作者以传统物业报修流程的痛点（信息零散、无留痕、周会凭印象）为切入点，分享了一套基于 NocoBase + n8n + 蚂蚁百灵 Ling-3.1-flash 的物业报修系统的构建过程。系统在三个环节接入 AI：住户端 AI 接待报修并自动建单、管理端通读一周记录生成服务质量周复盘、周会一键生成可投屏的单文件 HTML 演示稿。文章详细展示了提示词设计、隐私脱敏、引文校验、人审定稿等落地细节，并总结出 AI 落地三点体会：AI 只用于需要理解自然语言的环节、确定性数字交给系统计算、AI 产出先当草稿由人审核。
本文介绍了如何借助Strata框架和Agent自动化流程，在12GB消费级显卡上部署125B参数的MoE模型Qwen3.8-Flash-Next。文章解释了MoE稀疏激活（每token仅激活6B）与Strata让GPU、CPU、RAM、SSD协同工作的原理，对比了不同量化方案（UD-IQ4_XS与UD-Q4_K_XL）在专家缓存命中率上的速度差异。作者全程使用蚂蚁的Ling-3.1-flash Agent完成从读文档、检查硬件、安装、排错到测速验收的部署流程，并成功将本地模型接入pi。该方法可复用于部署Ling、GLM、Kimi、DeepSeek等其他本地模型。
文章介绍如何解决AI生成网页时“不太对，再改一下”这类模糊修改意见难以落地的问题。作者拆解百灵 Ling-3.0-flash-VL 的官方演示，并提出用 Claude Code + Ling-3.0-flash-VL + Playwright MCP 的复现方案：VL 负责看参考图、生成代码和分析差异，Claude Code 负责读写文件和调用工具，Playwright 负责打开浏览器截图。关键细节是保持截图宽度一致，并让模型真正查看截图。作者建议从作品集首屏入手，通过截图对照迭代修改，让“看着不太对”变成可对照的图片差异。
本文对比 NVIDIA DGX Spark 与双 48G 魔改 RTX 4090 两台偏科硬件，测试 Qwen3.8-27B（Dense）与 Ling-3.0-flash（稀疏 MoE）四个组合的推理表现。作者详细讲解 Dense/MoE 区别、显存带宽与算力的关系、投机解码与 MTP 原理，并给出单会话速度、并发吞吐的实测数据。结论是 Spark 适合跑 MoE 或量化模型，双 4090 借助高带宽速度更快，Ling 在并发服务上吞吐约为 Qwen 的 2.4 倍，并给出选购建议。
文章验证了一个关于多 Agent 编排的猜想，通过搭建 hero-coding MVP，对比了 ChatGPT 5.4、Ling-2.6-flash 和 Ling-2.5-1T 在编码任务中的表现。结果显示，非思考小模型（Flash）在明确 Bug 修复上比思考模型快 31%，而 Ling-1T 在加功能任务上仅需 11% 的 Token 和 63% 的时间。作者总结出“大模型规划，小模型干活”的最佳实践，并强调了非思考模型必须配合 Harness 工程兜底的重要性。
