$ 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。
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