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/tests/_bootstrap.py

@@ -0,0 +1,26 @@
+# -*- coding: utf-8 -*-
+"""测试引导：把连字符目录挂载为可导入包（与 core 模块同款模式）。
+
+- ``templates/ti-cl4/impurity-forecast`` → 包名 ``impurity_forecast``。
+本模型零内核依赖（纯标准库），仅挂载自身包即可。
+"""
+import importlib.util
+import os
+import sys
+
+PKG_DIR = os.path.dirname(os.path.dirname(os.path.abspath(__file__)))
+
+
+def _load_package(name: str, path: str) -> None:
+    """按文件路径完整加载一个包（执行其 __init__.py）。"""
+    if name in sys.modules:
+        return
+    init_py = os.path.join(path, "__init__.py")
+    spec = importlib.util.spec_from_file_location(
+        name, init_py, submodule_search_locations=[path])
+    module = importlib.util.module_from_spec(spec)
+    sys.modules[name] = module
+    spec.loader.exec_module(module)
+
+
+_load_package("impurity_forecast", PKG_DIR)