TradeMemory Protocol
为交易型 AI 提供可追溯的长期记忆与决策审计。
证据明确表示核心产品只记录与检索交易记忆、不执行交易或接触资金，并披露默认启用的 RFC 3161 出站请求只发送 32 字节哈希且可关闭；测试配置还强制禁止真实 TSA 网络访问。风险检查具有拒绝、限仓和缩仓路径，因此最小权限、敏感数据处理和外部效果有实际支持。但没有看到记录或导出前的明确用户确认机制，也没有删除、撤销或恢复工作流，故 user_confirmation 较薄、rollback 为零。依赖仅设最低版本、没有锁文件或漏洞扫描证据；定时工作流使用 Supabase service-role 密钥，虽通过 secrets 注入且无泄露证据，仍是高权限部署面。作者归属可追踪到 Mnemox、联系邮箱和 Sean，但发布者未经企业注册验证且维护主体表述不完全统一。
CI 覆盖 Python 3.10–3.12、运行测试与演示，依赖来自常见 Python 包源；提供的风险测试覆盖无数据、阈值、拒绝、缩放和端到端持久化，并验证原因文本。不过 README 同时称 TSA 默认开启、外部锚定仍在路线图、Phase 1.5 尚未实现，且正文引用 v0.5.2 而包版本为 0.5.4，形成明显状态不一致，因此 self_consistency 仅为 1。测试展示了部分可理解的 reason/reasons 输出，但未提供全产品错误分类、网络失败或数据库故障消息的完整证据。
文档清楚区分股票交易者、外汇 EA、合规团队以及交易者和开发者路径，并列出多市场、多平台、MCP、REST、Docker、SQLite/Postgres 等适配面，受众与场景说明充分。工具名称和风险门控体现较精确的调用意图，且可通过环境变量关闭 TSA。不过代码证据只覆盖少数模块；所谓适用于任何市场、经纪商和 AI 平台属于宽泛声明，进化引擎仍在研究阶段，能力边界和环境兼容性未被全面证明。
README 的快速开始、工具分类、文档索引、架构与限制链接组织良好，源码安装、uvx、Claude、Cursor 和 Docker 路径明确；MIT 许可证文本、包元数据和 README 一致，故相关项目得分高。已明确维护模式、非投资建议、实证样本不足和未完成能力。扣分点是未提供 FAQ 内容本身，20 个 MCP 工具与 35+ REST 端点的稳定性政策不可见；虽声明有 CHANGELOG 链接和版本号，但未提供 CHANGELOG 文件内容。维护邮箱和维护模式清楚，但 Mnemox、Sean 及付费服务联系人之间的具体责任分工不够明确。
20 个工具的分组、示例 JSON、审核验证结果、风险检查原因和可导出的审计记录都指向可直接消费的输出。把决策记忆、结果加权召回、行为风险门控和篡改检测组合在一起，相比普通执行型交易代理有明确增量价值。其自托管与 MIT 许可降低采用成本，但持久存储、外部 TSA、部署依赖以及尚未完成的外部锚定会增加运维成本；样本仅 n=40，效果和合规收益尚未充分验证，因此成本收益未获满分。
部分主张可由 pyproject、CI、测试以及 README 相互对应，例如版本、Python 范围、测试禁网、风险约束和工具定位；具体测试也支持安全默认值、止损状态及反共振阈值行为。然而未提供实现源码、完整测试清单、限制文件或变更日志，无法静态核实 1,400+ 测试、20 个工具全部实现、35+ 端点、生产使用或完整哈希链。监管覆盖、生产采用和‘任何市场/平台’等营销性结论没有与推断清楚分离，且 TSA 成熟度陈述互相冲突。
- 这是低置信度静态审查；未执行代码、测试、安装流程或 TSA 请求。
- README 对 RFC 3161 TSA 的当前状态互相矛盾：既称默认开启，又称外部锚定仍在路线图或尚未进入当前版本。部署前应核对实际实现和默认配置。
- 不要把 SHA-256 链或文档中的法规映射等同于合规认证；外部时间锚定、完整性边界、密钥管理和记录保留政策仍需独立审计。
- 定时 live executor 使用 Supabase service-role 密钥。部署者应限制其环境、轮换密钥并确认脚本所需权限，所给材料未证明最小数据库权限。
- 依赖没有锁定上限或可复现锁文件，也未显示依赖漏洞扫描；安装前应生成锁定清单并完成安全审查。
- 风险模块在数据不足时返回 ACTIVE 默认状态，而不是暂停交易；这是一项需要运营方明确接受的安全策略。
这个 Agent 能做什么，适合哪些场景？
TradeMemory Protocol 是面向股票、外汇、加密资产和期货交易代理的自托管记忆与审计层，本身不执行交易、访问钱包或移动资金。它通过 20 个 MCP 工具和 35 个以上 REST 端点记录交易及未交易决策，并维护情景、语义、程序、情感和交易记录五类记忆。代理可在下单前按结果质量、情境相似度、时间、置信度和情绪状态召回历史经验，并检查回撤、连败、行为模式和交易计划。审计部分为记录生成 SHA-256 内容哈希、前向链式账本和每日 Merkle 根，可验证单条记录、链片段或整条链，并导出监管材料。项目可通过 PyPI、本地源码或 Docker 部署，明确支持 Claude Desktop 和 Claude Code；截至 2026 年 8 月已进入维护模式，不再计划新增功能或托管服务。
交易前，代理可调用 recall_memories 检索按结果加权的历史记录，使用 get_agent_state 和 get_behavioral_analysis 查看置信度、回撤、连败与行为变化，并通过 check_trade_legitimacy 执行五因素的 full、reduced 或 skip 风险门控。create_trading_plan 和 check_active_plans 用于保存并检查带条件触发器的前瞻计划。交易后，remember_trade 一次写入情景、语义、程序、情感及交易记录五个层次；get_strategy_performance、get_trade_reflection、validate_strategy 和 compute_dqs 提供策略表现、复盘和统计验证相关结果。进化组件可以通过 evolution_fetch_market_data、evolution_discover_patterns、evolution_run_backtest、evolution_evolve_strategy 和 evolution_get_log 获取数据、发现模式、回测、演化策略并读取日志，但该引擎仍处于研究阶段。审计组件使用 export_audit_trail、verify_audit_hash、verify_audit_chain 和 get_daily_root 生成导出并检查哈希链及每日 Merkle 根。系统只保存和召回代理传入的决策上下文，不连接券商执行交易。
- 美股交易者在每次建立 AAPL、TSLA 等仓位前运行记忆检索和预检清单，用历史相似交易约束重复性错误。
- 运行 MetaTrader 5 外汇 EA 的团队自动同步大量决策，同时记录信号为何被阻止以及哪些交易实际执行。
- 多资产基金的合规团队保存包括“不交易”在内的 Trading Decision Record，并导出可验证的决策链供审查。
- 策略研究人员用历史交易复盘、DSR、MBL、模式发现和回测工具观察策略衰减，但需自行判断研究阶段功能的可靠性。
- 交易代理开发者通过 MCP 或 REST API 为现有执行系统补充持久记忆、行为分析和风险门控，而不把订单权限交给该服务。
这个 Agent 有哪些优点和局限？
- 将交易前召回、交易后记录、行为分析、风险门控和审计集中在同一套 20 个 MCP 工具与 REST API 中。
- 审计不只覆盖已执行订单，也记录未交易决策，并支持单记录、链区间和每日 Merkle 根三个层级的完整性检查。
- 本地优先且不持有交易 API 密钥、不执行订单、不访问钱包，降低了把资金权限交给记忆服务的风险。
- 支持股票、外汇、加密资产和期货，并提供 MT5、Claude Desktop、Claude Code、源码安装及 Docker 路径。
- 结果加权召回综合结果质量、情境相似度、时间、置信度和情绪状态，而不只是按关键词或最近时间检索。
- 项目截至 2026 年 8 月处于维护模式，只继续审查错误和安全报告，不计划新功能或托管服务。
- 实证验证仍在进行，来源只报告 n=40 笔交易，低于其 n>=100 的统计显著性目标。
- 进化引擎仍是研究阶段，策略生成虽可运行，但统计门控通过率仍在优化。
- 审计成熟度描述存在边界：来源明确列出 TSA 时间戳、外部锚定和 zkML 推理证明尚未包含在 v0.5.2 中，因此不能把链式哈希等同于完整的外部证明。
- 采用者需要自行部署和运维本地服务；源码未在所给材料中注明最低 Python 版本、存储容量规划或故障恢复流程。
如何安装或部署这个 Agent？
需要可运行 Python 命令的环境；源码没有注明具体 Python 版本，也不要求券商、钱包或交易所凭据。使用 PyPI 安装：
pip install tradememory-protocolClaude Desktop 可在 claude_desktop_config.json 中加入：
{"mcpServers":{"tradememory":{"command":"uvx","args":["tradememory-protocol"]}}}
Claude Code 可运行：
claude mcp add tradememory -- uvx tradememory-protocol也可从源码安装：
git clone https://github.com/mnemox-ai/tradememory-protocol.git
cd tradememory-protocol && pip install -e . && python -m tradememory容器部署命令为：
docker compose up -d如何使用这个 Agent？
完成 MCP 配置后，可在 Claude 中首次输入：“Record my AAPL long at $195 — earnings beat, institutional buying, high confidence.” 系统会通过 remember_trade 保存交易背景。后续在交易前使用 recall_memories 查询相似市场条件下的历史结果，并可组合 get_agent_state、check_active_plans 与 check_trade_legitimacy 执行状态、计划和风险检查。交易结束后再次调用 remember_trade 更新结果和五层记忆，定期用 get_trade_reflection 或 get_behavioral_analysis 做复盘。审计时可调用 verify_audit_hash(trade_id="MT5-7047640363") 验证单条记录，调用 verify_audit_chain(from_seq=1, to_seq=None) 检查整条链，或调用 get_daily_root(date="2026-05-14") 验证某日根哈希。批量材料可通过 GET /audit/export?strategy=VolBreakout&start=2026-03-01&format=jsonl 导出。
这个 Agent 与同类方案有什么区别？
与主要负责下单、行情或图表读取的交易 MCP 服务相比，TradeMemory 定位为旁路的记忆与审计层：它保存决策背景、召回历史结果并验证记录完整性，但不替代券商连接、订单执行或资金管理系统。