用途：在放大问题规模之前，先让抽象想法变得具体可验证。适用场景包括定理直觉、推导调试、隐藏假设排查与数值健全性检查。
工作流程：先把抽象论断放进尽可能小的设定中重述；再构造2到5个最小案例，通常覆盖友好案例（想法应当成立）、边界案例、失败案例，以及看似成立但原因错误的误导性案例；必要时写一个小型模拟或符号示例；然后比较预测行为与实际行为；最后提炼玩具案例对完整问题的启示。
好的玩具案例倾向于是低维的、可解析处理的、可数值核验的，并且容易暴露隐藏假设。
规则：不得把玩具案例当作证明；需说明哪些结论可以推广、哪些不能；玩具案例失败应视为信号而非麻烦。
输出结构：抽象想法、最小设定、案例、每个案例展示的内容、对完整研究问题的含义，以及玩具案例无法确立的内容。
限制：资料未提供具体实现细节、依赖项、安装命令、收费方式或平台支持信息。暂未提供。