作者介绍了中推 AI 社区 Linux DO（L 站）的最新注册方法：GitHub 账号满 5 年即可申请邀请，无需再写申请小作文。作者用 AI 开发了一个查询工具，输入 GitHub 用户名即可检查年限并直达官方申请入口。文章给出极简三步注册流程及注意事项（链接 30 分钟有效、须用绑定邮箱、免费申请谨防卖码）。同时分享了工具的开发过程：作者在 Pi 中接入蚂蚁百灵 Ling-3.1-flash 模型，零代码完成开发，该模型在资料读取、浏览器自验证和排错方面表现出色。文末附模型免费体验入口与 Pi 配置教程。
作者以“只提一次需求、只调用一次模型”的严格规则测试 Ling-3.1-flash，仅给出一句模糊需求——“做一个可直接交付的 AI 项目工期与 Token 成本估算器交互网页”。模型先自主拆解任务、补全产品逻辑，一次生成 805 行、41KB 的零依赖单文件 HTML，包含参数联动计算、成本图表、甘特图、场景预设与数据导出等功能。作者验证发现一处 undefined 变量 bug，手工修改一行代码修复。作者认为 AI Coding 的价值正从“补代码”转向“交付完整版本”，但生成结果仍需人工验收与修正。
本文介绍如何在12GB显存上部署125B参数的Qwen3.8-Flash-Next模型。核心是Strata技术让GPU、CPU、RAM和SSD协同工作：常用专家留GPU，其余放RAM，CPU处理cache miss。RTX 5070 12GB + 64GB RAM在Q2_0量化下短对话可达94 tok/s。文章还讲解了量化选择策略——显存占用相同时速度可差1.72倍，关键在于专家命中率。作者全程使用蚂蚁的Ling-3.1-flash Agent自动完成从检查机器、选权重、下载安装到排错验收的完整部署流程，跑通了一套用Agent自动部署本地模型的可复用方法。
文章介绍了一种用AI大模型制作科普3D动效视频的新方法。作者引用Karpathy的观点：让LLM生成结构化、可交互内容比纯文字更易理解。作者测试了蚂蚁最新发布的Ling-3.1-flash模型，仅输入一句'做一个简易双齿轮传动科教演示3D原型'的提示词，模型约3分钟便生成了包含交互功能的Three.js单文件应用，支持鼠标拖拽和缩放查看，可直接录屏加工为科普视频素材。作者也指出这类输出属于演示原型，复杂场景仍需工程师调优。文末提供了官网、蚂蚁数科、Vercel、OpenRouter等四个体验渠道。
作者分享了一套 GPT Image 2.5 出图的结构化提示词方法论，将画面拆解为身份、物理、摄影、视觉风格四大系统加负面词控制系统，共 17 个层级，并提供 5 层、8 层、15 层三个版本。通过“雨夜便利店”同场景实测对比，展示信息量对出图质量的影响。作者还用蚂蚁百灵 Ling-3.1-flash 模型将 5000 字方法论文档在 24 秒内一次性生成单文件 HTML 提示词拼装工具，支持逐层填写、实时拼接、一键复制，并介绍了将该模型接入本地 Claude Code 的环境变量配置方法与使用体验。
