用途：将多个上游边缘发现技能的输出合并成一张加权信念（conviction）仪表板，便于统一查看、去重、发现矛盾并按综合置信度排序。适合在运行多个边缘发现技能后整合信号、做组合配置前汇总多来源、或筛选值得深入研究的想法。
主要能力：可配置信号权重；对重叠主题去重；标记不同分析方向之间的冲突；按综合置信度排序生成边缘想法短名单，并保留每个想法的来源溯源。支持按最低信念阈值过滤，如 --min-conviction 0.7。输出 JSON 与 Markdown 报告，保存至 reports/，文件名形如 edge_signal_aggregator_YYYY-MM-DD_HHMMSS.json 和 .md。
使用方式：需 Python 3.9+，依赖 pyyaml，无需 API 密钥，处理其他技能生成的本地 JSON/YAML 文件。先收集上游输出，例如 reports/edge_candidate_.json、reports/edge_concepts_.yaml、reports/theme_detector_.json、reports/sector_analyst_.json、reports/institutional_flow_.json、reports/edge_hints_.yaml。然后运行：python3 skills/edge-signal-aggregator/scripts/aggregate_signals.py --edge-candidates reports/edge_candidate_agent_.json --edge-concepts reports/edge_concepts_.yaml --themes reports/theme_detector_.json --sectors reports/sector_analyst_.json --institutional reports/institutional_flow_.json --hints reports/edge_hints_.yaml --output-dir reports/。可使用 --weights-config skills/edge-signal-aggregator/assets/custom_weights.yaml 自定义权重，或用 --min-conviction 设定阈值。
限制与规则：评分须声明 0-1 或 0-100 尺度；严格校验，NaN、无穷、负数、越界或无法解析的声明会被拒绝并记入 invalid_signals，不会转为最高置信度。未声明尺度时，(1,100] 的值会除以 100 并标记 score_scale_assumed 与 scale_assumptions_report，>100 被拒绝。去重按证据 ID，时间戳较新者保留（时区感知；仅支持 ISO-8601 或 YYYY-MM-DD；epoch 等视为缺失），缺失或不可解析时按最高 raw_score、再按稳定键决定，重复摄取不增加评分。一致度奖励基于已合并信号贡献者中不同证据 ID、事件指纹和技能数量的最小值，2 项得双技能奖励，3 项及以上得三技能以上奖励；事件指纹基于词汇，换述的跨技能表达仍可能获得一致度奖励。合并重复项不再获得逐副本奖励。重新摄取的相同证据不会虚增分数。报告中还包含矛盾列表、去重日志、无效信号和尺度假设报告。