用途：作为 PaperOrchestra 的前置处理步骤，扫描 AI 编码智能体缓存目录（.claude、.cursor、.antigravity、.openclaw）或用户指定目录中的实验产物，合成为 PaperOrchestra 管道所需的结构化 (I, E) 输入对。若 workspace/inputs/idea.md 与 experimental_log.md 已存在且非空可直接跳过。
主要能力：分五阶段执行。Phase 1 发现（discover_logs.py 扫描日志并生成 discovered_logs.json，未设 --project 时退出码为 2）；Phase 1.5 项目选择（必须由用户确认单个项目）；Phase 2 抽取（按批调用 LLM，依据 references/extraction-prompt.md 生成 raw_experiments.json，可用 --validate-only 校验）；Phase 3 合成（一次 LLM 调用，依据 references/synthesis-prompt.md 生成 synthesis.json，含 research_question、hypothesis、results_tables 等键）；Phase 4 格式化（format_po_inputs.py 生成 workspace/inputs/idea.md 与 experimental_log.md）；Phase 5 审计报告（--report 生成 aggregation_report.md）。
使用方式：命令参数包括 --search-roots、--agents、--workspace、--depth（默认4）、--since。典型命令：python skills/agent-research-aggregator/scripts/discover_logs.py --search-roots <roots> --agents <agents> --depth <depth> --since <since> --out workspace/ara/discovered_logs.json，后续使用 extract_experiments.py 与 format_po_inputs.py。
限制：对缓存目录只读；禁止写入个人隐私信息；禁止编造结果，低置信指标标记 [UNVERIFIED]；文件超过 200 KB 截断；二进制文件跳过；扫描超过 50 个文件时须用户确认；交接仍需用户提供 template.tex 与 conference_guidelines.md。