mnemox-ai/tradememory-protocol

解决的问题

TradeMemory 为 AI 交易代理提供专用的内存层，防止其重复犯错并满足监管要求。它通过提供每个决策的持久化、结构化记录，解决了 AI 代理的“失忆”问题——即在上下文窗口结束时忘记过去的交易及其背后的原因。

工作原理

TradeMemory 作为非执行型的记录与召回系统，通过 Model Context Protocol (MCP) 与 AI 平台集成。它使用 Outcome-Weighted Memory (OWM) 框架，在五个内存层（情景记忆、语义记忆、程序性记忆、情感记忆和交易记录）中存储和检索交易。

关键流程包括：

• 召回：在执行新交易前，基于结果质量、上下文相似性和近期性，检索过往交易。
• 记录：在交易执行后，保存交易的详细信息及其结果。
• 反思：分析行为偏差和策略衰减随时间的变化。
• 审计：创建 SHA-256 改动可检测的审计日志，每个决策都被哈希并链接到一个前向链式账本，每日生成 Merkle 根。

适用对象

• AI 交易开发者：需要长期记忆和行为分析的代理构建者。
• 量化交易员：运行飞行前检查清单以保持纪律的用户。
• 合规团队：需要抗篡改审计日志以满足 MiFID II 和欧盟 AI 法案等法规的基金和机构。

核心亮点

• MCP 集成：支持 Claude Desktop、Cursor 及其他 MCP 兼容代理的即用型工具。
• 可检测篡改的审计日志：使用 SHA-256 哈希和 Merkle 根，确保记录无法被篡改而不被发现。
• 结果加权记忆：基于认知科学的召回方法，根据交易的成功或失败进行优先级排序。
• 安全护栏：内置对置信度、回撤和连败的追踪，当代理应停止交易时发出警报。