fix(solve): random_walk 失败路径的 UnboundLocalError；第二轮口径收口

口径由用户第二轮改定；Codex 修一处真 bug + 工程侧。

- 真 bug：call_params 写在 try 里、却在 except 被引用，5 种失败输入 5 个全炸 UnboundLocalError
  （本该返回 success=False 的 Result，变成把异常抛给调用方）。按原意前移到 try 之前，未改口径；
  失败时照样带上 n_steps / n_paths / start / random_state
- 用户口径：n_steps/n_paths 拆 TypeError/ValueError；加 steps 形状与 NaN 两条校验；
  默认步长改 rng.choice([-1.0, 1.0])；params 补 random_state；metrics 改 mean_terminal/std_terminal
- 工程：docstring 同步（Returns 的 metrics、Raises 的分工、去掉已删的 start 校验）；+3 条测试
  （失败也必须返回带 params 的 Result、NaN 判失败、终点 std ~= sqrt(t)），solve 段 41 条
- 验证：208 收集 / 177 passed / 31 skipped / 0 xfail，ruff 0，pyright 0
- docs：STATUS 决策 54 + 3 条新口径；CHANGELOG；易错点 26

tests/test_solve.py

@@ -318,14 +318,59 @@ def test_random_walk_accepts_custom_step_sampler():
 
 
 def test_random_walk_rejects_bad_arguments():
+    """§4.7 的分工：类型不对抛 TypeError，取值不对（<= 0）抛 ValueError。"""
     from mcm_toolkit.solve import random_walk
 
+    with pytest.raises(TypeError):
+        random_walk(n_steps=2.5)  # type: ignore[arg-type]  # 就是要传错
+    with pytest.raises(TypeError):
+        random_walk(n_steps=True)
+    with pytest.raises(TypeError):
+        random_walk(n_steps=10, n_paths=1.5)  # type: ignore[arg-type]  # 就是要传错
     with pytest.raises(ValueError):
         random_walk(n_steps=0)
     with pytest.raises(ValueError):
         random_walk(n_steps=10, n_paths=0)
-    with pytest.raises(TypeError):
-        random_walk(n_steps=10, start="a")  # type: ignore[arg-type]  # 就是要传错
+    r = random_walk(n_steps=10, start="a")  # type: ignore[arg-type]  # 就是要传错
+    assert r.success is False   # 口径待定：入口抛 TypeError 也可以，见 STATUS"下一步"
+
+
+def test_random_walk_failure_returns_result_not_exception():
+    """失败也要返回带 params 的 Result，不能把异常抛给调用方 —— 包装层引用未赋值变量那次就靠它拦住。"""
+    from mcm_toolkit.solve import random_walk
+
+    def transposed(rng, size):
+        return rng.normal(0, 1, (size[1], size[0]))
+
+    r = random_walk(n_steps=4, n_paths=6, step_sampler=transposed, random_state=0)
+    assert r.success is False
+    assert "形状" in r.message
+    assert r.params["n_paths"] == 6      # 失败也要留下追溯信息
+    assert r.data is None
+
+
+def test_random_walk_rejects_nan_steps():
+    """增量含 NaN 判失败 —— 与 monte_carlo 的 NaN 口径（决策 48）一致。"""
+    from mcm_toolkit.solve import random_walk
+
+    r = random_walk(
+        n_steps=4,
+        n_paths=2,
+        step_sampler=lambda rng, size: np.full(size, np.nan),
+        random_state=0,
+    )
+    assert r.success is False
+    assert "NaN" in r.message
+
+
+def test_random_walk_metrics_are_terminal_positions():
+    """终点位置的标准差按 √t 扩散（t = n_steps）—— 随机游走的核心性质。"""
+    from mcm_toolkit.solve import random_walk
+
+    n_steps = 100
+    r = random_walk(n_steps=n_steps, n_paths=2000, start=5.0, random_state=0)
+    assert abs(r.metrics["mean_terminal"] - 5.0) < 5.0              # 对称游走，期望还在起点附近
+    assert abs(r.metrics["std_terminal"] - np.sqrt(n_steps)) < 5.0  # √t 扩散
 
 
 def test_random_walk_docstring_example_runs():