记录的对象不是教程，而是一项交付任务

Simon Willison在2026年9月23日记录了一个面向Fable 5.1 Medium的提示词，内容是“Build an artifact to explain shadow roots in CSS with interactive examples”。表面上看，任务主题是CSS中的shadow roots。实际上，提示词要求模型构建一个artifact，并且把解释放进带有live examples的交互体验里。模型要交付的因此不是一段定义，也不是几段孤立的代码，而是一件能够被用户打开、操作和理解的前端产物。

这一区分决定了材料的阅读方式。原始记录只给出了任务提示和主题，没有展示Fable 5.1 Medium生成的页面，没有说明页面是否成功运行，也没有提供交互测试、浏览器兼容性或解释质量的结论。它证明的是一次能力测试被提出，而不是测试已经通过。即使页面最终存在，也不能仅凭这条记录断言Fable 5.1 Medium在前端开发、浏览器调试或交互设计上优于其他模型。

交互把评测单位从答案改成闭环

传统的概念问答通常把解释是否正确作为主要验收标准。模型说清楚术语，给出看似合理的代码，读者就可以依据文字判断答案是否可信。交互式artifact改变了这个标准。解释必须被组织进一个界面，代码必须在页面中承担实际作用，用户还要能够通过操作观察到与概念对应的变化。评测对象由“答案”变成了从知识到行为的闭环。

这个闭环至少包含三个彼此依赖的部分。第一部分是机制说明，页面需要准确表达它想讲的CSS现象。第二部分是示例实现，代码和控件必须真的对应到说明中的概念。第三部分是反馈结果，用户操作后应当能看见足以支持理解的变化。任何一环缺失，artifact都可能只是外观完整的演示。文字准确但代码不能运行，页面可运行但操作与知识点无关，或者控件变化缺乏可解释反馈，都会让交付偏离原任务。

为什么前端教学适合做低风险能力测试

这类任务适合作为端到端能力测试，是因为它把抽象知识压缩成了边界相对清楚的产物。CSS机制可以被拆成若干示例，示例可以被放进页面，页面则必须响应用户操作。模型需要先理解要解释的对象，再规划信息结构和交互方式，随后生成代码并把各部分连接起来。一个短提示词因此覆盖了内容组织、界面构造、运行交付和用户反馈多个环节。

相比直接让模型修改生产系统，前端教学的失败成本相对可控。页面即使没有完成，也通常不会直接影响业务数据或线上服务，但它仍然会暴露模型的综合短板。模型可能擅长写概念说明，却不会把说明落成可运行页面。它也可能生成一个完整的界面，却没有把控件、示例和知识点建立清楚关系。将教学artifact作为验收对象，能把“看起来像完成”与“用户确实可以借此验证”分开。

这也是这条记录比普通模型演示更有启发性的地方。前端教学并不是因为简单才有价值，而是因为它把模型的多种工作成果放在同一个可观察对象里。技术负责人可以同时检查页面是否存在、代码是否工作、交互是否服务于解释，以及用户是否能沿着页面形成正确理解。它提供了一个比单看回答文本更接近实际交付的观察窗口。

不要把提示词、模型名称和结果混为一谈

材料还列出了同一页面上的其他模型信息，包括Claude Opus 5.5、GPT-6 Sol和GPT-6 Luna，但这些名称并没有构成一组针对该任务的评测结果。没有并行生成物，没有统一的验收标准，也没有关于谁完成得更好的比较。因此，不能把Fable 5.1 Medium放入一场已经结束的模型对决，也不能借用这些名称为它的能力背书。知识图谱中与Claude Fable 5及其他模型的连接，只能帮助说明模型生态中的关联，不能替代本文缺失的实验证据。

同样需要谨慎处理的是Fable 5.1 Medium的发布者和产品边界。给定材料没有明确说明它由谁发布，也没有回答它与Claude Artifacts之间的差异。技术负责人若要做工具选型，不能从这条记录推断模型的部署方式、执行环境、权限模型、成本或维护责任。提示词展示的是任务接口，不是完整的产品架构。

把一次提示词记录变成可执行的验收基准

如果团队要把类似任务用于内部评测，提示词本身必须只是起点。第一步是保存模型实际交付的artifact，而不是只保留聊天记录或生成过程。第二步是为每个live example写出对应的概念和预期行为，检查页面中的代码、控件和说明是否互相指向。第三步是运行交互测试，确认用户执行某个操作后，页面确实产生预期变化，并且这种变化足以支持原本要传达的解释。

验收还应记录失败发生在哪里。页面无法启动属于运行交付问题，示例与说明不一致属于知识与实现的连接问题，操作有效但反馈难以理解则属于教学设计问题。把这些失败分开记录，才能知道模型缺的是代码生成、机制理解、交互规划还是验证意识。否则，团队很容易用“页面能打开”这样过低的标准，误把一个可展示的壳当成完成品。

这条记录最终留下的不是Fable 5.1 Medium已经掌握shadow roots的结论，而是一个更适合工程管理的判断标准。模型是否会解释概念，只能说明它能生成内容。模型是否能交付可运行、可操作并且可验证的artifact，才更接近技术团队真正关心的综合能力。在没有生成物和测试结论之前，最稳妥的结论仍然是：这是一个值得执行的评测设计，不是一份成功报告。