AI 教学
ELI5 skill 的价值，不是说得更简单，而是把理解做成一个界面
“给我解释一下”通常会得到一篇更长的文字。文字可能准确，却不一定真的帮助人理解。Claude 社区的 ELI5 skill 提供了另一种思路：不要只改写句子，要重新设计解释的载体。
Thariq 展示的完整方法
Anthropic Claude Code 团队的 Thariq 分享了一个团队内部经常使用的 skill：/eli5 <你想理解的主题>。
它的核心要求是：假设读者对这个主题完全不了解，用一个 HTML artifact 来解释，画面要大、文字要少。
这三个限制很关键。完全不了解，迫使模型不能偷用专业背景；HTML artifact 让解释可以拥有布局、图形和交互；大图少字则要求模型先找到最重要的关系，而不是把资料全部倒出来。
Matrix 的判断
ELI5 不是一种可爱的语气，而是一套信息设计约束。
传统 prompt 常把“解释清楚”理解成降低词汇难度，但真正的理解还依赖顺序、对比、空间关系和即时反馈。比如解释缓存，只说“像一个临时仓库”很快会遇到边界；如果把请求、命中、失效和回源画成可以操作的流程，人能看到概念如何运转，也能看到类比在哪里失效。
这意味着 skill 的价值不只是复用一段提示词。它把某种专业判断封装起来：先判断学习者缺什么，再选择信息层级，最后决定用文字、图形还是交互表达。
怎么判断用户真的懂了
漂亮的 artifact 仍然可能制造“我好像懂了”的错觉。验证不能只问用户喜不喜欢，而要让他完成一次迁移：换一个例子，用自己的话解释机制，或者预测一个新输入会产生什么结果。
如果用户只能复述页面上的比喻，说明内容只是更好看；如果他能处理一个没见过的例子，才说明界面真正帮助他建立了模型。AI 教学产品下一步竞争的，也许不是生成更多知识，而是生成更可靠的理解过程。