feat(data): detect_outliers 收尾（文本列恒 False）+ 补测试与文档

实现（用户本人写 + Codex 轻度收尾）：
- 统计量（quantile / mean / std）与掩码写入都收窄到数值列，含文本列的赛题表不再崩
- 非数值列在掩码里恒 False（用户定的语义），docstring Notes 补上这条
- 删掉死代码 data=data.copy()：下面的 to_frame()/pd.DataFrame() 本就返回新对象，
  函数全程只读 data，白复制一份；且它排在类型分派之前，会把错误入参的报错
  从 ValueError 变成 AttributeError
- 删掉那行死代码后 pyright 反而暴露 1 个真错：df[Index] 被类型存根当成 Series，
  .std() 于是被判成标量、std.replace(...) 非法。在取列子表处 cast 成 DataFrame
  按运行时真值收窄（详见 docs/04-environment.md 坑 8）

测试：
- test_detect_outliers_survives_text_columns 摘掉 xfail 并加强断言（文本列必须恒 False）
- 新增 test_detect_outliers_all_text_frame_returns_all_false，钉住"整表无数值列"边界
- 58 passed / 2 xfailed  ->  60 passed / 1 xfailed；ruff 0；pyright 0
- 仅剩 1 条 xfail：impute_missing 的 mode 分支就地改调用方的表（要选语义，留给用户）

文档：
- STATUS.md：L0 5/12、验证结果表、下一步重写、新增决策 32（非数值列恒 False）
- docs/04-environment.md：新增坑 8（pandas 存根让 df[Index] 退化成 Series，及三种无效修法）
- docs/dev/personal-pitfalls.md：只追加第 8 条（限制掩码 ≠ 限制统计量）
- CHANGELOG.md：本轮变更

tests/test_data.py

@@ -238,14 +238,13 @@ def test_detect_outliers_rejects_unknown_method():
         detect_outliers([1.0, 2.0], method="bogus")  # type: ignore[arg-type]
 
 
-# ------------------- 契约先写进 docstring，实现逐条跟上（剩余 2 条 xfail）
+# ------------------- 契约先写进 docstring，实现逐条跟上（剩余 1 条 xfail）
 #
 # 这些用例写的是**文档里已经承诺的行为**。实现没跟上时用 xfail，让它们照样出现在
 # 报告里（显示成 x）；修好之后会自动变成 XPASS —— 看到 XPASS 就把 mark 摘掉。
 #
 # 已摘掉：threshold 范围校验、IQR 的 UnboundLocalError、(n,1) 形状、zscore 默认阈值、
-# winsorize 的文本列。剩下 2 条不是漏改，是**设计还没定**：
-#   - detect_outliers 遇到文本列返回什么（全 False？还是只对数值列算掩码？）
+# winsorize 的文本列、detect_outliers 的文本列。剩 1 条不是漏改，是**设计还没定**：
 #   - impute_missing 的 mode 分支该不该就地改调用方的表（其余分支都返回新表）
 
 
@@ -278,13 +277,25 @@ def test_detect_outliers_zscore_flags_planted_point():
     assert bool(mask[-1].all())
 
 
-@pytest.mark.xfail(reason="quantile 在全表上算，遇到文本列直接崩", strict=False)
 def test_detect_outliers_survives_text_columns():
-    """赛题表几乎都带文本列，分位数只能在数值列上算。"""
+    """赛题表几乎都带文本列：分位数只在数值列上算，文本列恒 False。"""
     from mcm_toolkit.data import detect_outliers
 
     df = pd.DataFrame({"city": ["a", "b", "c", "d"], "v": [1.0, 2.0, 3.0, 1000.0]})
-    assert int(np.asarray(detect_outliers(df)).sum()) == 1
+    mask = detect_outliers(df)
+    assert int(np.asarray(mask).sum()) == 1
+    assert not bool(np.asarray(mask["city"]).any())
+    assert bool(np.asarray(mask["v"]).any())
+
+
+def test_detect_outliers_all_text_frame_returns_all_false():
+    """整表没有数值列时不报错，返回全 False 掩码（语义：这一列没有离群点）。"""
+    from mcm_toolkit.data import detect_outliers
+
+    df = pd.DataFrame({"a": ["x", "y"], "b": ["z", "w"]})
+    mask = detect_outliers(df)
+    assert mask.shape == df.shape
+    assert not bool(np.asarray(mask).any())
 
 
 def test_winsorize_survives_text_columns():