TradeMemory Protocol

你的交易 AI 患有健忘症。而监管机构正开始注意到这一点。

它在每个交易时段都犯同样的错误。它无法解释为何进行交易。当上下文窗口关闭时，它会忘记一切。与此同时，MiFID II 正在提高算法决策文档的标准（第 17 条）。欧盟 AI 法案要求对 AI 行为进行系统记录（第 14 条）。你竞争对手的智能体正在从每笔交易中学习。

AI 交易堆栈缺少一个层。每个 MCP 服务器都处理执行——下单、获取价格、读取图表。没有一个处理记忆。

你的智能体可以买入 100 股 AAPL，但无法回答：“上次我在这种情况下买入 AAPL 时发生了什么？”

TradeMemory 就是记忆层。 一个 pip install，你的 AI 智能体就能记住每笔交易、每个结果、每个错误——并附带 SHA-256 防篡改审计追踪。

被交易员用于在每次建仓前运行飞行前检查清单，并被 EA 系统用于每天记录数千个决策。

它能做什么

• 交易前： 询问你的记忆——上次在这种市场条件下发生了什么？结果如何？
• 交易后： 一次调用记录一切——五个记忆层自动更新
• 安全护栏： 信心追踪、回撤警报、连败检测——系统会告诉你何时停止

适用于任何市场（股票、外汇、加密货币、期货）、任何经纪商、任何 AI 平台。TradeMemory 不执行交易或动用你的资金——它只负责记录和回忆。

快速入门

pip install tradememory-protocol

添加到 Claude Desktop（claude_desktop_config.json）：

{
  "mcpServers": {
    "tradememory": {
      "command": "uvx",
      "args": ["tradememory-protocol"]
    }
  }
}

然后告诉 Claude：“记录我的 AAPL 多头头寸，价格 195 美元——盈利超预期，机构买入，高信心。”

# Claude Code
claude mcp add tradememory -- uvx tradememory-protocol

# From source
git clone https://github.com/mnemox-ai/tradememory-protocol.git
cd tradememory-protocol && pip install -e . && python -m tradememory

# Docker
docker compose up -d

完整演练： 快速入门（交易员路径 + 开发者路径）

谁在使用 TradeMemory

工作原理

1. 回忆 — 交易前，根据结果质量、情境相似度、新近度、信心和情绪状态加权检索过去的交易（OWM 框架）
2. 记录 — 交易后，一次调用 remember_trade 写入五个记忆层：情景记忆、语义记忆、程序记忆、情感记忆和交易记录
3. 反思 — 每日/每周/每月回顾检测行为漂移、策略衰退和交易错误
4. 审计 — 每个决策在创建时都经过 SHA-256 哈希处理。可随时导出以供审查或监管提交

MCP 工具

定价

需要集成帮助？

正在构建交易 AI 智能体，想要经过实战检验的记忆架构？

免费 30 分钟策略通话 — 我们将梳理你智能体的记忆需求，并为你的特定工作流程设计护栏。

dev@mnemox.ai | 预约通话

我们已帮助交易员构建飞行前检查清单、连接 MT5/Binance，并为外汇、股票和加密货币设计自定义护栏。

企业版与合规

你的智能体做出的每个交易决策——包括不交易的决策——都被记录为交易决策记录（TDR）。每条记录的 SHA-256 内容哈希被链接到一个前向链式审计账本中；每个 UTC 日由一个默克尔根摘要，该根本身跨天链接。篡改任何历史记录都会使后续所有链接失效。

# Verify a single record hasn't been tampered with
verify_audit_hash(trade_id="MT5-7047640363")
# → {"verified": true, "chain_entry": {"sequence_num": 42, ...}}

# Walk the entire chain (or a slice) end-to-end
verify_audit_chain(from_seq=1, to_seq=None)
# → {"verified": true, "checked_count": 1284, "first_break_at": null}

# Daily Merkle root — single 32-byte anchor over every TDR for that day
get_daily_root(date="2026-05-14")
# → {"verified": true, "root_hash": "a05544...", "record_count": 18}

# Bulk export for regulatory submission
GET /audit/export?strategy=VolBreakout&start=2026-03-01&format=jsonl

有关完整的审计链成熟度声明，包括 v0.5.2 中尚未包含的内容（TSA 时间戳、外部锚定、zkML 推理证明），请参阅 LIMITATIONS.md。

需要为你的基金定制部署？ → dev@mnemox.ai

安全性

• 绝不触碰 API 密钥。 TradeMemory 不执行交易、转移资金或访问钱包。
• 仅读取和记录。 你的智能体将决策上下文传递给 TradeMemory。它存储这些信息。仅此而已。
• 本地优先。 唯一的出站调用是对每日审计根的 RFC 3161 可信时间戳——一个 32 字节的哈希，不包含交易数据（默认开启；使用 TRADEMEMORY_TSA=off 禁用）。没有其他数据离开你的机器。
• SHA-256 链式审计账本。 每条记录在创建时都经过哈希处理，并链接到前一条记录。每日默克尔根锚定该链。在记录、切片或日级别验证完整性。篡改在每个级别都是可检测的；外部锚定（默认 TSA）已在路线图上。
• 1,400+ 项测试通过。 完整的测试套件，带 CI。

研究状态

TradeMemory 的 OWM 框架基于认知科学（Tulving 1972） 和强化学习（Schaul 等人 2015）。当前状态：

• OWM 五因素评分： 已实现，已测试（1,400+ 项测试）
• 统计验证： DSR、MBL 已实现（Bailey-de Prado 2014）
• 审计追踪： SHA-256 防篡改 TDR
• 进化引擎： 研究阶段（策略生成有效，统计关卡通过率正在优化）
• 混合回忆： OWM 独占模式激活，配置嵌入时可用向量融合
• 实证验证： 进行中（n=40 笔交易，目标 n>=100 以获得统计显著性）

文档

贡献

请参阅 贡献指南 · 安全政策

MIT — 请参阅 LICENSE。仅供教育/研究目的。不构成财务建议。