用途：把 8 个上游分析技能的 JSON 输出（5 个必需、3 个可选）综合为单一 0-100 信念分，归类为 4 种 Druckenmiller 模式之一，并生成可执行的配置建议。适用问题包括“总体判断如何”“该如何定位”“是否增减敞口”等策略综合场景。
主要能力：7 项加权组件评分（市场结构 18%、派发风险 18%、底部确认 12%、宏观一致性 18%、主题质量 12%、形态可用性 10%、信号收敛 12%）；信念分区（80-100 最高信念 90-100% 敞口；60-79 高信念 70-90%；40-59 中等 50-70%；20-39 低 20-50%；0-19 资本保全 0-20%）；4 种模式（政策转向预期、不可持续扭曲、极端情绪逆向、等待观察）。输出 JSON 与 Markdown 报告。
使用方式：先运行必需技能，确保其 JSON 报告位于 reports/ 且时间新于 72 小时，然后执行：
python3 skills/stanley-druckenmiller-investment/scripts/strategy_synthesizer.py
--reports-dir reports/
--output-dir reports/
--max-age 72
输出文件命名为 druckenmiller_strategy_YYYY-MM-DD_HHMMSS.json 与 .md。
所需上游：必需——Market Breadth Analyzer、Uptrend Analyzer、Market Top Detector、Macro Regime Detector、FTD Detector；可选——VCP Screener、Theme Detector、CANSLIM Screener。参考文档包括 investment-philosophy.md、market-analysis-guide.md、case-studies.md、conviction_matrix.md。
限制：自身不提供 API 密钥，但依赖上游技能产出；缺失或过期报告需先重新运行对应技能。评分与模式规则、权重以脚本和参考文档为准；其他定价、平台与效果信息暂未提供。