fix(core): 补齐 get_rng 类型校验，set_seed 覆盖 numpy 旧全局

get_rng 的"共享单例生成器"设计由用户本人提出，本提交只在其上修 bug。

- random_state 判断从 isinstance(x, int) 放宽到 (int, np.integer)：
  np.int64 不是 int 的子类，之前会静默退回全局流、种子被无声忽略
- 非预期类型改成抛 TypeError（含 bool / float / str / list），不再静默降级
- get_rng 签名补上 np.integer 与 Generator，与 docstring 的承诺一致
- set_seed 同时调用 np.random.seed：sklearn / statsmodels 走的是 numpy
  旧全局状态，不覆盖它们"提交能重跑"就有洞（带 noqa: NPY002 与理由）
- 测试：TestRandom 由 4 条增到 7 条（np.integer、非法类型、共享生成器推进）
- 新增 docs/dev/personal-pitfalls.md：个人易错点清单，只追加、不通读，
  首批记录本轮 4 个点；docs/README.md 补上 05 与该文件的索引
- STATUS.md：L0 进度说明更新，决策 24 改写（共享单例）、新增决策 25
  （src/ 实现默认由用户本人写）

STATUS.md

@@ -67,14 +67,14 @@
         float 走 `.6g`，`|` 转义，`message` 以引用行附在表后；幂等无副作用
       - 测试：`tests/test_core.py` 去掉 skip + 新增 3 条
         （默认值/失败路径/大数组、Markdown 结构、可重复调用）
-- [x] `core/random.py` 的 `get_rng` / `set_seed`
-      - `get_rng(42)` 固定种子可复现；`get_rng(gen)` 原样返回；`get_rng()` 跟随全局种子
-      - `set_seed(seed)` 除了记住种子，还一并调 `np.random.seed`，
-        让 sklearn / statsmodels 那些走旧全局的库也能复现（全项目**唯一**碰旧接口的地方，
-        带 `# noqa: NPY002` 与理由）
-      - 已知取舍：同一个全局种子下每次 `get_rng()` 拿到**同一条流**（见决策 24）
-      - 测试：`TestRandom` 去掉 skip，并把原来那条"自己测自己"的空转测试换成
-        两条真断言（无参可复现、旧全局被覆盖）
+- [x] `core/random.py` 的 `get_rng` / `set_seed`（**设计由用户本人写**，Codex 补齐类型校验）
+      - 无参 `get_rng()` 复用**同一个模块级生成器**且会推进：既保证重跑一致，
+        又避免两个都省略 `random_state` 的函数抽到同一串数（原决策 24 的取舍已消掉）
+      - `get_rng` 收 `int` / `np.integer` / `Generator` / `None`，其余类型**抛 `TypeError`**：
+        `np.int64` 不是 `int` 的子类，曾因此静默退回全局流
+      - `set_seed` 同时调 `np.random.seed`，覆盖 sklearn / statsmodels 走的 numpy 旧全局
+        （全项目**唯一**碰旧接口的地方，带 `# noqa: NPY002` 与理由）
+      - 测试：`TestRandom` 共 7 条（可复现、透传、无参跟随、旧全局、np.integer、非法类型、共享推进）
 - [ ] 剩余 10 项（11 个函数）：`load_table` `clean_missing`
       `detect_outliers` `normalize` `standardize` `describe` `correlation_matrix`
       `bootstrap_ci` `monte_carlo` `save_figure`
@@ -83,15 +83,15 @@
 
 | 检查 | venv | conda `mcm-toolkit` |
 |---|---|---|
-| `pytest` | 28 passed, 45 skipped | 28 passed, 45 skipped |
+| `pytest` | 31 passed, 45 skipped | 31 passed, 45 skipped |
 | `import mcm_toolkit` | 0.0.1 / 16 项 | 0.0.1 / 16 项 |
 | `ruff check` | All checks passed | All checks passed |
 | `scripts/doctor.ps1` | 跑通 | — |
 | SALib / pymoo / pyright | 缺失 | 已装 |
 
 - base 亦已复核：numpy 2.4.6 / scipy 1.18.1 / pandas 3.0.6（与两套环境一致）
-- skip 的都是等实现的算法行为测试；通过的 28 条 = 20 条公开 API 契约测试
-  （`tests/test_api_surface.py`）+ 8 条 `core` 行为测试（`tests/test_core.py`）
+- skip 的都是等实现的算法行为测试；通过的 31 条 = 20 条公开 API 契约测试
+  （`tests/test_api_surface.py`）+ 11 条 `core` 行为测试（`tests/test_core.py`）
 - 三个 `.ps1` 通过 PowerShell AST 语法解析
 
 ### ⚠️ 需要注意 / 遗留
@@ -140,7 +140,8 @@
 | 21 | `Result.__repr__` **不打印 `data` 内容**，只给类型与规模 | 模拟轨迹动辄十万个数，repr 一旦刷屏，traceback / 调试器 / notebook 输出就全废了。要看数据请直接取 `result.data` |
 | 22 | `Result.summary()` 的行序 = 字典插入顺序，不排序 | 比赛时"想先看哪个指标"自己决定键的插入顺序即可，工具不该替人排序 |
 | 23 | `set_seed` 内部**允许**调用 `np.random.seed`（带 noqa） | sklearn / statsmodels 默认走 numpy 旧全局状态，只记自己的 `_GLOBAL_SEED` 覆盖不到它们，"提交能重跑"就是假的。旧接口在这一个点上不是"取随机数"而是"设种子"，性质不同 |
-| 24 | `get_rng(None)` 不做 `SeedSequence.spawn` 拆分，同一种子下多条流相同 | 多引入一个模块级计数器，会让"同一次调用顺序不同 → 结果不同"，对刚上手的人更难解释。取舍写进 docstring，真要独立流就显式传不同 `random_state` |
+| 24 | `get_rng(None)` **复用同一个模块级生成器**（会推进），不每次新建 | **用户本人提出**，取代 Codex 原来"每次新建 `default_rng(全局种子)`"的写法——那样两个都省略 `random_state` 的函数会抽到完全相同的数。共享单例既保证重跑一致，又让流自然推进 |
+| 25 | `src/` 下的实现默认由**用户本人**写，Codex 只改 `tests/` 与 `docs/` | 目标是"一边学一边自己写"。曾出现 Codex 直接落盘 `random.py`、与用户编辑器缓冲区冲突导致保存失败。需要代写时用户会明说 |
 
 ## 下一步