你可能曾有过这样的经历：向 AI 请求“简单解释一下”，结果却被一堆陌生术语和例外情况搞得更加困惑。问题不在于模型知识不足，而在于它试图将所有已知信息都塞进第一个回答中。
2026年7月发布的社区 eli5 技能通过简单的规则解决了这个问题。其核心并非将事实简化到儿童水平。相反，第一个回答只提供读者入门所需的最小地图，然后让他们选择一个想要深入了解的分支，并以同样的方式逐步深入。
本文将结合 Agent Skills 规范，探讨 eli5 技能的实际 SKILL.md，阐明概念解释与代码库解释有何不同，并总结其可信赖程度。
ELI5 是什么意思
ELI5 是“Explain Like I’m Five”的缩写，即“像我五岁一样解释”的互联网表达。然而，此技能的默认读者并非真正的五岁儿童。原文将读者设定为“来自其他领域的聪明人”。这意味着不应忽视他们的专业知识，但也不应想当然地认为他们具备当前解释领域的背景知识。
该技能的一句话原则可总结如下：
不要简化事实，而要简化传递事实的包装。
只有在附加 --literal-5yo 选项时，才仅使用日常类比并排除代码。在默认模式下，如果需要，也可以使用精确术语和代码。因此，如果将 ELI5 理解为“无条件地创建幼稚类比的功能”，就会错过该技能的本意。
为什么一般的 AI 解释会变得困难
大型语言模型（LLM）擅长在收到问题时生成广泛的相关内容。然而，这种优势在解释中可能会适得其反。如果将定义、历史、类型、例外、内部实现和注意事项一次性全部呈现，即使每个点都是正确的，读者也很难知道从何入手。
eli5 技能将此视为“完整回答的失败”。它不试图在第一个回答中涵盖所有内容，而是限制以下三点：
- 每一步只介绍一个新概念。
- 描述实际发生的行为，而非抽象表达。
- 初始解释结束后，提供 2-3 个可供深入探索的分支。
重要的是不丢弃信息，而是重新排序。它不是一次性展示整个分类的压缩概览，而是首先让用户理解最有用的一项，将其余部分作为可选的后续步骤。这正是原文所说的“深度通过下降而非篇幅来传达”的含义。
不一次性压缩复杂的整体知识，而是创建核心垫脚石，然后沿着所选分支深入。根据 ELI5 技能原文重构。
两种解释模式
此技能将问题对象大致分为 Concept mode（概念模式）和 System mode（系统模式）。这是因为解释一个术语与引导整个代码库不能采用相同的格式。
概念模式：概念·机制·API
概念模式旨在提供约 200 字以内的初始解释。其顺序分为四个步骤：
- 用一句日常语言说明此概念解决的问题。
- 从基本操作中选择一个必须记住的关键点。
- 提供一个具体示例。
- 提出可供深入探索的分支。
例如，在解释 Kubernetes 的 Pod 时，它不会在第一个回答中列举所有生命周期状态和网络规则。相反，它会创建一个垫脚石，例如“Kubernetes 中运行和管理一个或多个容器的最小部署单元”，然后展示一个简单的 YAML 或一个请求流程。之后，它会让用户选择以下问题之一：“为什么 Pod 而不是容器是单位？”、“重启和替换有何不同？”或“Service 如何找到 Pod？”。
如果存在好的类比，可以使用，但如果类比失效的点会影响实际判断，则应同时指出其局限性。类比不应取代事实。
系统模式：代码库·架构·服务
系统模式将初始解释限制在一屏之内，大约 450 字以下。它要求首先实际探索代码和文档，然后悄然简化。因为对一个未曾阅读的系统进行看似简单的解释，反而可能带来危险。
解释遵循以下顺序：
- 用一句话说明该系统是为谁服务、做什么的。
- 将其划分为 3-5 个大块，赋予易懂的名称，并为每个块分配一项任务。
- 完整追踪一个请求、点击或执行通过这些块的旅程。
- 选择三个可能令初学者感到惊讶的设计决策及其原因。
- 展示一个与上述名称相符的小型 Mermaid 图。
文件和 ADR（架构决策记录）不会持续穿插在正文中，而是集中到末尾的简短阅读列表中。如果用户要求“深入了解”，则不会更详细地重新展开整个地图，而是仅对所选块应用相同的规则。
概念模式和系统模式在目标、首次回答的篇幅和解释顺序上有所不同。根据 ELI5 技能原文重构。
实际有何不同
让我们以“什么是 TLS？”这个问题为例，比较一般提问与 ELI5 方式的区别。
一个糟糕的首次回答会一次性解释 TLS 版本历史、握手消息类型、证书链、对称密钥和非对称密钥、密码套件以及会话恢复。即使内容正确，对于初学 TLS 的人来说，这更像是一份零件清单，而非地图。
ELI5 方式首先提出问题和基本操作：“TLS 是一套通信保护规则，用于在互联网上验证对方身份，并使中间方难以窃听或篡改内容。”接着，它展示了浏览器验证服务器证书、协商出独有会话密钥，然后交换加密 HTTP 的一次完整旅程。最后，它让用户选择以下之一：证书验证、密钥协商或 TLS 1.3 的变化。
这种方法的优点不仅在于其简洁性。它允许读者通过后续选择揭示他们已知的部分和真正好奇的部分。解释者可以减少不必要的内容，而读者可以根据自己的需求深入到所需的详细程度。
安装后模型会获得新知识吗
并非如此。Agent Skills 并非重新训练模型本身的功能。在官方规范中，技能至少是一个包含 SKILL.md 的目录，并可选择包含 scripts/、references/ 和 assets/。客户端最初只查看名称和描述等元数据，当请求匹配时加载完整指令，并在需要时读取附加资料。这被称为渐进式披露。
eli5 是一个不添加可执行程序或外部工具的单一 SKILL.md。因此，它不会增加模型的事实知识或访问权限。相反，它使解释时应遵循的编辑规则、篇幅预算、探索顺序和后续问题格式变得可重复。
技能的安装位置和调用方式因所使用的代理产品而异。即使支持通用规范，也不能断定所有客户端都会以相同方式解释 argument-hint 等附加元数据。安装前，应检查相应产品的技能搜索路径和支持字段。
优点与局限
优点
- 降低认知负荷。首次回答的目标明确为“提供第一个垫脚石”，而非“包含所有内容”。
- 以不同模板处理概念和系统。特别是，它要求在解释系统之前阅读实际代码和文档。
- 支持交互式深度调整。2-3 个后续分支可弥补简短回答中遗漏的内容。
- 强制具体性。减少用抽象术语解释其他抽象术语的恶性循环。
局限与注意事项
首先，本文讨论的 eli5 是个人在 GitHub Gist 上发布的社区指南，而非官方标准中包含的内置技能。截至 2026 年 8 月 26 日，未见单独的许可声明。若要原样复制或分发其内容，最好向作者确认使用条款。
其次，简短的首次回答并非总是适用。在遗漏本身可能带来危险的领域，例如事故响应程序、药物剂量或法律要求，必须将必要的警告和前提条件置于篇幅预算之上。
第三，即使是好的类比也可能模糊界限。“加密是锁”这样的类比作为起点很有用，但无法完全解释密钥交换、认证和完整性。在实际判断开始时，必须回归到精确的术语和反例。
第四，系统模式的质量取决于前期探索的质量。如果仅凭无法访问的代码或过时的文档进行解释，可能会生成一份简洁但错误的地图。
何时使用为宜
在掌握新技术的初始概念、熟悉陌生代码库或在阅读先前的回答后仍表示“不明白”时，此技能非常有用。反之，对于需要 API 所有字段、规范所有例外或完整操作清单的人，ELI5 的首次回答之后应附上官方参考资料链接。
이 시스템을 ELI5 방식으로 설명해 줘.
먼저 실제 코드와 문서를 확인하고,
큰 블록 3~5개와 요청 하나의 전체 흐름만 보여 줘.
끝에는 더 깊게 볼 갈래 3개를 제시해 줘.如果只想要字面意义上五岁儿童水平的类比，可以明确指定 --literal-5yo 意图，并请求排除代码和专业术语。
结论
ELI5 技能的本质并非“说得更简短”，而是“以读者能理解的顺序披露信息”。它保留事实，只创建小的初始垫脚石，并让读者选择下一个深度。对于概念，它首先展示问题、基本操作和示例；对于系统，它首先展示大块结构和一次完整的旅程。
如果某个 AI 工作流经常收到解释困难的反馈，仅凭这些原则就能显著改变其回答的感知质量。然而，社区技能的来源和许可、与所用客户端的兼容性，以及在高风险领域不应省略的信息，都需要单独核实。
发表回复