用途：对内容或条目按表现（如浏览量、互动量）进行排序与比较，尤其适合跨类别基线不同的场景，以及需要时效衰减和置信度评估的排序任务。
主要能力：基于百分位阈值将数值映射为 0-100 分；使用 IQR 方法剔除离群值；计算类别统计（均值、标准差、p25/p50/p75/p90、最小/最大值）；提供指数时效衰减 freshness_decay 与新鲜度加成 recency_boost；按样本量与方差计算置信度；支持多分数加权合并。
使用方式：以 Python 实现，核心类为 ScoringEngine，需传入 redis_client。先调用 build_category_stats 构建类别统计，再对每个条目调用 score_item(views, hours_old, stats) 得到分数与置信度。示例中结合浏览量分数与速度分数（权重 0.6/0.4），再乘以时效衰减与新鲜度加成，最终分数上限 100。
适用场景：内容表现排名、跨类别公平比较、时间敏感内容排序、需要置信度提示的榜单。
限制：资料未提供安装命令、依赖版本、平台支持、收费与价格信息；示例依赖 redis_client 与外部数据获取函数，实际运行需自行准备。建议缓存类别统计，避免重复计算。