用小白也能看懂的方式，从一个最简单的神经元开始，串起向量点积、Loss 计算、求导、梯度下降、反向传播，并实现一个 PyTorch 多层神经网络。

从零解释 BiRefNet 的 backbone、decoder、mask 生成、官方训练 loss，以及如何针对镜架鼻托边缘毛刺加入形态学约束。

从客户端组装上下文开始，完整讲清 Skill 如何告知大模型、本地 MCP 如何被调用，以及工具结果如何回填给大模型继续推理。

用小白也能理解的方式，讲清楚深度学习中标量、向量、矩阵、张量的区别，以及它们在图片、批次和模型计算中的作用。

从一个最小 Python 脚本出发，介绍 RapidOCR 的适用场景、安装使用流程、测评方法和实际落地时需要注意的问题。