用途：构建并回测需求与收入预测，覆盖滚动原点回测、预测区间、层级对账与零样本时间序列基础模型。核心要求是建模前先定义预测截止时间戳，只能用该时点可得的信息构造特征与基线，并把候选模型与当前实际驱动决策的预测（含人工覆盖）在同一决策期限上比较。
主要能力：提供预测目标/期限/粒度/损失的设定流程；模型族选择决策树（局部经典基线、特征提升、全局/面板预测、层级对账、间歇性需求方法、概率与分位数预测、时间序列基础模型）；按期限与业务切片评估，推荐 MASE/WAPE/MAE 而非 MAPE，零值过半时改用 RMSSE 与 pinball 损失；不确定性覆盖度与锐度检验。
使用方式：仓库含 data/sources.json 与 data/sample-forecast-results.json，以及仅用标准库的 CLI 脚本 scripts/ts_evaluator.py，支持 backtest、calibration、report 三个子命令，例如：python scripts/ts_evaluator.py backtest --input data/sample-forecast-results.json。脚本输出分期限指标、相对基线的技能分、假设独立性下的 Wilson 区间筛查与描述性汇总覆盖度，Markdown 报告可写入 --output；无效输入、区间层级只部分提供或输出不可写时退出码为 2。脚本的“优于基线”只是初筛，晋升前需做配对检验。
适用场景：单一或小规模序列、多相关序列、间歇性需求、需要服务水平或库存决策、长周期低特征、需要生产交接的预测任务。分类上通用数据科学工作流、部署与监控、通用 LLM、RAG 分别路由至相邻技能。
限制：必须记录截止时间、特征契约、回退规则与血缘；避免未来已知与未来未知协变量混用、单一全局分数决定部署、零值序列用 MAPE、层级不一致、未经配对检验即晋升、以及未核查基础模型权重许可与污染即采信零样本结果。基础模型比较需以官方文档和数据/来源文件为准，排名需记录基准快照。具体价格、平台与效果资料未提供。