chore: 初始化 MCM/ICM Toolkit 仓库骨架

审查并精简 ChatGPT 的建库建议后落地的第一版骨架，只定接口不写实现。

- 建议审查：14 个包 → 7 个；约 250 个函数 → 约 40 个；5 个 Result 类 → 1 个
  （docs/01-suggestion-review.md）
- docs/：架构、路线图（含永久不做清单）、环境、Git 工作流、函数卡片模板
- src/mcm_toolkit/：core / data / stats / models / solve / decision / viz
  共 23 个模块，均为签名 + docstring + NotImplementedError
- tests/：9 个文件，其中 test_api_surface.py 已通过（20 passed）
- examples/ problems/ notebooks/ figures/ tables/ 骨架
- pyproject.toml（核心依赖 4 个 + 6 组 extras）、environment.yml
- scripts/：setup-venv.ps1（ASCII + LF）、setup-conda.ps1、doctor.ps1
- 环境：.venv（system-site-packages）与 conda 环境 mcm-toolkit 均已建好，
  数值栈版本与 base 完全对齐（numpy 2.4.6 / scipy 1.18.1 / pandas 3.0.6，MKL 后端）

examples/04_decision_topsis.py

@@ -0,0 +1,45 @@
+"""评价类题目的标准流程：无量纲化 → 赋权 → TOPSIS 排序 → 敏感性。
+
+这是中文建模赛出现频率最高的题型之一。
+关键点（也是最容易翻车的地方）：**指标方向必须显式声明**。
+"""
+
+from __future__ import annotations
+
+import numpy as np
+
+from mcm_toolkit.decision import entropy_weights, topsis
+from mcm_toolkit.solve import robustness_test
+
+
+def main() -> None:
+    # 3 个城市 × 4 个指标
+    #   人均GDP(效益)  空气PM2.5(成本)  绿化率(效益)  通勤时间(成本)
+    X = np.array(
+        [
+            [120.0, 35.0, 42.0, 38.0],
+            [95.0, 55.0, 36.0, 29.0],
+            [140.0, 28.0, 45.0, 47.0],
+        ]
+    )
+    labels = ["城市A", "城市B", "城市C"]
+    benefit = [0, 2]  # 只有第 0、2 列是"越大越好"
+
+    # 1) 客观赋权
+    w = entropy_weights(X, benefit_columns=benefit)
+    print("熵权：", np.round(w.params["weights"], 4))
+
+    # 2) TOPSIS 排序
+    result = topsis(X, weights=w.params["weights"], benefit_columns=benefit, labels=labels)
+    print(result.data)
+
+    # 3) 鲁棒性：权重扰动 ±10% 后排名还稳不稳？（论文里必须回答这个问题）
+    def model(**kw):
+        return topsis(X, weights=kw["weights"], benefit_columns=benefit).data["rank"].tolist()
+
+    rob = robustness_test(model, params={"weights": w.params["weights"]}, perturbation=0.1, n_samples=500, random_state=0)
+    print("排名稳定性：", rob.metrics)
+
+
+if __name__ == "__main__":
+    main()