不直观。我用 ELI5 实际生成了3个例子，分别是 LLM、RAG 和模型蒸馏，都是 AI 领域最常见的几个概念。一看就清楚了。
1，LLM 是什么？
bash
/eli5 LLM它把 LLM 解释成一台读过很多文字、很会接着说话的文字预测机器，最像超级厉害的自动补全。然后拆成三个动作：看很多例子、猜下一个词、一块块接起来。最后还列了它擅长什么、要留心什么。
2，RAG 是什么？
bash
/eli5 RAG它把 RAG 解释成给 AI 一本开卷考试资料，最像给 AI 递一张小抄。然后拆成四步：先把资料放好、找到相关卡片、把卡片递给 AI、读资料再回答。还举了一个公司请假规则的具体例子，让你看到没有 RAG 和有 RAG 的区别。
3，模型蒸馏是什么？
bash
/eli5 模型蒸馏它把模型蒸馏解释成让一个很大的老师模型，把本领教给一个更小更快的学生模型，最像老师把本领教给学生。然后拆成四步：老师先做题、老师给软答案、学生学着模仿、变小变快。特别的是，不仅学的答案本身，还学习思路。
你看，这三个例子有一个共同特点：每个页面都只有一个大标题、一句话核心解释、一个生活化比喻、几步动作拆解，最后列出边界。没有大段文字，没有晦涩难懂的名词。
这样理解起来，是不是就简单多了。并且这种页面的表达形态，确实挺好呀。
03 为什么好用：它的核心只有一句话
最妙的地方在这。我拆开它的 SKILL.md，整个核心就这一段：
Explain like I'm someone who knows nothing about this topic, using a HTML artifact with big pictures and few words.
翻译过来：给一个完全不懂的人讲，用一个能直接打开的网页，大图，少字。
没有复杂脚本，没有一堆规则。但这一句话里，每个词都在约束结果：
| 约束 | 作用 |
|---|---|
| knows nothing | 先定读者，对完全不懂的人讲 |
| big pictures | 优先视觉，一张图顶一段话 |
| few words | 克制文字，能少就少 |
| HTML artifact | 交付成品，能直接点开看 |
这就是约束比长度重要。一句精确的约束，胜过十行模糊的指令。
04 从哪来，怎么装
装起来也不麻烦。
Claude Code 那边，先加官方插件市场，再装 eli5，两条命令的事：
sql
claude plugin marketplace add anthropics/claude-plugins-community
claude plugin install eli5@claude-community Codex 这边更简单，把仓库地址丢给 AI，让它自己装就行。我装的就是 Codex 版，用了几天，两个环境生成的东西没有区别，都是大图少字的图解网页。
GitHub：github.com/anthropics/...
05 为什么它在社区上很火
一个只有一句话的 Skill，为什么这么多人讨论？
因为它戳中了一个真实的痛点：大模型越来越聪明，但说的话越来越难懂。
简单点讲，就是：说人话。
对于这一点，我自己平时也经常遇到，社区里不少人也反馈 AI 说的太难理解了。
还有人发明了各种变体。有人用 ELI18，解释给大学新生听。有人用 ELI20，显得自己成熟一点，免得 Claude 评判。还有人让模型像跟企业副总裁对话那样解释。
这些反应说明一件事：大家对"说人话"的需求是真实且普遍的。
06 适合干什么
主要的使用场景，有两个。
1，对自己，学一个陌生的概念。
多模态、模型蒸馏、向量数据库这类，先用图解建立一个大致理解，学习门槛会低很多。需要时再深入看严谨资料。
2，对别人，通俗的解释清楚一个东西。
向别人解释一个概念时，与其讲半天但别人听不懂，不如直接甩一个网页，把最重要的关系画出来。X 上也有人说，用它给非技术人员做演示很有效。
07 边界：简单，但不完整
不过用了几天，我也得说清楚它的边界。
它最适合的是建立直觉，但直觉不等于完整的知识。为了让画面简单，AI 一定会省略条件、例外和争议。
比如它解释 RAG，会告诉你先找资料再回答，但不会讲向量检索的精度问题，也不会提上下文窗口的限制。涉及需要精确判断的事，仅靠这种简单的图解，是远远不够的。
而且它生成的质量，依赖你使用的模型本身。不同的模型下，效果差异可能比较大。有时候比喻很贴切，有时候为了画面感会牺牲准确性，看的时候还是需要有个判断，不能它画什么就信什么。
08 给我们的启示
这个 Skill 用下来，最大的收获不是多了一个工具，而是多了一层理解。
我们平时跟 AI 提需求，最常说的就是讲简单点、写通俗点。但什么叫简单？什么叫通俗？说实话，我们自己都不一定说得清。
你说简单点，它可能就把专业词换成大白话，但输出还是一篇长文。你说通俗点，它可能加几个比喻，但核心逻辑还是绕来绕去。
ELI5 好用，不是因为它更高级，而是它把"通俗"这个模糊的词，拆成了明确的约束，并且以 HTML 图解这种方便让人理解的方式表达出来。
如果觉得还不错，下次当你再遇到 AI 说话不太好理解时，不妨用用 ELI5。