组合使用教程
把独立页面连成真正可用的工作流，理解每一步带来的效果。
路线一：沿用现有订阅
- 应用桌面：识别或安装你习惯的客户端。
- 账号中心：添加官方账号，核对身份与授权。
- 应用桌面：选择客户端、选择账号，再执行应用与启动。
- 真实客户端：检查身份并发起请求；需要时回账号中心刷新额度。
得到的效果：账号状态集中管理，工具仍按熟悉的方式使用。添加账号和切换客户端有明确分工。
路线二：多个工具，复用模型
- 模型中心：保存服务地址、Key 和模型 ID，点击「测试速度」检查连接与延迟。
- 应用桌面：为支持的工具选择这条模型并应用配置。
- 第二个工具：复用同一模型条目，按它支持的协议应用。
- 验证：分别在工具里请求，确认不是只在 EchoBird 保存了配置。
得到的效果：减少重复输入，保留清楚的模型来源。协议和能力仍以每个工具及模型的支持情况为准。
路线三：常用模型与备用线路
- 在模型中心验证首选和备用 API，也可以准备受支持的账号来源。
- 在智能接入创建方案，设置实际入口与密钥，按优先级安排来源。
- 把编程客户端接入该方案，发起真实请求。
- 在统计中观察完成与切换结果；把常用用量加入用量岛。
得到的效果：客户端连接相对稳定，来源可以集中调整。看到额度或失败变化时，有状态信息可帮助判断下一步，而不是盲目重复请求。
路线四：从报错到继续工作
- 在应用桌面确认安装状态，保留无法启动时的具体错误。
- 进入 AI 助手，说明工具名、系统、错误和期望结果。
- 观察环境检查和工具输出，必要时按系统提示处理权限。
- 回应用桌面刷新检测并实际启动，再确认问题已经解决。
得到的效果：把安装排障和实际验收连起来。助手的总结帮助理解过程，真实启动结果用来确认效果。
路线五：口述需求，保持专注
先在语音输入配置通道并测试麦克风，再把光标放到 AI 助手或你常用的工具里。口述任务、检查识别文字、发送。工作时用用量岛观察状态；经过智能接入记录的 Token，也可以在宠物页转为成长体验。
路线六：自己的硬件，自己的模型服务
本地大模型准备文件与引擎并启动服务，再让支持的模型入口和 AI 助手使用它。遇到问题先分清是服务没启动、模型不可用，还是任务本身失败。这样能把「运行模型」和「让模型做事」分别验证。