用途：把看似晦涩的机器学习构造拆解为少量已知线性代数原语的组合，给出“构造 = 原语₁ + 原语₂ + 原语₃，因此它具备某行为”的结论。
主要能力：提供原语目录（线性投影、点积、外积、softmax、逐元素非线性、加权求和、中心化/归一化、仿射变换、残差连接、dropout/噪声注入、卷积、池化、嵌入查表、损失、梯度下降步等）；归纳四类解码模式（流水线式、装饰式、目标式、迭代式）；用消融思想实验说明每个原语的作用；附常见构造的快速参考表。
使用方式：按工作流六步执行——写出构造公式、列出原语、说明每个原语在该构造中的具体贡献、展示组合如何产生著名行为、做消融实验、用极小实例验证。用户只问“X 在做什么”时可只做前三步；问“为什么 X 有效”时需完整执行。
适用场景：学习或讲解注意力、层归一化、softmax、交叉熵、卷积、ResNet 块、dropout、扩散单步、SGD/Adam 更新、嵌入、对比损失等构造的原理。
限制：不编造无法解释的部分，遇到不确定应明确标注；不把构造与其声称目的混为一谈；不做过深拆解；消融实验不可省略。具体资源文件与配套技能的实际内容暂未提供。