mnemox-ai/tradememory-protocol

解決的問題

TradeMemory 為 AI 交易代理提供專用的記憶層，防止其重複犯錯並符合監管要求。它透過提供每個決策的持久化、結構化記錄，解決了 AI 代理的「失憶」問題——即在上下文視窗結束時忘記過去的交易及其背後的原因。

工作原理

TradeMemory 作為非執行型的記錄與召回系統，透過 Model Context Protocol (MCP) 與 AI 平台整合。它使用 Outcome-Weighted Memory (OWM) 框架，在五個記憶層（情節記憶、語義記憶、程序性記憶、情感記憶和交易記錄）中儲存與檢索交易。

關鍵流程包括：

• 召回：在執行新交易前，根據結果品質、上下文相似性與近期性，檢索過去交易。
• 記錄：在交易執行後，儲存交易的詳細資訊及其結果。
• 反思：分析行為偏移與策略衰減隨時間的變化。
• 審計：建立 SHA-256 改動可檢測的審計日誌，每個決策皆被雜湊並連結至前向鏈式帳本，每日產生 Merkle 根。

適用對象

• AI 交易開發者：需要長期記憶與行為分析的代理建構者。
• 量化交易員：執行飛行前檢查清單以維持紀律的使用者。
• 合規團隊：需要抗篡改審計日誌以符合 MiFID II 與歐盟 AI 法案等法規的基金與機構。

核心亮點

• MCP 整合：支援 Claude Desktop、Cursor 及其他 MCP 相容代理的即用型工具。
• 可檢測篡改的審計日誌：使用 SHA-256 雜湊與 Merkle 根，確保記錄無法被篡改而不被發現。
• 結果加權記憶：基於認知科學的召回方法，根據交易的成功或失敗進行優先排序。
• 安全護欄：內建對置信度、回撤與連敗的追蹤，當代理應停止交易時發出警報。