流式累计求和

你正在处理一段整数事件流，每个值按时间顺序到来。每当一个新事件到达时，你必须立即输出截至本笔（含）为止的累计和——也就是当前已观测到的所有值之和。请实现 solution(values: list[int]) -> list[int]：传入完整序列，返回一个等长列表，第 i 项等于 values[0] + values[1] + ... + values[i]。

这是最经典的单标量累加器模式：维护一个 running total，每个事件来了就更新它、输出它。一次扫描，O(N) 时间，输出列表之外只用 O(1) 辅助状态。操作顺序必须是 total += v 然后才追加到输出——先输出再更新会差一位（第一项会被错写成 0 而不是 values[0]）。

示例

solution([1, 2, 3, 4]) 返回 [1, 3, 6, 10]。事件 0 到达后总和为 1；事件 1 到达后为 1 + 2 = 3；事件 2 后 3 + 3 = 6；事件 3 后 6 + 4 = 10。每一项都是「包括刚到达的这一笔」的累计和。

solution([0, 0, 0, 0]) 返回 [0, 0, 0, 0]。零值事件不会推动累加器，但仍然会产生输出项——输出长度必须等于输入长度、一笔一项，与值是否对累加有贡献无关。

solution([5, -5, 5, -5, 5]) 返回 [5, 0, 5, 0, 5]。正负相抵在累加器里直接发生；累计和可能多次回到同一个值，这是允许的——输出并不要求单调。

代码骨架见 stubs/stub.py。

实战背景

流式累计求和是事件流上的最简 fold——而 fold 是流处理的基石。实时交易系统里，策略接收一串逐笔 P&L 增量，每个事件后都要立刻知道截至当前的累计 P&L：这正是上述循环。同样的模式驱动了 cumulative volume（每笔成交手数累加，VWAP 分母里的 V）、cumulative notional（成交金额 = 价 × 量，VWAP 分子）、做市商库存追踪（带符号成交累加为净持仓）、以及盘中的各类风险归因累计量。生产系统在两个方向上推广这一模式：(1) 窗口化 fold——把无界总和换成「剔除 T 秒以前事件」，需要用 deque 保留历史，O(1) 辅助状态升级为 O(window)；(2) 增量统计——方差、指数加权均值（EWMA）、在线分位数——保留状态多于一个 sum，但每事件仍是 O(1) 更新。无界累计求和是这条路径的入口：把 index 对齐做对（第 i 项含事件 i）、把更新-输出顺序做对，你就内化了所有单遍流式聚合共享的节奏。