tradememory-protocol
mnemox-ai/tradememory-protocol加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象这样一个场景： 你的 AI 交易系统刚刚在 AAPL 股票上完成了一笔买卖操作。但当你问它"上次在这个市场条件下交易 AAPL 结果如何？"时，它一脸茫然——不是因为它不想回答，而是因为它真的不记得了。每次会话结束，上下文窗口关闭，它就把所有经验忘得干干净净。更令人担忧的是，如果监管机构要求你提供 AI 做出这笔交易决策的完整依据，你什么都拿不出来。
这就是当前 AI 交易生态系统的真实写照。TradeMemory Protocol 解决的就是这个问题：它为 AI 交易代理添加了一个持久化记忆层，每个交易决策都被完整记录、可追溯验证。
传统 MCP（Model Context Protocol）服务器负责执行层面的工作：下单、获取价格、读取 K 线图。没有任何一个 MCP 服务器负责记忆。Mnemox AI 团队在开发 MT5/外汇自动化交易系统时发现了这个缺口——他们的 AI 代理在每次会话中重复相同的错误，无法从历史交易中学习和改进。
与此同时，监管压力正在快速上升。欧盟 MiFID II 指令第 17 条 要求算法决策具备可审计性；欧盟 AI 法案第 14 条 更是明确要求对 AI 系统行为进行系统化日志记录。在美国，SEC 对量化交易的审查也在持续加强。这意味着：没有交易记忆能力的 AI 系统，不仅在性能上处于劣势，在合规层面也面临越来越大的风险。
TradeMemory Protocol 的作者团队（Mnemox AI）直接回应了这个需求：构建一个标准化的交易记忆协议，通过 MCP 工具接口暴露给所有 AI 代理，同时满足金融审计的严格要求。
TradeMemory Protocol 的核心是一个叫做 OWM（Optimized World Model，优化世界模型） 的框架，它将交易记忆组织为三个递进的层次：
最基础的记录层。每当一笔交易完成，store_record 工具将以下信息存入 TimescaleDB（时间序列优化数据库）：
这些记录带有 SHA-256 防篡改哈希链，任何事后修改都会导致哈希校验失败——这直接满足了金融审计的完整性要求。
当 AI 代理在特定市场条件下准备开仓时，recall_recall 工具通过 pgvector 向量相似度搜索，在历史数据中找出"上次在这个条件下发生了什么"。它不是简单的关键词匹配，而是语义级别的模式检索——比如"上次 AAPL 在高波动率 + 加息周期下交易，后续走势如何"。
L2 的核心价值在于：它让 AI 代理在做决策前拥有了类比推理能力，而不是盲目的概率猜测。
L3 是 OWM 框架中最具野心的部分。它通过结果加权反馈来动态调整策略信心度。每笔交易的结果（盈/亏/盈利率）都会反馈到相关策略的信心评分中。当某个策略在特定市场条件下连续失败，L3 会自动降低其信心权重。
L3 由 reflection 工具驱动，通过 Deflated Sharpe Ratio、Walk-Forward 验证、CPCV（组合概率比较验证）等统计方法对策略进行严格评估。注意：作者在 LIMITATIONS.md 中明确标注 L3 为"研究阶段"功能，尚未在生产环境全面验证。
后端核心依赖：
前端 Dashboard：
开发规范亮点：
pytest tests/ 验证除了 MCP tools，TradeMemory 还提供了一个功能完整的 Web 可视化 Dashboard：
图1：OWM 三层记忆架构（来源：项目官方素材）
图2：记忆存储与检索管道（来源：项目官方素材）
安装方式（两种）：
方式一：pip 直接安装（推荐）
pip install tradememory-protocol
tradememory-protocol # 启动 MCP server
方式二：Docker 完整环境（含数据库）
git clone https://github.com/mnemox-ai/tradememory-protocol
cd tradememory-protocol
docker-compose up -d # 启动 TimescaleDB
pip install tradememory-protocol
启动后访问 Dashboard：http://localhost:3000
MCP 接入方式（多种）：
项目已在 Smithery 和 Smithery.ai 平台上线，支持 Claude Desktop、Cursor、Windsurf 等主流 AI 编程工具的一键接入。
作者在 LIMITATIONS.md 中非常坦诚地列出了项目的已知局限，这些是阅读 README 时最重要的补充材料：
validate_strategy 工具可能上传统计数据（Terms of Use 正在完善中）
图3：OWM 框架中的市场因素权重（来源：项目官方素材）
TradeMemory Protocol 代表了一个新兴类别：AI Agent Memory Infrastructure（AI 代理记忆基础设施）。随着 MCP 协议在 AI 工具生态中的快速普及，专门负责"记忆"的中间件层正在成为刚性需求。
在监管层面，该项目提前布局了合规审计能力。对于希望在欧盟市场运营的量化交易 AI 系统而言，SHA-256 防篡改审计链 + 系统化交易日志，是满足 MiFID II 和 EU AI Act 要求的必要条件，而非可选项。
适合使用的用户：
需要了解的局限：
一句话评价： 交易记忆层的"操作系统"，填补了 AI 交易代理从"能执行"到"能学习"的最后一块拼图。