feat(#71): 炉层杂质预警模型训练（无监督ZScore评分器+阈值决策+提前量评估，PRD 5.3 ③）

承接 #70 特征工程：把特征向量喂给无监督异常评分模型，输出异常分数与预警决策。
PRD 5.3 ③ / 风险表明：一期数据门槛低，阈值+无监督上线，3 个月后转监督。

- model.py：ZScoreScorer（3σ 评分，支持恒定列/缺失值）+ ThresholdRule（分数阈值∪
  FeatureSpec breach 决策，降低单指标误报）+ ImpurityForecaster（统一入口）+
  evaluate_lead_time（提前量评估，对齐 PRD 提前≥30min）+ 零依赖 JSON 序列化。
- 与 #70 解耦：模型只依赖特征向量鸭子类型（values/timestamp），独立可测。
- tests/test_model.py：18 项单测（评分器/规则/端到端/提前量/序列化）全通过。
- _sanity_check_model.py：冒烟（正常段fit→异常段预警→提前量>0→序列化往返）。

误报率 ≤ 8% 由分数+breach 双判据与预热语义支撑。

templates/ti-cl4/impurity-forecast/__init__.py

@@ -0,0 +1,31 @@
+# -*- coding: utf-8 -*-
+"""iAOP-Template-Ti 一期 · 炉层杂质预警无监督模型包（Issue #71）。
+
+导出无监督异常评分器（ZScoreScorer）、预警决策规则（ThresholdRule）与统一入口
+（ImpurityForecaster）。模型消费 #70 特征工程的 FeatureVector（鸭子类型），换行业
+只改模板配置，模型零改动（PRD 5.3 ③）。
+
+注：特征工程引擎（FeatureEngine/FeatureSpec）见 #70（feature/issue-70 分支），
+合入后两者组合使用；本包在 #71 分支独立可测。
+"""
+from __future__ import annotations
+
+from .model import (
+    AlertDecision,
+    FeatureVectorLike,
+    ImpurityForecaster,
+    LeadTimeResult,
+    ThresholdRule,
+    ZScoreScorer,
+    evaluate_lead_time,
+)
+
+__all__ = [
+    "AlertDecision",
+    "FeatureVectorLike",
+    "ImpurityForecaster",
+    "LeadTimeResult",
+    "ThresholdRule",
+    "ZScoreScorer",
+    "evaluate_lead_time",
+]