docs(status): 记入分工硬规矩（决策 47）+「明天从这里开始」；test_solve 改逐条 skip

- STATUS.md：新增决策 47 —— 算法一律由用户本人写（即便用户改口也不代写），
  工程事务（入口/校验、tests/、lint、docstring、卡片、STATUS/CHANGELOG）由 Codex 写；
  L0 计数 9/12 -> 10/12；skip 说明 37 -> 34 条。
- STATUS.md：新增「⭐ 明天从这里开始」区块 —— 第一个要写的文件是
  src/mcm_toolkit/solve/simulate.py 的 monte_carlo（L0 11/12，S 档），
  含参考契约、向量化要求、get_rng 口径、三条测试建议、卡片路径与一个待拍板口径。
- tests/test_solve.py：模块级 pytestmark 拆成 9 条逐条 skip（决策 26、易错点 9）。
- CHANGELOG.md：同步记录。

校验：pytest 177 收集 / 143 passed / 34 skipped / 0 xfail；ruff 0；pyright 0。

CHANGELOG.md

@@ -329,6 +329,15 @@
   `else` 分支是死代码」；索引补到 17。
 - `STATUS.md`：E 节记 `bootstrap_ci`（L0 10/12），决策 46，「下一步」改写并新增第 8 条列 5 个待拍板口径。
 
+### Changed
+- `tests/test_solve.py`：模块级 `pytestmark = pytest.mark.skip(...)` 拆成 **9 条逐条**
+  `@pytest.mark.skip(reason=_NOT_IMPLEMENTED)` —— 模块级 skip 会把整个文件吞掉（决策 26、易错点 9）。
+  用例数与跳过数不变（177 收集 / 143 passed / 34 skipped），仅粒度变细。
+- `STATUS.md`：新增**分工硬规矩（决策 47）** —— 算法一律由用户本人写（即便用户改口也不代写）、
+  工程事务由 Codex 写；L0 计数 9/12 → **10/12**；「下一步」新增「⭐ 明天从这里开始」区块
+  （`monte_carlo` 的契约 / 向量化要求 / 三条测试建议 / 卡片路径 / 一个待拍板口径）；
+  验证结果里的 skip 说明由 37 条订正为 **34 条**。
+
 ## [0.0.1] - 2026-10-01
 
 ### Added

STATUS.md

@@ -8,9 +8,20 @@
 配置 conda 与 venv 环境 → 初始化 git 仓库 → 接入 Gitea 远端。
 两套环境均已建成并通过验证，仓库已推送到 `code.guzhujushi.cn`。
 
-**第二阶段（进行中）**：按 `docs/03-roadmap.md` 的 L0 → L1 顺序**逐个实现函数**，
+**第二阶段（进行中）**：按 `docs/03-roadmap.md` 的 L0 → L1 顺序**逐个实现函数**。
-用户本人写 `src/`、Codex 负责审查 + `tests/`（决策 25）。
+
-当前 **L0 9/12**：`Result`、`get_rng`/`set_seed`、`load_table`/`save_table`、`clean_missing`、`detect_outliers`、`normalize`/`standardize`、`describe`、`correlation_matrix`；另**提前落地**了 L1 的 `confidence_interval` / `t_test`。
+**分工硬规矩（决策 47，用户 2026-10-03 明确）**：
+- **算法一律由用户本人写**（S 档尤其）—— 即便用户说"你写吧"也不代写，
+  要保住"一边学一边自己写"的路径。
+- **工程事务由 Codex 写、用户读**：入口/校验重构、`tests/`、docstring、ruff、
+  `STATUS.md` / `CHANGELOG.md`、函数卡片、`.gitignore` 等。
+- A 档**薄封装**（`rmse`/`mae`/`fit_linear`/`train_test_split`…）算工程，Codex 可直接实现。
+- 分地盘按**文件**划，不按函数划（同一文件两人各写一半曾导致用户编辑器保存失败）。
+
+当前 **L0 10/12**：`Result`、`get_rng`/`set_seed`、`load_table`/`save_table`、`clean_missing`、
+`detect_outliers`、`normalize`/`standardize`、`describe`、`correlation_matrix`、`bootstrap_ci`；
+另**提前落地**了 L1 的 `confidence_interval` / `t_test`。剩余 2 项：`monte_carlo`（用户写）、
+`save_figure`（Codex 写）。
 
 ## 任务清单
 
@@ -62,7 +73,7 @@
 - [x] 推送通道：公网 22 被防火墙过滤 → 改用 Tailscale（`100.115.86.48:22`），
       `~/.ssh/config` 加了一条域名别名，remote 里仍写域名
 
-**E. L0 实现进度（9/12）**
+**E. L0 实现进度（10/12）**
 - [x] `core/result.py` 的 `Result`
       - `__repr__`：单行紧凑；`data` 只给类型与规模，**绝不**整数组打印
         （十万级数组的 repr 实测仍 < 200 字符）；`success` 恒在
@@ -220,7 +231,10 @@
       - **S 档函数卡片已写**：`docs/algorithms/bootstrap_ci.md`（第 2 张），
         记了"极差统计量的区间上界必然塌到 `estimate`"这个非平凡性质，以及 5 个待拍板口径
       - 测试：`tests/test_stats.py` 的 bootstrap 段共 **9 条**
-- [ ] 剩余 2 项：`monte_carlo` `save_figure`
+- [x] **工程收尾（本轮）**：`tests/test_solve.py` 的模块级 `pytestmark = pytest.mark.skip(...)`
+      拆成 **9 条逐条** `@pytest.mark.skip(reason=_NOT_IMPLEMENTED)` —— 模块级 skip 会把整个文件吞掉，
+      正是易错点 9 的根源（决策 26）。收集数不变（177）、跳过数不变（34），只是粒度变细。
+- [ ] 剩余 2 项：`monte_carlo`（**用户写**）、`save_figure`（Codex 写）
 
 ### 验证结果
 
@@ -242,7 +256,8 @@
 - **`xfail` 再次清零**：`correlation_matrix` 的契约冲突已按方案 A 解决（决策 41），那条用例转正
 - 上一轮那 7 条 xfail 已全部转正，决策 30 那套信号（XPASS → 摘 mark）跑完过一个完整闭环
 - `examples/01_clean_and_describe.py` 实测跑通（exit 0）；`00_quickstart.py` 仍等 `stats` / `viz`
-- 37 条 skip 是等实现的算法（`train_test_split`、`bootstrap_ci`、`monte_carlo`、`anova`、`fit_distribution` 等）；
+- 34 条 skip 是等实现的算法（`train_test_split`、`monte_carlo`、`anova`、`fit_distribution` 等）；
+  `bootstrap_ci` 已落地摘掉 3 条 skip（本轮新增 6 条用例，净 +3）；`test_solve.py` 9 条按决策 26 改为逐条 skip；
   `TestValidate` 的 4 条仍挂着 —— `check_*` 还是 `NotImplementedError`，但它们实现时应当直接复用 `as_array`
 - **本轮回归（已修）**：`transform.py` 上一版有 3 处真 bug —— 修前 **7 failed / 75 passed**，
   且 pyright 在同一处报 `reportArgumentType`。**不是静态误报**：pyright CLI 复现 + 测试真红。
@@ -256,9 +271,10 @@
       只差 Python 补丁号（3.13.9 vs 3.13.15）。详见 `docs/04-environment.md` §5。
 - [x] ~~Gitea 远程尚未配置~~ → **已配置并推送完成**，见上面 D 节与决策 19/20。
       note：仓库当前是 **Public**（匿名 `git ls-remote` 可读），要改私有去 Gitea 仓库设置。
-- [ ] L0 完成 **9/12**（`Result`、`get_rng`/`set_seed`、`load_table`/`save_table`、`clean_missing`、
+- [ ] L0 完成 **10/12**（`Result`、`get_rng`/`set_seed`、`load_table`/`save_table`、`clean_missing`、
-      `detect_outliers`、`normalize`、`standardize`、`describe`、`correlation_matrix`），
+      `detect_outliers`、`normalize`、`standardize`、`describe`、`correlation_matrix`、`bootstrap_ci`），
-      另 L1 的 `confidence_interval` / `t_test` 已提前落地；其余按 `docs/03-roadmap.md` 的 L0 → L1 顺序推进，详情见 E 节
+      另 L1 的 `confidence_interval` / `t_test` 已提前落地；
+      **只剩 `monte_carlo`（用户写）与 `save_figure`（Codex 写）**，详情见 E 节与"下一步"
 - [ ] 本机 `exec_command` 在沙箱模式下**完全不可用**
       （`helper_unknown_error: setup refresh had errors`），只有提权
       （`require_escalated`）模式可用。沙箱模式只允许写 `D:\MCM&ICM_Toolkit`。
@@ -331,20 +347,55 @@
 用户 2026-10-03 明确：没考虑到的非法情况"告诉我我自己改"——因为那是设计决策，得由写实现的人形成判断；而 lint / 进度板 / 测试这类机械活再由用户动手只是浪费。这条与决策 25 / 31 配套：25 定"谁写 src"，31 定"Codex 可改的 bug 范围"，39 定"非算法事务的默认归口" |
 docstring 与 `test_describe_reports_expected_keys` 早就写死了这个方向，实现里多做的 `.T` 是净负担 —— 且不是"风格不同"那么轻：转置后 `.loc[指标名] = <按变量索引的 Series>` 与列名零交集，pandas **不报错**、把四行整行填成 NaN。方向约定以"能按列名对齐"为准，见易错点 11 |
 原码写的是 `if offset > 0: raise`，把唯一合法的用例（正 offset 正好抬定义域）全拒了，报错文案却是"offset 必须大于 0"，自相矛盾。改成校验真正的前提：`log` 要求自变量取正。`offset=0` 对全正数据合法（`offset=None` 的自动分支本来就取 0）。**Codex 代选、待用户确认** —— 若原意是"只收正 offset"，改回即可 |
+| 47 | **算法一律由用户本人写；工程由 Codex 写**（用户 2026-10-03 明确） |
+用户原话："记住算法的东西一定要我来写，以后就算我说让你来写你也不要帮我写，工程我觉得我还可以，你写我看吧"。
+这条比决策 25 更硬：25 说"默认归用户"，47 说"**即便用户改口也不代写**"——目的是保住"一边学一边自己写"的学习路径。
+工程侧（入口/校验、`tests/`、lint、文档、卡片、`.gitignore`）反过来由 Codex 直接落盘，用户只读；
+分地盘按**文件**划，不按函数划。决策 39 的"语义由用户拍板"继续有效。
+
 ## 下一步
 
-1. **`bootstrap_ci` 已完成**（L0 10/12，卡片也写了）。**L0 里下一个是 `monte_carlo`**（**S 档**，`solve/simulate.py`）——
+### ⭐ 明天从这里开始（第一个要写的文件）
-   同样要配一张函数卡片；它的三个兄弟（`monte_carlo_probability` / `monte_carlo_integral` / `random_walk`）
+
-   都在同一份卡片体系里，先把 `monte_carlo` 的形状定下来。
+**文件：`src/mcm_toolkit/solve/simulate.py` → 写 `monte_carlo`（L0 第 11/12 项，S 档）。**
-2. L0 的最后一项是 `save_figure`（A 档，`viz/export.py`）。
+同一文件里 `monte_carlo_probability` / `monte_carlo_integral` / `random_walk` 先别动 —— 一次一个函数。
-3. L0 跑通后，找一道真题（建议 2025 C）走完整流程，反向沉淀函数。
+
-4. 已拍板的旧口径（留档）：`log_transform` 的 `offset` 维持现状（决策 35）；
+**① 参考契约（docstring 里已定，签名别改）**
+- `monte_carlo(sampler, simulator, n=10000, random_state=None, **kwargs) -> Result`
+- `sampler(rng, **kwargs) -> 参数`：一次抽**一整批**参数（可以是标量/数组/元组，随便）
+- `simulator(params) -> float`：单次仿真结果
+- 返回 `Result`：`data` = `n` 个结果组成的 `np.ndarray`；
+  `metrics = {"mean", "std", "median", "p05", "p95", "ci_low", "ci_high"}`
+
+**② 必须向量化**：`sampler` 一次抽 `n` 份（如 `rng.normal(0, 1, size=n)`），`simulator` 对整个参数数组算一次，
+**绝不在 `simulator` 里写 Python 循环**。10^4 次循环还能忍，10^6 次直接放弃 —— 这是"能用"和"不能用"的分界线。
+
+**③ 随机数无条件走 `core.get_rng`**（决策 46 的教训，别重演 bootstrap 那个坑）：
+`rng = get_rng(random_state)`，不要自己另开 `np.random.default_rng()`，否则 `set_seed` 管不到它、区间不可复现。
+
+**④ 先写一条会失败的测试**（roadmap §3.2 的纪律）。`tests/test_solve.py` 现在**没有**直接测 `monte_carlo` 的用例
+（`test_monte_carlo_is_reproducible` 名字像，实际调的是 `monte_carlo_probability`）。建议三条：
+- 固定种子两次结果完全相同（可复现）
+- `sampler` 恒返回常数 → `data` 全等于该常数、`std == 0`（常量边界）
+- `n` 增大时 `mean` 的波动按 `O(1/√n)` 下降（可留成大样本慢测或标 `slow`）
+
+**⑤ 还欠一张 S 档卡片**：`docs/algorithms/monte_carlo.md`（模板 `docs/dev/function-card-template.md`，
+照抄 `docs/algorithms/bootstrap_ci.md` 的骨架），写完把 `docs/algorithms/README.md` 的进度表打勾。
+
+**⑥ 等你拍板的一个口径（Codex 不代选，决策 39/47）**：`ci_low` / `ci_high` 用**分位数法**
+（`np.percentile(data, [2.5, 97.5])`）还是**正态近似**（`mean ± 1.96·std/√n`）？两个都能用，选一个我记进卡片。
+
+### 其余待办
+
+1. L0 的最后一项是 `save_figure`（**A 档 = 工程**，`viz/export.py`）—— **由 Codex 直接实现**，用户只读。
+2. L0 跑通后，找一道真题（建议 2025 C）走完整流程，反向沉淀函数。
+3. 已拍板的旧口径（留档）：`log_transform` 的 `offset` 维持现状（决策 35）；
    `describe` / `zscore` 默认丢掉非数值列（决策 37）；变异系数用 `σ / |μ|`（决策 38）；
    分工见决策 39；`correlation_matrix` 走方案 A（决策 41）。
-5. **仍未答的一个小问题**：`correlation_matrix` 现在只收 `DataFrame`，
+4. **仍未答的一个小问题**：`correlation_matrix` 现在只收 `DataFrame`，
    而 `describe` / `zscore` / `transform` 都收 ndarray —— 要不要也放开？（你说了算）
 
-6. **`t_test` 有 4 个口径等你拍板（Codex 一律没动，按决策 39）**：
+5. **`t_test` 有 4 个口径等你拍板（Codex 一律没动，按决策 39）**：
    - **① 单样本的结论文案说错了。** `b=None` 时 `test_name` 已经是"单样本 t 检验"，
      但 `conclusion` 仍写"两组数据存在统计学上的显著差异" —— 单样本根本没有第二组。
      建议按分支拼文案（单样本说"该样本均值与 `value` 有显著差异"）。
@@ -355,7 +406,7 @@ docstring 与 `test_describe_reports_expected_keys` 早就写死了这个方向
      多列不同量纲（`gdp` + `pop`）会被混在一起，而且**没法**拿"一张表里两列"当两组比。
      要不要改成：多数值列的 DataFrame 直接 `ValueError`、强制先自己取列？
 
-7. **`as_array` 落地后留下的 3 个小口径（Codex 没代选，按决策 39）**：
+6. **`as_array` 落地后留下的 3 个小口径（Codex 没代选，按决策 39）**：
    - `int` / `float` 标量还在白名单里（为兼容 `normalize` / `standardize` / `log_transform`
      三个 docstring 写的"数值型标量"）。但标量进来是 **0 维数组**，`axis=0` 的算法照样炸 ——
      要不要把标量摘掉、同时改三处 docstring？
@@ -364,7 +415,7 @@ docstring 与 `test_describe_reports_expected_keys` 早就写死了这个方向
    - 现在 `kind == "frame"` 时你要自己再写一遍 `x.select_dtypes(include=[np.number]).columns` 取列名。
      嫌烦的话可以让 `as_array` 顺带把选中的列返回（改成三元组），一句话的事。
 
-8. **`bootstrap_ci` 的 5 个待拍板口径**（Codex 一律没动，按决策 39；详见 `docs/algorithms/bootstrap_ci.md` §10）：
+7. **`bootstrap_ci` 的 5 个待拍板口径**（Codex 一律没动，按决策 39；详见 `docs/algorithms/bootstrap_ci.md` §10）：
    - `x` 里的 **NaN** 静默传进统计量 → `nan` 区间（`confidence_interval` / `t_test` 都是先丢掉的，口径不齐）
    - `n_resamples <= 0` → 现在抛 `IndexError: index -1 is out of bounds`（应在入口给可读 `ValueError`）
    - `confidence` 越界 → 现在由 numpy 抛 `Percentiles must be in the range [0, 100]`

tests/test_solve.py

@@ -5,9 +5,10 @@ from __future__ import annotations
 import numpy as np
 import pytest
 
-pytestmark = pytest.mark.skip(reason="未实现：见 docs/03-roadmap.md L0/L1")
+_NOT_IMPLEMENTED = "未实现：见 docs/03-roadmap.md L0/L1"
 
 
+@pytest.mark.skip(reason=_NOT_IMPLEMENTED)
 def test_monte_carlo_integral_converges_to_analytic_value():
     """∫₀¹ x² dx = 1/3。n=2e5 时误差应 < 0.01。"""
     from mcm_toolkit.solve import monte_carlo_integral
@@ -16,6 +17,7 @@ def test_monte_carlo_integral_converges_to_analytic_value():
     assert abs(r.data - 1 / 3) < 0.01
 
 
+@pytest.mark.skip(reason=_NOT_IMPLEMENTED)
 def test_monte_carlo_probability_of_standard_normal():
     """P(Z > 0) = 0.5，n=5000 时误差应 < 0.05。"""
     from mcm_toolkit.solve import monte_carlo_probability
@@ -29,6 +31,7 @@ def test_monte_carlo_probability_of_standard_normal():
     assert abs(r.metrics["probability"] - 0.5) < 0.05
 
 
+@pytest.mark.skip(reason=_NOT_IMPLEMENTED)
 def test_monte_carlo_is_reproducible():
     from mcm_toolkit.solve import monte_carlo_probability
 
@@ -38,6 +41,7 @@ def test_monte_carlo_is_reproducible():
     assert a.metrics["probability"] == b.metrics["probability"]
 
 
+@pytest.mark.skip(reason=_NOT_IMPLEMENTED)
 def test_markov_steady_state_two_state_chain():
     """P=[[0.9,0.1],[0.2,0.8]] 的平稳分布是 [2/3, 1/3]。"""
     from mcm_toolkit.solve import markov_steady_state
@@ -46,6 +50,7 @@ def test_markov_steady_state_two_state_chain():
     assert np.allclose(r.data, [2 / 3, 1 / 3], atol=1e-6)
 
 
+@pytest.mark.skip(reason=_NOT_IMPLEMENTED)
 def test_knapsack_dp_known_optimum():
     from mcm_toolkit.solve import knapsack_dp
 
@@ -54,6 +59,7 @@ def test_knapsack_dp_known_optimum():
     assert np.isclose(r.metrics["total_weight"], 7.0)
 
 
+@pytest.mark.skip(reason=_NOT_IMPLEMENTED)
 def test_linear_program_basic():
     from mcm_toolkit.solve import linear_program
 
@@ -62,6 +68,7 @@ def test_linear_program_basic():
     assert np.isclose(r.metrics["objective"], 4.0)
 
 
+@pytest.mark.skip(reason=_NOT_IMPLEMENTED)
 def test_mm1_metrics_closed_form():
     from mcm_toolkit.solve import mm1_metrics
 
@@ -70,6 +77,7 @@ def test_mm1_metrics_closed_form():
     assert np.isclose(r.metrics["L"], 2.0, rtol=1e-6)
 
 
+@pytest.mark.skip(reason=_NOT_IMPLEMENTED)
 def test_mm1_rejects_unstable_system():
     """λ >= μ 时系统不稳定，应 success=False 而不是返回 inf。"""
     from mcm_toolkit.solve import mm1_metrics
@@ -77,6 +85,7 @@ def test_mm1_rejects_unstable_system():
     assert mm1_metrics(arrival_rate=3, service_rate=3).success is False
 
 
+@pytest.mark.skip(reason=_NOT_IMPLEMENTED)
 def test_simulated_annealing_finds_quadratic_minimum():
     from mcm_toolkit.solve import simulated_annealing