TradeMemory 协议

为您的 AI 代理赋予持久化的交易记忆能力。TradeMemory 记录每一笔交易决策，跨会话识别行为模式，利用 AI 反思您的交易行为，并自动调整风险建议。它兼容 MT5、Binance、Alpaca 或任何可输出交易数据的平台。

基于 MCP（Model Context Protocol）构建。已通过 203 项测试。MIT 开源许可证。

安装

pip install tradememory-protocol

验证安装是否成功：

python -c "import tradememory; print('TradeMemory ready')"

MT5 用户配置指南

若您使用 MetaTrader 5 进行交易，TradeMemory 可每 60 秒自动同步您已平仓的交易 —— 无需修改您的 EA 代码。

# 1. 安装 MT5 Python API
pip install MetaTrader5 python-dotenv requests

# 2. 克隆同步脚本仓库
git clone https://github.com/mnemox-ai/tradememory-protocol.git
cd tradememory-protocol

# 3. 配置凭据
cp .env.example .env
# 编辑 .env 文件，填入您的 MT5 登录账号、密码和服务器名称

# 4. 启动 TradeMemory 服务端
python -m src.tradememory.server
# 默认运行于 http://localhost:8000

# 5. 启动 MT5 同步（在另一个终端中执行）
python scripts/mt5_sync.py
# 每 60 秒轮询一次 MT5，获取新平仓交易

完整配置说明、开机自启设置及故障排查，请参阅 MT5_SYNC_SETUP.md。

安全与权限说明

安装期间的网络访问： install.sh 和 setup_mt5.sh 脚本会执行 pip install（从 PyPI 下载包）和 git clone（从 GitHub 下载代码）。这些是标准的 Python 项目安装步骤 —— 运行前请务必审阅脚本内容。

运行时的网络访问： TradeMemory 服务端默认仅监听 localhost:8000，不主动发起任何出站网络请求。若您设置了环境变量 TRADEMEMORY_API 并指向远程 URL，则交易数据将被发送至该端点 —— 仅应在您完全可控的端点上启用此功能。若设置了 ANTHROPIC_API_KEY，反思引擎会将脱敏后的交易模式发送至 Claude API 进行分析。

环境变量： 所有环境变量均为可选。MT5 凭据（MT5_LOGIN、MT5_PASSWORD、MT5_SERVER）仅在启用 MT5 同步时需要，它们存储于本地 .env 文件中，由 mt5_sync.py 读取以连接您的 MT5 终端。这些凭据不会被记录或上传至任何外部服务。

文件系统访问： TradeMemory 仅向项目目录下的单个 SQLite 数据库文件（tradememory.db）写入数据，不会在项目目录之外创建或修改任何文件。

无隐式权限： 本功能不会自动安装依赖、修改系统文件，也不要求提升权限。所有配置步骤均明确列出，且需用户主动执行。

可用命令

使用自然语言向您的代理发出以下指令，TradeMemory 将自动完成后续操作。

记录一笔交易

“记录我的交易：XAUUSD 多单 0.05 手，入场价 2847，出场价 2855，盈利 $40”

调用 store_trade_memory。将该笔交易连同完整上下文一并存入 L1（原始交易层）。您还可补充市场状况与个人反思：

“记录我的 XAUUSD 空单，入场价 5180，出场价 5165，盈利 $75。伦敦时段突破行情，成交量高。我注意到入场前已有确认性回撤。”

查看绩效表现

“展示我本周的交易绩效”

调用 get_strategy_performance。返回各策略的详细统计信息：胜率、盈亏比（Profit Factor）、平均盈利/亏损额、最大回撤、最佳与最差交易等。

“对比我的 VolBreakout 与 Pullback 策略绩效表现”

回顾历史交易

“展示我上个月的 XAUUSD 交易记录”

调用 recall_similar_trades，按交易品种与日期筛选。返回匹配交易及其上下文、结果与经验总结。

“我最近 5 笔亏损交易是什么？问题出在哪里？”

运行 AI 反思分析

“对我的最近 20 笔交易运行一次反思分析”

调用反思引擎，跨多笔交易识别潜在模式。可发现时段优势（如伦敦 vs 亚洲时段）、策略表现差距、信心水平与实际结果的相关性、以及回撤序列特征等。

“你在我的伦敦时段交易中发现了哪些模式？”

对比不同时间段

“我当前的表现相比上周如何？”

调用 get_strategy_performance 分别获取两个时间段的数据并进行对比，明确展示您的胜率、盈亏比与风险管理能力是持续改善还是趋于恶化。

深度复盘某笔特定交易

“告诉我关于交易 MT5-2350547759 的详情”

调用 get_trade_reflection。返回完整上下文：入场逻辑、市场状况、出场理由、盈亏、经验教训及评级。

MCP 工具参考

三层记忆架构

TradeMemory 将您的交易数据组织为三个逻辑层级：

L1 — 原始交易层（热数据）
每笔交易均记录以下字段：交易品种、方向、手数、入场/出场价格、盈亏（P&L）、时间戳、策略名称、信心评分、决策依据、市场背景及交易后反思。

L2 — 发现模式层（温数据）
反思引擎每日运行，从 L1 数据中挖掘规律：

• 时段表现差异（例如伦敦时段胜率 78%，亚洲时段仅 31%）
• 策略优势对比（例如 VolBreakout 盈亏比 1.89，MeanReversion 仅 0.72）
• 信心水平相关性（高信心交易胜率 85%，低信心仅 20%）
• 回撤序列特征与恢复模式

L3 — 策略调优层（冷数据）
基于 L2 发现的模式，生成规则驱动的策略优化方案：

• 自动停用持续亏损的策略
• 对已验证有效的优势策略加大手数
• 在趋势行情中限制交易方向（如只做多）
• 根据历史相关性动态调整信心阈值

每日反思自动化配置

通过 cron 任务配置，让您的代理每天定时向您推送交易总结：

# OpenClaw cron：每日 23:55 执行反思分析
openclaw cron add --name "Daily Trade Reflection" 
  --cron "55 23 * * *" 
  --session isolated 
  --message "Run a reflection on today's trades and send me a summary" 
  --announce

也支持周度与月度反思：

# 周度反思（每周日 23:55）
openclaw cron add --name "Weekly Trade Reflection" 
  --cron "55 23 * * 0" 
  --session isolated 
  --message "Run a weekly reflection on my trading performance and compare to last week" 
  --announce

# 月度反思（每月 1 日 00:00）
openclaw cron add --name "Monthly Trade Reflection" 
  --cron "0 0 1 * *" 
  --session isolated 
  --message "Run a monthly reflection on my trading. Summarize wins, losses, pattern changes, and strategy adjustments." 
  --announce

注意： 在 --announce 参数后添加 --channel whatsapp 或 --channel slack，可将通知路由至指定通信渠道。具体支持的渠道取决于您的 OpenClaw 配置。

托管 API（即将上线）

当前版本为本地运行。我们计划推出托管版 API（地址：mcp.mnemox.ai），包含以下特性：

• 云端反思引擎（无需本地配置 API Key）
• 跨会话模式分析 + 持久化存储
• 多账户监控（多个 EA 共享同一套记忆）
• 行为漂移检测 Webhook 告警

免费版：本地安装（即当前版本）。专业版：托管 API，支持云端反思分析与多账户管理。定价方案待定。

环境变量

相关链接

• GitHub 仓库：https://github.com/mnemox-ai/tradememory-protocol
• PyPI 页面：https://pypi.org/project/tradememory-protocol/
• 文档中心：https://github.com/mnemox-ai/tradememory-protocol/blob/master/docs/TUTORIAL.md
• 本地演示：python scripts/demo.py（模拟 30 笔交易，无需 API Key）