你的交易 AI 有失憶症。監管機構開始注意到了。

它每個 session 都在重複同樣的錯誤。它無法解釋為什麼下單。context window 結束後它忘了一切。與此同時，MiFID II 正在提高演算法決策文件的標準（第 17 條）。EU AI Act 要求系統性記錄 AI 行動（第 14 條）。你競爭對手的 agent 正在從每筆交易中學習。

AI 交易堆疊缺少一層。每個 MCP server 都處理執行——下單、取得價格、讀取圖表。沒有一個處理記憶。

你的 agent 可以買 100 股 AAPL，但無法回答：「上次我在這個條件下買 AAPL，發生了什麼？」

TradeMemory 就是那個記憶層。 一個 pip install，你的 AI agent 就能記住每一筆交易、每一個結果、每一個錯誤——搭配 SHA-256 防竄改的審計軌跡。

已在生產環境中被交易者使用：每次開倉前跑「交易前檢查清單」，以及每日記錄數千個決策的 EA 系統。

• 交易前： 詢問記憶——上次在這個市場條件下發生了什麼？最後結果如何？
• 交易後： 一次呼叫記錄一切——五個記憶層自動更新
• 安全護欄： 信心追蹤、回撤告警、連敗偵測——系統告訴你什麼時候該停下來

相容任何市場（股票、外匯、加密貨幣、期貨）、任何券商、任何 AI 平台。TradeMemory 不執行交易也不碰你的資金——它只負責記錄和回憶。

pip install tradememory-protocol

加到 Claude Desktop 設定檔 (claude_desktop_config.json)：

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

然後對 Claude 說：「記錄我在 $195 做多 AAPL——財報超預期、機構買盤湧入、高信心。」

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

# 從原始碼安裝
git clone https://github.com/mnemox-ai/tradememory-protocol.git
cd tradememory-protocol && pip install -e . && python -m tradememory

# Docker
docker compose up -d

完整教學： 快速開始（交易者軌道 + 開發者軌道）

1. 回憶 — 交易前，取回依結果品質、上下文相似度、近期性、信心、情緒狀態加權的歷史交易（OWM 框架）
2. 記錄 — 交易後，一次呼叫 remember_trade 寫入五個記憶層：情節記憶、語義記憶、程序記憶、情感記憶和交易紀錄
3. 反思 — 每日/每週/每月覆盤，偵測行為漂移、策略衰退和交易錯誤
4. 審計 — 每個決策在建立時即計算 SHA-256 雜湊。可隨時匯出供審查或法規提交

正在建立交易 AI agent，想要經過實戰驗證的記憶架構？

免費 30 分鐘策略諮詢 — 我們會為你的 agent 規劃記憶需求，設計適合你工作流程的護欄。

dev@mnemox.ai | 預約通話

我們已協助交易者建立交易前檢查清單、串接 MT5/Binance，並為外匯、美股、加密貨幣設計客製化護欄。

你的 agent 做的每一個交易決策——包括決定不交易——都會被記錄為 Trading Decision Record (TDR)，並在建立時計算 SHA-256 雜湊以進行竄改偵測。

# 驗證任何紀錄是否被竄改
GET /audit/verify/{trade_id}
# → {"verified": true, "stored_hash": "a3f8c9...", "computed_hash": "a3f8c9..."}

# 批次匯出供監管提交
GET /audit/export?strategy=VolBreakout&start=2026-03-01&format=jsonl

需要為你的基金客製化部署？ → dev@mnemox.ai

• 絕不碰 API 金鑰。 TradeMemory 不執行交易、不移動資金、不存取錢包。
• 只讀取和記錄。 你的 agent 把決策上下文傳給 TradeMemory。它儲存它。就這樣。
• 無外部網路呼叫。 Server 在本地運行。不會將資料傳送給第三方。
• SHA-256 竄改偵測。 每筆紀錄在建立時就計算雜湊。可隨時驗證完整性。
• 1,324 測試通過。 完整測試套件與 CI。

TradeMemory 的 OWM 框架基於認知科學（Tulving 1972）和強化學習（Schaul et al. 2015）。目前狀態：

• OWM 五因子評分： 已實作，已測試（1,300+ tests）
• 統計驗證： DSR、MBL 已實作（Bailey-de Prado 2014）
• 審計軌跡： SHA-256 防竄改 TDR
• 進化引擎： 研究階段（策略生成可運作，統計門檻通過率仍在優化中）
• 混合召回： OWM-only 模式啟用中，embedding 設定後可啟用向量融合
• 實證驗證： 進行中（n=40 筆交易，目標 n>=100 以達統計顯著性）

詳見 Contributing Guide · Security Policy

MIT — 詳見 LICENSE。僅供教育和研究用途。不構成投資建議。