ELI5 what a database index is
Explain this code to my manager
Break down how git merge conflicts work for a 5th grader
Explain this error to my mom
Simplify this for a designer

三、工作原理

五个维度的自动调整

ELI5 从你的提示中检测目标受众，并自动调整五个维度：

流程图2

维度一：词汇调整

孩子（5岁）：

避免技术术语
使用简单词汇"
例子："超级快"、"超大的"

工程师：

使用专业术语
准确的技术词汇
例子："索引"、"哈希表"、"时间复杂度"

管理者：

业务术语
结果导向
例子："性能提升"、"成本降低"

维度二：类比调整

5岁孩子：

玩具和操场
书和页面
凌乱的房间
超市货架

管理者：

业务成果
ROI（投资回报率）
市场份额
客户满意度

工程师：

技术架构
系统设计
数据流
算法

维度三：语气调整

孩子：

顽皮
热情
使用感叹词
"超级"、"超大的"、"huuuge"

管理者：

专业
简洁
结果导向
"提升"、"优化"、"降低"

家人：

温暖
亲切
关怀
"想象一下"、"就像你..."

维度四：深度调整

简单受众（5岁）：

短小精悍
只讲核心概念
省略细节

研究生：

细致入微
讨论边界情况
分析权衡
提供背景

维度五：框架调整

管理者：

影响和风险
业务价值
成本效益

设计师：

用户体验
界面交互
视觉效果

工程师：

技术架构
实现细节
性能考虑

四、完整工作流

ELI5 工作流程

流程图3

受众检测机制

明确提及：

"Explain to my manager"
"Like I'm 5"
"For a designer"

隐含暗示：

"Explain this to my mom" → 家庭关系，温暖语气
"Simplify this" → 降低复杂度，可能面向非技术受众
"Break it down" → 逐步解释，可能面向学习者

五、架构设计

ELI5 Skill 架构

流程图4

核心组件

1. 受众检测器（Audience Detector）

分析用户输入
识别受众类型（年龄、年级、职位、关系）
提取受众特征

2. 配置加载器（Config Loader）

加载受众配置
获取词汇规则
获取类比库
获取语气模板
获取深度设置
获取框架模板

3. 解释生成器（Explanation Generator）

组合五个维度
生成自然语言
输出解释

4. 评估系统（Evaluation System）

测试用例定义
断言验证
通过率统计
迭代优化

六、评估系统

评估框架

流程图5

测试用例定义

在 eli5-workspace/evals.json 中定义测试用例：

{
  "id": 3,
  "name": "explain-recursion-teenager",
  "prompt": "Explain recursion like I'm 15",
  "audience": "Age 15",
  "assertions": [
    "Uses social media, gaming, or phone references as analogies",
    "Tone is casual but not cringey — no 'fellow kids' energy",
    "Correctly explains the concept of a function calling itself",
    "Mentions a base case or stopping condition"
  ]
}

每个测试用例需要：

prompt：用户会对 Claude 说什么
name：用于存储结果的目录友好标识符
assertions：具体、可验证的评分标准（每个测试 4 个断言效果很好）

运行评估

# 运行所有测试 + 自动评分（通过/失败）
python eli5-workspace/run-evals.py

# 运行单个测试
python eli5-workspace/run-evals.py --test=1

# 跳过 baseline，只测试 skill
python eli5-workspace/run-evals.py --with-skill-only

# 只对现有输出评分，不重新运行测试
python eli5-workspace/run-evals.py --grade-only

脚本做三件事：

运行每个提示两次——一次使用 skill，一次不使用（baseline）
自动评分每个输出，使用 Claude 针对其断言进行评分
打印通过率摘要，比较 skill vs baseline

当前结果

指标	使用 Skill	不使用 Skill	差异
通过率	83.3%	41.6%	+41.7%

最大改进在于受众特定的框架——特别是对于非技术受众，如管理者（baseline 0% 到 skill 50%）。

七、快速开始

安装

1. 克隆仓库

git clone https://github.com/DreambigOu/ELI5.git

2. 复制 skill 到 Claude Code 技能目录

cp -r ELI5/skills/eli5 ~/.claude/skills/eli5

3. 在 Claude Code 中使用

ELI5 this
Explain this to my manager
Break down how git merge conflicts work for a 5th grader
Explain this error to my mom
Simplify this for a designer

评估

前置条件：已安装 Claude Code CLI 并将 skill 安装在 ~/.claude/skills/eli5/。

cd eli5-workspace
python run-evals.py

八、实际应用场景

场景 1：向管理者解释技术概念

需求：向管理者解释数据库索引

使用 ELI5：

输入：

Explain database indexes to my manager

输出：

框架：业务影响、ROI、性能提升
词汇：业务术语，而非技术术语
类比：超市货架、电话簿、目录索引
语气：专业、简洁、结果导向
深度：适中，聚焦价值

场景 2：向孩子解释编程概念

需求：向 5 岁孩子解释什么是函数

使用 ELI5：

输入：

ELI5 what a function is

输出：

框架：玩具、游戏、日常活动
词汇：简单词汇，避免术语
类比：魔法盒子、配方、机器
语气：顽皮、热情、温暖
深度：简洁，只讲核心概念

场景 3：向父母解释技术问题

需求：向父母解释为什么电脑变慢了

使用 ELI5：

输入：

Explain this error to my mom

输出：

框架：日常生活、家庭场景
词汇：通俗词汇，避免技术术语
类比：房间变乱、书太多、柜子满了
语气：温暖、亲切、关怀
深度：适中，解释清楚原因

场景 4：向设计师解释技术实现

需求：向设计师解释 API 的工作原理

使用 ELI5：

输入：

Simplify this for a designer

输出：

框架：用户体验、界面交互、数据流
词汇：设计术语 + 基础技术术语
类比：服务员、菜单、厨房
语气：友好、协作、专业
深度：适中，聚焦用户可见的部分

九、核心价值

1. 自动适应

自动检测受众：

从用户输入中识别受众类型
无需手动配置
智能推断隐含信息

2. 多维度调整

五个维度全面调整：

词汇：行话 vs 专业术语
类比：玩具 vs 业务成果
语气：顽皮 vs 专业 vs 温暖
深度：简洁 vs 细致
框架：影响/风险 vs UX vs 架构

3. 内置评估

科学的评估系统：

测试用例定义
自动评分
通过率统计
迭代优化

4. 显著提升

83.3% vs 41.6%：

使用 Skill：83.3% 通过率
不使用 Skill：41.6% 通过率
提升：+41.7%

5. 易于使用

开箱即用：

简单安装
自然语言输入
无需学习成本

十、技术细节

技能文件结构

~/.claude/skills/eli5/
├── SKILL.md              # 技能主文件
├── audiences/            # 受众配置
│   ├── age-5.md
│   ├── age-10.md
│   ├── manager.md
│   ├── engineer.md
│   └── ...
└── examples/             # 示例
    ├── database-index.md
    ├── recursion.md
    └── ...

配置文件格式

每个受众配置文件包含：

词汇规则
类比库
语气模板
深度设置
框架模板

十一、贡献指南

改进方向

PR 欢迎！ 改进建议：

添加更多受众类型（如 CEO、实习生、记者）
添加非英语语言支持
改进评估覆盖，增加更多测试用例

添加新受众

1. 创建受众配置文件

在 audiences/ 目录下创建新文件，如 ceo.md。

2. 定义五个维度

词汇规则
类比库
语气模板
深度设置
框架模板

3. 添加测试用例

在 eli5-workspace/evals.json 中添加测试用例。

4. 运行评估

python eli5-workspace/run-evals.py

5. 提交 PR

十二、总结

核心问题

沟通的本质是什么？

不是你说了什么，而是对方听懂了什么。

ELI5 的解决方案

1. 自动检测受众

从用户输入中识别受众类型
智能推断隐含信息

2. 五个维度调整

词汇：行话 vs 专业术语
类比：玩具 vs 业务成果
语气：顽皮 vs 专业 vs 温暖
深度：简洁 vs 细致
框架：影响/风险 vs UX vs 架构

3. 科学评估

测试用例定义
自动评分
通过率统计
迭代优化

4. 显著提升

83.3% vs 41.6%
+41.7% 提升

为什么选择 ELI5？

1. 自动适应

无需手动配置
智能检测受众

2. 多维度调整

不只是简化，而是全面调整
五个维度协同工作

3. 科学评估

可量化的改进
数据驱动优化

4. 易于使用

开箱即用
自然语言输入

5. 开源免费

MIT 协议
社区贡献

记住

解释不取决于你想说什么，而取决于对方能听懂什么。
用对方的语言说话。
ELI5 让 Claude 自动调整解释风格，基于听众的年龄、角色、关系，自动匹配词汇、类比、语气、深度和框架。

附：资源链接

项目资源：

GitHub：https://github.com/dreambigou/eli5
博客文章：https://andrewou.pages.dev/posts/building-an-eli5-skill-for-claude/
评估指南：https://andrewou.pages.dev/posts/how-to-evaluate-a-claude-code-skill/
License：MIT

快速开始：

# 安装
git clone https://github.com/DreambigOu/ELI5.git
cp -r ELI5/skills/eli5 ~/.claude/skills/eli5

# 评估
cd eli5-workspace
python run-evals.py

使用示例：

ELI5 what a database index is
Explain this code to my manager
Break down how git merge conflicts work for a 5th grader
Explain this error to my mom
Simplify this for a designer

当前结果：

使用 Skill：83.3% 通过率
不使用 Skill：41.6% 通过率
提升：+41.7%