TradeMemory Protocol

核心用法

TradeMemory 是一款面向 MT5/外汇交易者的 AI 记忆系统，采用 MCP（Model Context Protocol）架构，支持 Python 安装部署。核心功能包括：

• 自动交易同步：与 MetaTrader 5 无缝集成，每 60 秒自动拉取已平仓交易，无需修改 EA
• 自然语言交互：通过 "记录我的交易"、"分析本周表现"、"对比策略盈亏" 等指令即可完成操作
• 三层记忆架构：L1 原始交易数据 → L2 模式发现（时段胜率、策略盈亏比等）→ L3 策略自动调优
• AI 反思引擎：基于 Claude API 分析交易行为模式，识别情绪偏差、时段优势、策略有效性

显著优点

1. 零侵入集成：MT5 用户无需改动现有 EA，仅需配置登录信息即可运行
2. 多平台兼容：除 MT5 外，支持 Binance、Alpaca 等任何能输出交易数据的平台
3. 自动化报告：可配置 cron 任务，通过 WhatsApp 接收日/周/月绩效总结
4. 开源可信：MIT 许可证，181 项测试通过，代码托管于公开 GitHub 仓库

潜在局限

• 本地部署依赖：当前版本需本地运行 Python 服务，对非技术用户有门槛
• API 成本：AI 反思功能需 Anthropic API 密钥，产生额外调用费用
• 云端功能待上线：多账户监控、跨会话分析等高级功能尚未发布
• 数据安全责任：交易账户凭证需本地存储，用户需自行保障 .env 文件安全

适合人群

• 使用 MT5 进行外汇/黄金交易的个人交易者
• 需要量化复盘、希望减少情绪化交易的手工交易者
• 运行多个 EA、需要统一绩效监控的自动化交易者
• 愿意配置 Python 环境的技术型交易者

常规风险

| 风险类型 | 说明 |

|---------|------|

| 凭证泄露 | MT5 账号密码以明文存储于 `.env` 文件，需确保文件权限正确 |

| API 滥用 | 反射引擎频繁调用 Claude API，可能产生意外费用 |

| 过度拟合 | L2 模式发现基于历史数据，未来市场条件变化可能导致策略失效 |

| 自动化决策 | L3 的自动调仓建议需人工复核，直接执行可能放大亏损 |

核心用法

TradeMemory是一款面向MT5及多平台交易者的AI驱动记忆管理系统，采用MCP（Model Context Protocol）协议构建，提供三层数据架构实现交易决策的持续优化。用户可通过自然语言指令完成交易记录、性能分析、历史回溯和AI反思等操作。

基础工作流程：安装tradememory-protocol后，MT5用户可配置自动同步脚本，每60秒轮询获取已平仓交易数据，零修改EA即可实现全自动化记录。系统支持Binance、Alpaca等平台的交易数据导入，具备广泛的兼容性。

核心功能模块包括：

• 交易记录（store_trade_memory）：存储完整的交易上下文，包括品种、方向、手数、进出场价格、盈亏、时间戳、策略名称、信心评分、 reasoning 及市场条件
• 智能检索（recall_similar_trades）：基于品种、时间、市场条件等多维度筛选历史交易
• 策略绩效（get_strategy_performance）：按策略聚合胜率、盈亏比、最大回撤、最佳/最差交易等关键指标
• 深度反思（get_trade_reflection）：针对单笔交易的全维度复盘分析

三层记忆架构是其设计亮点：L1原始交易层存储完整交易数据；L2模式发现层通过AI分析识别时段优势、策略边界、信心-结果相关性等；L3策略调整层自动生成规则化优化建议，如自动禁用亏损策略、为 proven edges 增加仓位等。

用户可通过cron任务配置每日/周/月度的自动反思报告，支持WhatsApp推送，实现交易行为的持续监控与优化。

显著优点

架构设计先进：三层记忆架构（原始数据→模式发现→策略调整）实现了从数据记录到智能决策的完整闭环，区别于简单的交易日志工具。

零侵入集成：MT5同步无需修改现有EA，通过独立Python脚本轮询实现，保护用户现有交易系统稳定性。

AI原生设计：内置反思引擎可发现人眼难以察觉的模式，如"伦敦时段胜率78% vs 亚洲时段31%"、"高信心交易胜率85% vs 低信心20%"等量化洞察。

开放生态：基于MCP协议，支持Claude等主流LLM；MIT许可证、181项测试覆盖、完整开源，技术透明度高。

自动化程度高：支持定时任务自动生成日报/周报/月报，降低持续使用的认知负担。

潜在缺点与局限性

本地化部署门槛：当前版本需本地运行Python服务，对非技术用户存在环境配置挑战；云托管版本尚在规划中。

LLM依赖成本：高级反思功能需Anthropic API Key，产生额外调用成本；无Key时降级为规则分析，智能程度受限。

数据孤岛风险：当前版本为单机存储，多设备切换或团队协作场景下数据同步存在摩擦；跨会话模式分析需依赖未来的云版本。

金融市场固有局限：历史模式不代表未来收益，AI生成的策略调整建议需人工复核，存在过度拟合风险。

平台覆盖待扩展：虽支持MT5、Binance、Alpaca，但对其他主流平台（如cTrader、TradingView）的原生集成尚不明确。

适合的目标群体

MT5算法交易者：使用EA进行交易、需要量化分析交易表现的系统型交易者。

多策略组合管理者：同时运行多个策略、需要独立绩效归因的专业交易者或小型交易团队。

交易行为优化者：希望识别自身交易偏见（如时段偏好、过度自信）并持续改进的进阶散户。

量化交易开发者：需要标准化交易数据存储和反思接口，用于构建更复杂交易系统的技术人员。

不适合：追求完全自动化"圣杯"系统的被动投资者；无Python基础且不愿学习的技术恐惧型用户；高频交易场景（60秒轮询粒度不足）。

使用风险

性能风险：本地服务运行于8000端口，大规模历史数据查询可能产生计算延迟；建议定期归档旧数据。

依赖项风险：依赖MetaTrader5 Python API、多个PyPI包及潜在的Anthropic API，任一节点的服务变更或弃用可能影响功能。

凭证安全风险：MT5账户密码以环境变量形式存储，虽脚本建议编辑.env文件，但用户若配置不当可能导致凭证泄露。建议启用文件权限限制（chmod 600）。

供应链风险：安装脚本使用pip install --upgrade获取最新版本，未固定版本号，可能引入未经测试的更新；setup_mt5.sh的git clone操作未验证代码签名完整性。

数据丢失风险：当前版本为本地存储，无内置备份机制，建议用户自行配置数据目录的定期备份。