$ loading_
帮助用户基于本地 PyTorch 文档进行检索、问答、排错与代码示例查找。
该工具材料显示其主要面向本地 PyTorch 文档工作流，未声明需要密钥或远程端点，整体未见明确高风险外发迹象。需留意其具备代码执行能力，且项目来源为第三方注册表、社区采用和维护信息较弱，审计可见性有限。
材料明确写明无需密钥或环境变量，未见 API token、账号凭证或其他敏感认证信息需求，因此凭证泄露与滥用面较低。
未声明任何远程端点，描述强调使用本地文档进行搜索、问答与排障；基于现有材料，未见将用户数据发送到外部服务的事实依据。
系统检查项已标记其具备 executes-code 能力，说明该 MCP 工具可在本机执行代码或触发进程。这属于工具常规高权限能力，应在受限环境中运行，但材料未显示超出其文档工作流所需的异常系统权限申请。
描述称其基于本地文档提供搜索、符号查询、示例与问答，推定至少需要读取本地文档内容；现有材料未说明会写入哪些文件，也未见要求访问与功能无关的数据范围，但本地读取能力本身仍应留意。
正面因素是存在可审计的开源仓库；但来源为第三方注册表，许可证未声明，社区采用度为 0 star，维护状态未知，且 README 缺失，导致可验证性与持续维护信号偏弱。当前更适合视为需留意，而非直接判为高风险。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"pytorch-mcp" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请在本地 PyTorch 文档中查找 torch.nn.CrossEntropyLoss 的作用、主要参数和一个最小使用示例。
返回该 API 的功能说明、参数解释，以及可直接参考的简短代码示例。
我在训练时遇到张量维度不匹配错误，请结合 PyTorch 文档说明常见原因，并给出逐步排查建议。
输出基于文档的可能原因列表、检查步骤，以及修复问题的建议。
请从本地 PyTorch 文档中搜索 DataLoader 与自定义 Dataset 的示例，并总结实现要点。
给出相关示例位置、核心代码思路，以及实现时需要注意的关键点。
搜索热门库官方文档并提取适合大模型使用的整洁文本内容
提供查询规范化、知识检索与RAG提示构建的生产级MCP工具服务
为本地大模型提供联网、计算、执行代码与文件检索能力。
提供网页抓取与文档检索能力，帮助快速收集网页信息并查询技术文档。
通过命令行连接和调用 MCP 服务器，便于调试、测试与集成 AI 工具链。
接入 Hugging Face Papers，快速检索论文并发现相关代码仓库。