edge-signal-aggregator

Edge Signal Aggregator

概要

複数の上流のエッジ発見スキルの出力を、単一の重み付き確信度ダッシュボードに統合します。このスキルは、設定可能なシグナル重みを適用し、重複するテーマを排除し、スキル間の矛盾をフラグ付けし、総合的な信頼スコアで複合的なエッジアイデアをランク付けします。その結果は、各貢献スキルへの来歴リンクを備えた、優先順位付けされたエッジの候補リストとなります。

使用する場面

• 複数のエッジ発見スキルを実行した後、統一されたビューを求めるとき
• edge-candidate-agent、theme-detector、sector-analyst、institutional-flow-tracker からのシグナルを統合するとき
• 複数のシグナルソースに基づいてポートフォリオ配分の意思決定を行う前
• 異なる分析アプローチ間の矛盾を特定するとき
• どのエッジアイデアがより深い調査に値するかを優先順位付けするとき

前提条件

• Python 3.9+
• API キーは不要です（他のスキルからのローカル JSON/YAML ファイルを処理します）
• 依存関係: pyyaml（ほとんどの環境で標準）

ワークフロー

ステップ 1: 上流スキルの出力を収集する

集約したい上流スキルから出力ファイルを収集します:

• edge-candidate-agent からの reports/edge_candidate_*.json
• edge-concept-synthesizer からの reports/edge_concepts_*.yaml
• theme-detector からの reports/theme_detector_*.json
• sector-analyst からの reports/sector_analyst_*.json
• institutional-flow-tracker からの reports/institutional_flow_*.json
• edge-hint-extractor からの reports/edge_hints_*.yaml

ステップ 2: シグナル集約を実行する

上流出力へのパスを指定して、アグリゲータースクリプトを実行します:

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/

任意: カスタムの重み設定を使用します:

python3 skills/edge-signal-aggregator/scripts/aggregate_signals.py \
  --edge-candidates reports/edge_candidate_agent_*.json \
  --weights-config skills/edge-signal-aggregator/assets/custom_weights.yaml \
  --output-dir reports/

ステップ 3: 集約されたダッシュボードを確認する

生成されたレポートを開いて確認します:

1. ランク付けされたエッジアイデア - 総合的な確信度スコアでソート
2. シグナルの来歴 - 各アイデアにどのスキルが貢献したか
3. 矛盾 - 手動レビューのためにフラグ付けされた競合するシグナル
4. 重複排除ログ - マージされた重複テーマ

ステップ 4: 高確信度のシグナルに対して行動する

最小確信度しきい値で候補リストをフィルタリングします:

python3 skills/edge-signal-aggregator/scripts/aggregate_signals.py \
  --edge-candidates reports/edge_candidate_agent_*.json \
  --min-conviction 0.7 \
  --output-dir reports/

出力形式

JSON レポート

{
  "schema_version": "1.0",
  "generated_at": "2026-03-02T07:00:00Z",
  "config": {
    "weights": {
      "edge_candidate_agent": 0.25,
      "edge_concept_synthesizer": 0.20,
      "theme_detector": 0.15,
      "sector_analyst": 0.15,
      "institutional_flow_tracker": 0.15,
      "edge_hint_extractor": 0.10
    },
    "min_conviction": 0.5,
    "dedup_similarity_threshold": 0.8
  },
  "summary": {
    "total_input_signals": 42,
    "unique_signals_after_dedup": 28,
    "contradictions_found": 3,
    "signals_above_threshold": 12
  },
  "ranked_signals": [
    {
      "rank": 1,
      "signal_id": "sig_001",
      "title": "AI Infrastructure Capex Acceleration",
      "composite_score": 0.87,
      "contributing_skills": [
        {
          "skill": "edge_candidate_agent",
          "signal_ref": "ticket_2026-03-01_001",
          "raw_score": 0.92,
          "weighted_contribution": 0.23
        },
        {
          "skill": "theme_detector",
          "signal_ref": "theme_ai_infra",
          "raw_score": 0.85,
          "weighted_contribution": 0.13
        }
      ],
      "tickers": ["NVDA", "AMD", "AVGO"],
      "direction": "LONG",
      "time_horizon": "3-6 months",
      "confidence_breakdown": {
        "multi_skill_agreement": 0.30,
        "signal_strength": 0.35,
        "recency": 0.22
      }
    }
  ],
  "contradictions": [
    {
      "contradiction_id": "contra_001",
      "description": "Conflicting sector view on Energy",
      "skill_a": {
        "skill": "sector_analyst",
        "signal": "Energy sector bearish rotation",
        "direction": "SHORT"
      },
      "skill_b": {
        "skill": "institutional_flow_tracker",
        "signal": "Heavy institutional buying in XLE",
        "direction": "LONG"
      },
      "resolution_hint": "Check timeframe mismatch (short-term vs long-term)"
    }
  ],
  "deduplication_log": [
    {
      "merged_into": "sig_001",
      "duplicates_removed": ["theme_detector:ai_compute", "edge_hints:datacenter_demand"],
      "similarity_score": 0.92
    }
  ]
}

Markdown レポート

Markdown レポートは、人間が読めるダッシュボードを提供します:

# Edge Signal Aggregator Dashboard
**Generated:** 2026-03-02 07:00 UTC

## Summary
- Total Input Signals: 42
- Unique After Dedup: 28
- Contradictions: 3
- High Conviction (>0.7): 12

## Top 10 Edge Ideas by Conviction

### 1. AI Infrastructure Capex Acceleration (Score: 0.87)
- **Tickers:** NVDA, AMD, AVGO
- **Direction:** LONG | **Horizon:** 3-6 months
- **Contributing Skills:**
  - edge-candidate-agent: 0.92 (ticket_2026-03-01_001)
  - theme-detector: 0.85 (theme_ai_infra)
- **Confidence Breakdown:** Agreement 0.30 | Strength 0.35 | Recency 0.22

...

## Contradictions Requiring Review

### Energy Sector Conflict
- **sector-analyst:** Bearish rotation (SHORT)
- **institutional-flow-tracker:** Heavy buying XLE (LONG)
- **Hint:** Check timeframe mismatch

## Deduplication Summary
- 14 signals merged into 8 unique themes
- Average similarity of merged signals: 0.89

レポートは reports/ に以下のファイル名で保存されます:

• edge_signal_aggregator_YYYY-MM-DD_HHMMSS.json
• edge_signal_aggregator_YYYY-MM-DD_HHMMSS.md

リソース

• scripts/aggregate_signals.py -- CLI インターフェースを備えたメインの集約スクリプト
• references/signal-weighting-framework.md -- デフォルトの重みとスコアリング手法の根拠
• assets/default_weights.yaml -- デフォルトのスキル重み設定

主要な原則

1. 来歴の追跡 -- 集約されたすべてのシグナルは、元のスキルと元の参照へリンクバックします
2. 矛盾の透明性 -- 競合するシグナルは隠さずにフラグ付けされ、情報に基づいた意思決定を可能にします
3. 設定可能な重み -- デフォルトの重みは一般的な信頼性を反映していますが、ユーザーごとにカスタマイズできます
4. 損失のない重複排除 -- マージされたシグナルは、すべての元のソースへの参照を保持します
5. 実行可能な出力 -- 各アイデアの明確なティッカー、方向性、時間軸を備えたランク付けされたリスト