用途：将每日市场观察、异常或假设转化为结构化的美股多头“edge”研究工单，并按优先级排序；在拆分工作流中主要承担最终的导出与校验环节，输出可供 trade-strategy-pipeline 第一阶段使用的候选规格。
主要能力：基于 EOD OHLCV 运行每日自动检测，可结合 --hints 或外部 LLM 思路；生成 daily_report.md、market_summary.json、anomalies.json、watchlist.csv 及 exportable/research_only 工单；将工单导出为 strategy.yaml 与 metadata.json，并通过 validate_candidate.py 输出接口与阶段约束的通过/失败原因。
使用方式：需 Python 3.9+ 与 PyYAML，访问目标 trade-strategy-pipeline 仓库，经 --pipeline-root 校验时需 uv。常用命令包括 auto_detect_candidates.py（可加 --ohlcv、--output-dir、--top-n、--hints、--export-strategies-dir、--pipeline-root）、export_candidate.py（--ticket、--strategies-dir）以及 validate_candidate.py（--strategy，可选 --pipeline-root、--stage phase1）。建议先以 --dry-run 试跑。
限制与规则：导出时保留 validation.method: full_sample，validation.oos_ratio 需省略或为 null；v1 仅支持 pivot_breakout（vcp_detection）与 gap_up_continuation（gap_up_detection）两类入场族，其他假设族只能标记为 research-only。违反 schema 边界、风险/退出条件异常、条件为空、文件夹名与 id 不匹配的候选会被拒绝；metadata 需确定性地带 interface_version: edge-finder-candidate/v1。
适用场景：把交易假设标准化为研究工单、每日自动发现候选、在进入流水线前做兼容性预检与交接。费用、平台与效果数据暂未提供。