多源新闻 Feed 取最新 N 条

多源新闻 / 社媒情绪聚合的扇入场景：feeds 是 K 条独立的来源流（例如每家新闻商一条、每个社交平台一条），每条都已经按 ts *降序*（最新在前），因为上游采集器为每个来源维护一个固定大小的环形缓冲区，交还的就是最新一端。下游消费者（情绪聚合 / alpha 研究）只想要**全局最新的 n_top 条**，且每条都打上来源标签以保留 lineage：当看到某条 headline 时必须能反指出究竟是哪个来源发的。

朴素方案——把所有 feed 压平、附加 source_id、sorted(..., reverse=True)[:n_top]——是 O(N log N) 且很傻：输入已经按所要方向排好序，且我们也不要全部 N 条，只要前 n_top 条。正确工具是带 early termination 的最大堆 K 路归并。把每条非空 feed 的队首以 (-ts, source_id, 0) 形态压入堆（负的 ts，因为 heapq 是最小堆），然后循环：弹出最小键（= 全局最大 ts）输出、再把该 feed 的下一条压进堆。一旦 emit 满 n_top 条立即停止。整体 O(n_top · log K)，与每条 feed 的总长度无关。

请实现 solution(feeds: list[list[list]], n_top: int) -> list[list]。feeds 是 K 条按 ts 降序的来源流，每条记录形如 [ts, headline_id]。返回全局最新的 n_top 条 [ts, headline_id, source_id] 三元组，按 ts 降序、并列时较小 source_id 先输出。

例如 solution([[[100, 11], [80, 12]], [[90, 21], [70, 22]], [[85, 31]]], 3) 返回 [[100, 11, 0], [90, 21, 1], [85, 31, 2]]：全局最新的三条分别来自三个不同来源——feed 0 的 100 最新、feed 1 的 90 次之、feed 2 的 85 第三。feed 0 的 [80, 12] 和 feed 1 的 [70, 22] 因为只要 3 条而被截断。

并列示例：solution([[[50, 1]], [[50, 2]], [[50, 3]]], 2) 返回 [[50, 1, 0], [50, 2, 1]]：三个来源在 ts=50 全部并列，按较小 source_id 稳定决胜，取前 2 条截断。

边界：solution([], 10) 返回 []——没有 feed 也就没什么可输出。solution([[[5, 7]]], 0) 同样返回 []——n_top=0 直接短路、不做任何工作。