用途：为 SKU 生成需求预测，并判断何时自行计算、何时委派给 forecaster 子代理。
自行计算（Path A）条件：预测期 ≤ 14 天、is_seasonal 为 0、promo_next_month 为 0，且任务未提及促销、节假日或趋势变化。此时预测即滚动均值，运行：python .claude/skills/forecasting/rolling_mean.py SKU-0057 14。批量场景（如每日低库存检查）用：python .claude/skills/forecasting/batch_days_of_cover.py 20，返回最紧急的 20 个 SKU 的 JSON。
子代理（Path B）条件：预测期 > 14 天、is_seasonal 为 1、promo_next_month 为 1 或提及促销、近期销量出现趋势断裂。原因：季节性与促销需要 90 天完整历史，放入自身上下文会挤占任务空间。委派给 forecaster 可调用代理，只传 SKU、产品标志与预测期，不传历史行；它返回 {forecast_qty, confidence, method, flags} JSON，需严格解析，格式错误即视为错误。若 callable_agents 不可用，可退回内联滚动均值，并将 confidence 设为 ≤ 0.55 以触发人工复核。
季节日历用于校验：3–5 月鞋类、背包等 1.3–1.6×；6–8 月帐篷、炉具等 1.5–2.0×（峰值季度）；9–10 月保暖服饰等上升、帐篷鞋类回落；11–12 月礼品价位与最重促销；1–2 月最低量。跨季时滚动均值滞后，应走 Path B 并说明季节。
促销处理：不要只依赖滚动均值；寻找近 12 个月同类历史促销的抬升幅度，否则标记 promo_uplift_uncertain 且 confidence 远低于 0.6；不确定时默认转人工复核而非自动下单；若知道促销结束日期，需考虑促销后回落。避免只在文字中写抬升倍数而 forecast_qty 仍用未抬升基线。
结果使用：将 forecast_qty、confidence、flags 交给 reorder-policy；confidence < 0.6 时升级处理，不自动下单。