architecture: ForecastSkill as shared service

[Tarasusrus]

Контекст

Прогнозирование — не изолированная фича, а общий сервис который используют:

• Советник (epic: RAG — indexing, advisor mode, knowledge base population #43): «в этом месяце ты уже на X% выше прогноза в категории еда»
• Долговой менеджер: «при текущем прогнозе трат ты можешь закрыть долг через N месяцев»
• Опросник (feat: recurring payments questionnaire — proactive check-in #41): сравнить ответы с прогнозом

Что нужно решить

1. Интерфейс ForecastSkill

   • Входные данные: горизонт (weeks/months), категория (или все)
   • Выходные данные: CategoryForecast{Category, Amount, Confidence}

2. Где живёт логика

   • Вариант A: Go вызывает Python microservice (FastAPI + pandas/Prophet)
   • Вариант B: Go считает сам (простые методы: EWM, скользящее среднее)
   • Вариант C: LLM считает на основе сырых данных (дёшево, неточно)

3. Хранение

   • Пересчитывать on-demand или кешировать в budget_forecast таблице?

ADR

Решение фиксируется в docs/adr/ перед реализацией.