[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"extension-skill-mnemox-ai-tradememory-de":3,"guides-for-mnemox-ai-tradememory":399,"similar-k17a6dfqkqbjkv9fsdf4mnmm0h86n28y-de":400},{"_creationTime":4,"_id":5,"children":6,"community":7,"display":9,"evaluation":15,"identity":244,"isFallback":239,"parentExtension":249,"providers":250,"relations":256,"repo":259,"tags":395,"workflow":396},1778693774442.657,"k17a6dfqkqbjkv9fsdf4mnmm0h86n28y",[],{"reviewCount":8},0,{"description":10,"installMethods":11,"name":13,"sourceUrl":14},"AI-Handelsspeicher mit ergebnisgewichteter Erinnerung und autonomer Strategieentwicklung. 17 MCP-Tools, 1.233 Tests, funktioniert mit jeder Handelsplattform.",{"claudeCode":12},"mnemox-ai/tradememory-protocol","tradememory","https://github.com/mnemox-ai/tradememory-protocol",{"_creationTime":16,"_id":17,"extensionId":5,"locale":18,"result":19,"trustSignals":226,"workflow":242},1778693774442.6572,"kn7fsthpcsxza1p6gx0tv11gfd86m1s9","de",{"checks":20,"evaluatedAt":194,"extensionSummary":195,"features":196,"nonGoals":202,"promptVersionExtension":206,"promptVersionScoring":207,"purpose":208,"rationale":209,"score":210,"summary":211,"tags":212,"tier":220,"useCases":221},[21,26,29,32,36,39,43,47,50,53,57,61,64,68,71,74,77,80,83,86,90,94,98,102,106,109,113,116,120,123,126,129,132,135,138,142,146,149,153,157,160,163,166,169,173,176,179,182,185,188,191],{"category":22,"check":23,"severity":24,"summary":25},"Praktischer Nutzen","Problemrelevanz","pass","Die Beschreibung stellt klar das Problem dar, dass KI-Agenten keinen persistenten Speicher haben und vergangene Handelsentscheidungen nicht erklären können, was TradeMemory zu lösen versucht.",{"category":22,"check":27,"severity":24,"summary":28},"Alleinstellungsmerkmal","TradeMemory bietet ein eigenständiges Wertversprechen, indem es eine dedizierte Speicherschicht für KI-Handelsagenten bereitstellt, einschließlich ergebnisgewichteter Erinnerung und autonomer Strategieentwicklung, die über einfache API-Wrapper oder Standard-LLM-Verhalten hinausgeht.",{"category":22,"check":30,"severity":24,"summary":31},"Produktionsreife","Die Erweiterung scheint produktionsreif zu sein, mit umfassender Dokumentation, Installationsanweisungen und einem klaren Fokus auf die Aufzeichnung und Abfrage von Handelsdaten, die den notwendigen Lebenszyklus für ihren angegebenen Zweck abdecken.",{"category":33,"check":34,"severity":24,"summary":35},"Umfang","Prinzip der einzigen Verantwortung","Die Fähigkeit konzentriert sich auf die Bereitstellung von Speicher und Strategieentwicklung für KI-Handelsagenten, eine kohärente und einzelne Domäne.",{"category":33,"check":37,"severity":24,"summary":38},"Qualität der Beschreibung","Die angezeigte Beschreibung spiegelt die Kernfähigkeiten der Erweiterung genau und prägnant wider und hebt Speicher, Abruf und Strategieentwicklung hervor.",{"category":40,"check":41,"severity":24,"summary":42},"Aufruf","Geltungsbereich von Tools","Die Erweiterung stellt eine Reihe von engen, spezifischen Nomen-Verb-Tools für die Verwaltung des Handelsspeichers und der Entwicklung bereit und vermeidet ein einziges allgemeines Ausführungstool.",{"category":44,"check":45,"severity":24,"summary":46},"Dokumentation","Konfigurations- und Parameterreferenz","Umgebungsvariablen und ihre Zwecke sind klar dokumentiert, einschließlich Standardwerten, wo zutreffend.",{"category":33,"check":48,"severity":24,"summary":49},"Tool-Namensgebung","Die Tool-Namen sind beschreibend und folgen einem konsistenten Verb-Nomen-Muster, das für Handelsspeicher und Strategieentwicklung relevant ist.",{"category":33,"check":51,"severity":24,"summary":52},"Minimale E/A-Oberfläche","Tool-Eingaben und -Ausgaben sind strukturiert und scheinen nur die für ihre jeweiligen Aufgaben erforderlichen Daten anzufordern/zurückzugeben, ohne übermäßige Diagnose-Dumps.",{"category":54,"check":55,"severity":24,"summary":56},"Lizenz","Lizenznutzbarkeit","Die Erweiterung ist unter der MIT-Lizenz lizenziert, wie die LICENSE-Datei und das README angeben, was eine permissive Open-Source-Lizenz ist.",{"category":58,"check":59,"severity":24,"summary":60},"Wartung","Aktualität der Commits","Das Repository zeigt aktuelle Commits, der letzte Push war im April 2026, was auf aktive Wartung hindeutet.",{"category":58,"check":62,"severity":24,"summary":63},"Abhängigkeitsmanagement","Das Projekt scheint seine Abhängigkeiten über pip zu verwalten, und die Skripte für die Einrichtung und die Installationsanweisungen deuten auf einen Standardansatz für das Management von Python-Abhängigkeiten hin.",{"category":65,"check":66,"severity":24,"summary":67},"Sicherheit","Geheimnisverwaltung","Geheimnisse wie API-Schlüssel werden über Umgebungsvariablen gehandhabt und sind klar als optional gekennzeichnet, ohne dass Anzeichen dafür bestehen, dass sie hartkodiert oder in Protokollen wiederholt werden.",{"category":65,"check":69,"severity":24,"summary":70},"Injektion","Die Erweiterung behandelt externe Daten offenbar als nicht vertrauenswürdig, ohne Anzeichen dafür, dass beliebiger Code aus geladenen Daten ausgeführt oder Remote-Skripte heruntergeladen und ausgeführt werden.",{"category":65,"check":72,"severity":24,"summary":73},"Transitive Lieferketten-Granaten","Die Erweiterung stützt sich auf die Standardinstallation von Python-Paketen und scheint zur Laufzeit keine Code aus Remote-URLs abzurufen oder auszuführen.",{"category":65,"check":75,"severity":24,"summary":76},"Sandbox-Isolation","Die Erweiterung operiert innerhalb des Projektverzeichnisses, schreibt in eine lokale SQLite-Datenbank und versucht nicht, Dateien außerhalb ihres designierten Geltungsbereichs zu ändern.",{"category":65,"check":78,"severity":24,"summary":79},"Sandbox-Escape-Primitive","Es wurden keine Anzeichen für gestartete getrennte Prozesse oder Wiederholungsversuche bei abgelehnten Tool-Aufrufen in den bereitgestellten Code-Schnipseln gefunden.",{"category":65,"check":81,"severity":24,"summary":82},"Datenexfiltration","Die Erweiterung gibt klar an, dass sie keine ausgehenden Netzwerkaufrufe macht, außer zum Abrufen von Marktdaten von Binance (dokumentiert) und zur Authentifizierung bei der Anthropic API (optional, dokumentiert). Es ist keine Exfiltration vertraulicher Daten erkennbar.",{"category":65,"check":84,"severity":24,"summary":85},"Hidden Text Tricks","Die gebündelten Inhalte scheinen frei von versteckten Steuerungs-Tricks, HTML-Kommentaren mit Anweisungen oder unsichtbaren Unicode-Zeichen zu sein.",{"category":87,"check":88,"severity":24,"summary":89},"Hooks","Undurchsichtige Codeausführung","Die gebündelten Skripte sind reines Python und scheinen keine Obfuskationstechniken wie Base64-Kodierung oder Laufzeit-Skriptabruf zu verwenden.",{"category":91,"check":92,"severity":24,"summary":93},"Portabilität","Strukturelle Annahme","Die Erweiterung verwaltet ihre eigene Datenspeicherung lokal und trifft keine Annahmen über das Dateilayout des Benutzerprojekts hinaus seiner eigenen Datenbank.",{"category":95,"check":96,"severity":24,"summary":97},"Vertrauen","Aufmerksamkeit für Issues","Es gibt 0 offene und 0 geschlossene Issues in den letzten 90 Tagen, was entweder auf ein sehr neues Projekt hindeutet oder dass der Issue-Tracker nicht aktiv für Diskussionen genutzt wird.",{"category":99,"check":100,"severity":24,"summary":101},"Versionierung","Release-Management","Die Erweiterung hat eine deklarierte Version (0.5.1) im SKILL.md-Frontmatter und eine PyPI-Version, zusammen mit einer CHANGELOG.md.",{"category":103,"check":104,"severity":24,"summary":105},"Ausführung","Validierung","Obwohl spezifische Schema-Validierungsbibliotheken in den bereitgestellten Snippets nicht explizit aufgeführt sind, deutet die Verwendung von Python und Pydantic für die API-Einrichtung auf einen robusten Ansatz zur Eingabeverarbeitung hin.",{"category":65,"check":107,"severity":24,"summary":108},"Ungeschützte destruktive Operationen","Die Erweiterung ist hauptsächlich auf die Datenerfassung und -abfrage ausgerichtet; destruktive Operationen sind keine Hauptfunktion und nicht erkennbar.",{"category":110,"check":111,"severity":24,"summary":112},"Codeausführung","Fehlerbehandlung","Die bereitgestellten Skripte und die Dokumentation deuten auf eine ordnungsgemäße Fehlerbehandlung hin, mit klaren Meldungen und Fallbacks für nicht-kritische Probleme wie OS-Kompatibilität. Der MT5-Verbindungstest beinhaltet ebenfalls Fehlerbehandlung.",{"category":110,"check":114,"severity":24,"summary":115},"Protokollierung","Die Erweiterung konzentriert sich auf die Speicherung in ihrer eigenen SQLite-Datenbank und scheint keine expliziten Protokollierungsmechanismen für Benutzerüberprüfung zu haben, was angesichts ihrer Natur akzeptabel ist.",{"category":117,"check":118,"severity":24,"summary":119},"Compliance","DSGVO","Die Erweiterung verarbeitet Handelsdaten und Strategieparameter, die indirekt mit personenbezogenen Daten in Verbindung gebracht werden können, wenn sie von einem einzelnen Händler verwendet werden, aber sie verarbeitet oder übermittelt keine PII-Daten ohne Zustimmung an Dritte.",{"category":117,"check":121,"severity":24,"summary":122},"Zielmarkt","Die Erweiterung ist global und plattformunabhängig konzipiert, ohne dass spezifische regionale oder jurisdiktionale Logik erkannt wurde.",{"category":91,"check":124,"severity":24,"summary":125},"Laufzeitstabilität","Die Erweiterung gibt Python 3.10+ an und vermerkt die Windows-Kompatibilität für die MT5 Python API, wobei sie für andere Betriebssysteme elegante Fallbacks bietet.",{"category":44,"check":127,"severity":24,"summary":128},"README","Die README-Datei ist umfassend und beschreibt klar den Zweck, die Funktionen sowie die Installations- und Einrichtungsschritte der Erweiterung.",{"category":33,"check":130,"severity":24,"summary":131},"Größe der Tool-Oberfläche","Die Erweiterung stellt 17 MCP-Tools bereit, was im empfohlenen Bereich für umfassende Funktionalität liegt, ohne übermäßig aufgebläht zu sein.",{"category":40,"check":133,"severity":24,"summary":134},"Sich überschneidende fast-synonyme Tools","Die Tool-Namen sind eindeutig und decken spezifische Funktionalitäten innerhalb der Speicherverwaltung und Strategieentwicklung ab, ohne nennenswerte Überschneidungen bei fast-Synonymen.",{"category":44,"check":136,"severity":24,"summary":137},"Phantom-Funktionen","Alle beworbenen Funktionen, einschließlich der 17 MCP-Tools, sind implementiert und in SKILL.md und README dokumentiert.",{"category":139,"check":140,"severity":24,"summary":141},"Installation","Installationsanleitung","Klare Installationsanweisungen über pip und Einrichtung für Claude Desktop/Code sind sowohl in der README als auch in SKILL.md enthalten, zusammen mit Verifizierungsschritten.",{"category":143,"check":144,"severity":24,"summary":145},"Fehler","Aktionsfähige Fehlermeldungen","Fehlermeldungen für Einrichtung und Verbindungstests sind klar, geben das Problem an und schlagen nächste Schritte oder mögliche Ursachen vor.",{"category":103,"check":147,"severity":24,"summary":148},"Angepinnte Abhängigkeiten","Die Setup-Skripte installieren Abhängigkeiten mit pip, und die Projektstruktur impliziert, dass Standardpraktiken für das Management von Python-Abhängigkeiten befolgt werden.",{"category":33,"check":150,"severity":151,"summary":152},"Dry-Run-Vorschau","not_applicable","Die Kernfunktion der Erweiterung ist die Datenerfassung und -abfrage, keine zustandsverändernden Operationen, die typischerweise eine Dry-Run-Vorschau erfordern würden.",{"category":154,"check":155,"severity":24,"summary":156},"Protokoll","Idempotenter Wiederholungsversuch & Timeouts","Die Operationen der Erweiterung, insbesondere die Aufzeichnung von Trades, sind, wo anwendbar, idempotent konzipiert, und es wären Standard-Python-Fehlerbehandlung mit möglichen Wiederholungsversuchen bei Netzwerkanrufen zu erwarten.",{"category":117,"check":158,"severity":24,"summary":159},"Telemetrie-Opt-in","Die Erweiterung gibt ausdrücklich an, dass keine Daten an Dritte gesendet werden, außer für optionale LLM-API-Aufrufe und Binance-Datenabrufe, was den Opt-in-Prinzipien entspricht.",{"category":40,"check":161,"severity":24,"summary":162},"Präziser Zweck","SKILL.md und README definieren klar den Zweck der Erweiterung, KI-Handelsspeicher und Strategieentwicklung bereitzustellen, mit spezifischen Anwendungsfällen und Auslösern.",{"category":40,"check":164,"severity":24,"summary":165},"Prägnantes Frontmatter","Das Frontmatter in SKILL.md ist prägnant und fasst die Kernfähigkeiten von KI-Handelsspeicher und Strategieentwicklung effektiv zusammen.",{"category":44,"check":167,"severity":24,"summary":168},"Prägnanter Body","Der Body von SKILL.md ist gut strukturiert und liegt unter dem üblichen Zeilenlimit, wobei tiefergehende Materialien in separaten Dokumentationsdateien behandelt werden.",{"category":170,"check":171,"severity":24,"summary":172},"Kontext","Progressive Offenlegung","Tiefere Materialien wie das OWM Framework und die API-Referenz sind mit separaten Dokumentationsdateien verknüpft, was eine progressive Offenlegung ermöglicht.",{"category":170,"check":174,"severity":151,"summary":175},"Forked Exploration","Diese Fähigkeit ist kein primäres Werkzeug zur Erkundung oder Code-Überprüfung, das einen Kontext: Fork erfordern würde.",{"category":22,"check":177,"severity":24,"summary":178},"Anwendungsbeispiele","Die README und SKILL.md bieten klare End-to-End-Beispiele für die Aufzeichnung von Trades, das Abrufen von Erinnerungen, die Überprüfung der Leistung und die Verwendung der Evolutions-Engine.",{"category":22,"check":180,"severity":24,"summary":181},"Randfälle","Die Dokumentation erwähnt Plattformkompatibilität und Umgebungsvariablen, was die Behandlung unterschiedlicher Setups impliziert. Der Link zur Fehlertaxonomie deutet ebenfalls auf die Berücksichtigung von Fehlermodi hin.",{"category":110,"check":183,"severity":24,"summary":184},"Tool-Fallback","Die Fähigkeit listet Anforderungen wie Python und den MCP-Server auf und bietet Anweisungen für die manuelle Einrichtung und lokale Serverausführung, was Optionalität und Fallback-Pfade anzeigt.",{"category":91,"check":186,"severity":24,"summary":187},"Stack-Annahmen","Die Dokumentation gibt klar Python 3.10+ als Anforderung an und vermerkt betriebssystemspezifische Einschränkungen für die MT5-API, um sicherzustellen, dass Stack-Annahmen deklariert sind.",{"category":65,"check":189,"severity":24,"summary":190},"Halt bei unerwartetem Zustand","Die Installations- und Setup-Skripte enthalten Prüfungen auf Python und Abhängigkeiten, und das MT5-Sync-Setup-Skript enthält Prüfungen auf Betriebssystem und Verbindung und stoppt bei unerwarteten Zuständen.",{"category":91,"check":192,"severity":24,"summary":193},"Übergreifende Kopplung","Die Fähigkeit konzentriert sich auf ihre Kernaufgaben Speicher und Entwicklung und verweist explizit auf eine verwandte Fähigkeit ('Strategy Validator'), um implizite Kopplungen zu vermeiden.",1778693611111,"Diese Fähigkeit bietet persistenten Speicher für KI-Handelsagenten, zeichnet Trades mit ergebnisgewichteter Erinnerung auf und ermöglicht autonome Strategieentwicklung. Sie bietet 17 MCP-Tools und beinhaltet eine robuste Einrichtung für die Integration mit verschiedenen Handelsplattformen und KI-Agenten.",[197,198,199,200,201],"Ergebnisgewichteter Speicherabruf","LLM-gestützte autonome Strategieentwicklung","SHA-256 manipulationssichere Aufzeichnungen von Handelsentscheidungen","Plattformunabhängige Integration von Handelsdaten","17 umfassende MCP-Tools für Speicher und Entwicklung",[203,204,205],"Ausführung von Trades oder Verwaltung von Nutzergeldern","Direkte Interaktion mit Handelsplattformen (erfordert separate Synchronisationsskripte)","Ersetzung der Kernentscheidungsfähigkeiten des KI-Agenten","3.0.0","4.4.0","KI-Handelsagenten mit persistentem Speicher auszustatten, damit sie aus vergangenen Trades lernen, relevante Informationen abrufen und autonom neue Handelsstrategien entwickeln können.","Hervorragende Dokumentation und Implementierungsqualität bei allen Prüfungen. Kleinere Informationen zur spezifischen Validierungsbibliothek und zu Protokolldetails schmälern die insgesamt starke Leistung nicht.",99,"Eine qualitativ hochwertige, produktionsreife Fähigkeit für KI-Handelsspeicher und Strategieentwicklung mit umfassender Dokumentation und Werkzeugen.",[213,214,215,216,217,218,219],"trading","finance","memory","strategy","ai","python","mcp","verified",[222,223,224,225],"Aufzeichnung und Abruf der Handelsvergangenheit mit ergebnisgewichteter Bewertung","Entdeckung neuer Handelsmuster und Strategien aus Rohpreisdaten","Analyse von Verhaltensmustern und Agentenstatus (Vertrauen, Drawdown)","Erstellung und Überprüfung manipulationssicherer Audit-Trails für die regulatorische Compliance",{"codeQuality":227,"collectedAt":229,"documentation":230,"maintenance":233,"security":238,"testCoverage":241},{"hasLockfile":228},true,1778693588873,{"descriptionLength":231,"readmeSize":232},141,10941,{"closedIssues90d":8,"forks":234,"hasChangelog":228,"manifestVersion":235,"openIssues90d":8,"pushedAt":236,"stars":237},116,"0.5.1",1775836242000,877,{"hasNpmPackage":239,"license":240,"smitheryVerified":239},false,"MIT",{"hasCi":228,"hasTests":228},{"updatedAt":243},1778693774442,{"basePath":245,"githubOwner":246,"githubRepo":247,"locale":18,"slug":13,"type":248},".skills/tradememory","mnemox-ai","tradememory-protocol","skill",null,{"evaluate":251,"extract":254},{"promptVersionExtension":206,"promptVersionScoring":207,"score":210,"tags":252,"targetMarket":253,"tier":220},[213,214,215,216,217,218,219],"global",{"commitSha":255},"HEAD",{"repoId":257,"translatedFrom":258},"kd73z11kfekksxyrs8ds0snacs86ncdy","k174jrt9tnryf6b31jfh0hn3js86ny47",{"_creationTime":260,"_id":257,"identity":261,"providers":262,"workflow":391},1778693533831.6553,{"githubOwner":246,"githubRepo":247,"sourceUrl":14},{"classify":263,"discover":377,"github":380},{"commitSha":255,"extensions":264},[265,299,308,319,327,335,343,351,359],{"basePath":266,"description":267,"displayName":13,"installMethods":268,"rationale":269,"selectedPaths":270,"source":296,"sourceLanguage":297,"type":298},"tradememory-plugin","Persistent memory + autonomous strategy evolution for AI traders. 200+ trading MCP servers execute. None remember. TradeMemory does.",{"claudeCode":13},"plugin manifest at tradememory-plugin/.claude-plugin/plugin.json",[271,274,276,279,281,283,285,288,290,292,294],{"path":272,"priority":273},".claude-plugin/plugin.json","mandatory",{"path":275,"priority":273},"README.md",{"path":277,"priority":278},"skills/evolution-engine/SKILL.md","medium",{"path":280,"priority":278},"skills/risk-management/SKILL.md",{"path":282,"priority":278},"skills/trading-memory/SKILL.md",{"path":284,"priority":273},".mcp.json",{"path":286,"priority":287},"commands/daily-review.md","high",{"path":289,"priority":287},"commands/evolve.md",{"path":291,"priority":287},"commands/performance.md",{"path":293,"priority":287},"commands/recall.md",{"path":295,"priority":287},"commands/record-trade.md","rule","en","plugin",{"basePath":300,"description":301,"displayName":302,"installMethods":303,"rationale":304,"selectedPaths":305,"source":296,"sourceLanguage":297,"type":248},".skills/strategy-validator","Validate trading strategies for overfitting using 4 statistical tests (DSR, Walk-Forward, Regime, CPCV)","strategy-validator",{"claudeCode":12},"SKILL.md frontmatter at .skills/strategy-validator/SKILL.md",[306],{"path":307,"priority":273},"SKILL.md",{"basePath":245,"description":309,"displayName":13,"installMethods":310,"rationale":311,"selectedPaths":312,"source":296,"sourceLanguage":297,"type":248},"AI trading memory with outcome-weighted recall and autonomous strategy evolution. 17 MCP tools, 1,233 tests, works with any trading platform.",{"claudeCode":12},"SKILL.md frontmatter at .skills/tradememory/SKILL.md",[313,314,317],{"path":307,"priority":273},{"path":315,"priority":316},"scripts/install.sh","low",{"path":318,"priority":316},"scripts/setup_mt5.sh",{"basePath":320,"description":321,"displayName":322,"installMethods":323,"rationale":324,"selectedPaths":325,"source":296,"sourceLanguage":297,"type":248},"skills/binance-skills-hub/trade-memory","Compliance-grade decision audit trail for AI trading agents. Records every trading decision with full context (conditions, filters, indicators, risk state), SHA-256 tamper detection, and structured export for MiFID II / EU AI Act readiness. Works alongside Binance Spot, Futures, and Web3 skills — they execute trades, TradeMemory records why.","trade-memory",{"claudeCode":12},"SKILL.md frontmatter at skills/binance-skills-hub/trade-memory/SKILL.md",[326],{"path":307,"priority":273},{"basePath":328,"description":329,"displayName":330,"installMethods":331,"rationale":332,"selectedPaths":333,"source":296,"sourceLanguage":297,"type":248},"skills/tradememory-bridge","Bridge between Binance trading events and TradeMemory Protocol.\nAutomatically journals trades, recalls similar past setups, detects behavioral biases,\nand provides outcome-weighted recall for AI trading agents.\nUse this skill after executing Binance spot trades to build persistent memory.\n","tradememory-bridge",{"claudeCode":12},"SKILL.md frontmatter at skills/tradememory-bridge/SKILL.md",[334],{"path":307,"priority":273},{"basePath":336,"description":337,"displayName":338,"installMethods":339,"rationale":340,"selectedPaths":341,"source":296,"sourceLanguage":297,"type":248},"tradememory-plugin/skills/evolution-engine","Domain knowledge for the Evolution Engine — LLM-powered autonomous strategy discovery from raw OHLCV data. Covers the generate-backtest-select-evolve loop, vectorized backtesting, out-of-sample validation, and strategy graduation. Use when discovering trading patterns, running backtests, evolving strategies, or reviewing evolution logs. Triggers on \"evolve\", \"discover patterns\", \"backtest\", \"evolution\", \"strategy generation\", \"candidate strategy\".","evolution-engine",{"claudeCode":12},"SKILL.md frontmatter at tradememory-plugin/skills/evolution-engine/SKILL.md",[342],{"path":307,"priority":273},{"basePath":344,"description":345,"displayName":346,"installMethods":347,"rationale":348,"selectedPaths":349,"source":296,"sourceLanguage":297,"type":248},"tradememory-plugin/skills/risk-management","Risk management domain knowledge for trading agents — affective state monitoring, position sizing, drawdown management, tilt detection, and behavioral guardrails. Use when checking risk before trades, managing drawdowns, detecting behavioral drift, or enforcing discipline. Triggers on \"risk\", \"drawdown\", \"tilt\", \"position size\", \"lot size\", \"confidence\", \"revenge trading\", \"overtrading\", \"discipline\".","risk-management",{"claudeCode":12},"SKILL.md frontmatter at tradememory-plugin/skills/risk-management/SKILL.md",[350],{"path":307,"priority":273},{"basePath":352,"description":353,"displayName":354,"installMethods":355,"rationale":356,"selectedPaths":357,"source":296,"sourceLanguage":297,"type":248},"tradememory-plugin/skills/trading-memory","Domain knowledge for AI trading memory — Outcome-Weighted Memory (OWM) architecture, 5 memory types, recall scoring, and behavioral analysis. Use when recording trades, recalling similar contexts, analyzing performance, or checking behavioral drift. Triggers on \"record trade\", \"remember trade\", \"recall\", \"similar trades\", \"performance\", \"behavioral\", \"disposition\", \"affective state\", \"confidence\".","trading-memory",{"claudeCode":12},"SKILL.md frontmatter at tradememory-plugin/skills/trading-memory/SKILL.md",[358],{"path":307,"priority":273},{"basePath":360,"displayName":247,"installMethods":361,"rationale":362,"selectedPaths":363,"source":296,"sourceLanguage":297,"type":219},"",{"pypi":247},"server.json with namespace/server name at server.json",[364,366,368,369,371,373,375],{"path":365,"priority":273},"server.json",{"path":367,"priority":273},"pyproject.toml",{"path":275,"priority":273},{"path":370,"priority":287},"LICENSE",{"path":372,"priority":278},"src/tradememory/cli.py",{"path":374,"priority":278},"src/tradememory/server.py",{"path":376,"priority":316},"hosted/server.py",{"sources":378},[379],"manual",{"closedIssues90d":8,"description":381,"forks":234,"homepage":382,"license":240,"openIssues90d":8,"pushedAt":236,"readmeSize":232,"stars":237,"topics":383},"Decision audit trail + persistent memory for AI trading agents. Outcome-weighted recall, SHA-256 tamper detection, 17 MCP tools.","https://mnemox.ai/tradememory/",[384,385,219,215,386,213,387,388,338,389,390],"claude","forex","mt5","ai-agents","crypto","mcp-server","outcome-weighted-memory",{"classifiedAt":392,"discoverAt":393,"extractAt":394,"githubAt":394,"updatedAt":392},1778693539413,1778693533831,1778693537570,[217,214,219,215,218,216,213],{"evaluatedAt":397,"extractAt":398,"updatedAt":243},1778693611218,1778693539593,[],[401,421,450,472,493,522],{"_creationTime":402,"_id":403,"community":404,"display":405,"identity":408,"providers":409,"relations":414,"tags":417,"workflow":418},1778693819124.3687,"k177re651qqdxa2pxznqy4qzx186mgmm",{"reviewCount":8},{"description":406,"installMethods":407,"name":354,"sourceUrl":14},"Domänenwissen für die KI-Trading-Erinnerung – Outcome-Weighted Memory (OWM)-Architektur, 5 Speichertypen, Abrufbewertung und Verhaltensanalyse. Verwenden Sie dies beim Aufzeichnen von Trades, beim Abrufen ähnlicher Kontexte, bei der Leistungsanalyse oder bei der Überprüfung von Verhaltensabweichungen. Löst bei \"record trade\", \"remember trade\", \"recall\", \"similar trades\", \"performance\", \"behavioral\", \"disposition\", \"affective state\", \"confidence\" aus.",{"claudeCode":12},{"basePath":352,"githubOwner":246,"githubRepo":247,"locale":18,"slug":354,"type":248},{"evaluate":410,"extract":413},{"promptVersionExtension":206,"promptVersionScoring":207,"score":411,"tags":412,"targetMarket":253,"tier":220},100,[213,217,215,214,218],{"commitSha":255},{"parentExtensionId":415,"repoId":257,"translatedFrom":416},"k170vxkqee48k2xq1v55a025nh86nzn7","k173a67a16bpq0e29wjd85v71986nx03",[217,214,215,218,213],{"evaluatedAt":419,"extractAt":398,"updatedAt":420},1778693719816,1778693819124,{"_creationTime":422,"_id":423,"community":424,"display":425,"identity":431,"providers":436,"relations":443,"tags":446,"workflow":447},1778696691708.3274,"k170az7r02e9e2v47mpy80kx6n86nff3",{"reviewCount":8},{"description":426,"installMethods":427,"name":429,"sourceUrl":430},"Detect current market regime using npx neural-trader — bull/bear/ranging/volatile classification with recommended strategy",{"claudeCode":428},"ruvnet/ruflo","Trader Regime","https://github.com/ruvnet/ruflo",{"basePath":432,"githubOwner":433,"githubRepo":434,"locale":297,"slug":435,"type":248},"plugins/ruflo-neural-trader/skills/trader-regime","ruvnet","ruflo","trader-regime",{"evaluate":437,"extract":442},{"promptVersionExtension":206,"promptVersionScoring":207,"score":411,"tags":438,"targetMarket":253,"tier":220},[214,213,439,217,440,441],"market-analysis","typescript","cli",{"commitSha":255,"license":240},{"parentExtensionId":444,"repoId":445},"k17drge8h1fgzchr0p4jaeg33n86mwmy","kd7ed28gj8n0y3msk5dzrp05zs86nqtc",[217,441,214,439,213,440],{"evaluatedAt":448,"extractAt":449,"updatedAt":448},1778701108877,1778696691708,{"_creationTime":451,"_id":452,"community":453,"display":454,"identity":458,"providers":459,"relations":466,"tags":468,"workflow":469},1778693798788.0542,"k170ymfjagf8xv5gd19p7dq52986mp9g",{"reviewCount":8},{"description":455,"installMethods":456,"name":457,"sourceUrl":14},"Domänenwissen für die Evolution Engine — LLM-gestützte autonome Strategieentdeckung aus rohen OHLCV-Daten. Behandelt die Schleife Generieren-Backtesten-Auswählen-Entwickeln, vektorisiertes Backtesting, Out-of-Sample-Validierung und Strategiegraduierung. Verwenden Sie es beim Entdecken von Handelspatterns, Ausführen von Backtests, Entwickeln von Strategien oder Überprüfen von Evolutionsprotokollen. Löst aus bei \"evolve\", \"discover patterns\", \"backtest\", \"evolution\", \"strategy generation\", \"candidate strategy\".",{"claudeCode":12},"TradeMemory Protocol",{"basePath":336,"githubOwner":246,"githubRepo":247,"locale":18,"slug":338,"type":248},{"evaluate":460,"extract":465},{"promptVersionExtension":206,"promptVersionScoring":207,"score":411,"tags":461,"targetMarket":253,"tier":220},[213,217,215,462,463,464],"audit","compliance","llm",{"commitSha":255,"license":240},{"parentExtensionId":415,"repoId":257,"translatedFrom":467},"k171p5pgbfbm5g4k5sa3y4cj9s86m6hk",[217,462,463,464,215,213],{"evaluatedAt":470,"extractAt":398,"updatedAt":471},1778693678813,1778693798788,{"_creationTime":473,"_id":474,"community":475,"display":476,"identity":480,"providers":481,"relations":487,"tags":489,"workflow":490},1778693810753.2522,"k17e9x8nbeqn99r3hpez0fzfs186n9jv",{"reviewCount":8},{"description":477,"installMethods":478,"name":479,"sourceUrl":14},"Risikomanagement-Domänenwissen für Handelsagenten – Überwachung des affektiven Zustands, Positionsbestimmung, Drawdown-Management, Tilt-Erkennung und Verhaltensrichtlinien. Verwenden Sie dies beim Prüfen des Risikos vor Trades, beim Verwalten von Drawdowns, beim Erkennen von Verhaltensabweichungen oder beim Erzwingen von Disziplin. Löst bei \"risk\", \"drawdown\", \"tilt\", \"position size\", \"lot size\", \"confidence\", \"revenge trading\", \"overtrading\", \"discipline\" aus.",{"claudeCode":12},"Risk Management",{"basePath":344,"githubOwner":246,"githubRepo":247,"locale":18,"slug":346,"type":248},{"evaluate":482,"extract":486},{"promptVersionExtension":206,"promptVersionScoring":207,"score":411,"tags":483,"targetMarket":253,"tier":220},[213,346,484,485,214],"ai-agent","behavioral-analysis",{"commitSha":255,"license":240},{"parentExtensionId":415,"repoId":257,"translatedFrom":488},"k17bgwvhb6h29py715de1cm9xd86msq6",[484,485,214,346,213],{"evaluatedAt":491,"extractAt":398,"updatedAt":492},1778693700524,1778693810753,{"_creationTime":494,"_id":495,"community":496,"display":497,"identity":503,"providers":507,"relations":516,"tags":518,"workflow":519},1778688112811.7527,"k17enr6rktmxh0enswrmze6et186mq12",{"reviewCount":8},{"description":498,"installMethods":499,"name":501,"sourceUrl":502},"Model best-case, worst-case, and likely revenue scenarios with sensitivity analysis for strategic planning. Use when: building financial forecasts; presenting board scenarios; planning headcount around revenue uncertainty; modeling pricing changes impact; preparing investor updates with upside/downside ranges",{"claudeCode":500},"guia-matthieu/clawfu-skills","forecast-scenarios","https://github.com/guia-matthieu/clawfu-skills",{"basePath":504,"githubOwner":505,"githubRepo":506,"locale":297,"slug":501,"type":248},"skills/revops/forecast-scenarios","guia-matthieu","clawfu-skills",{"evaluate":508,"extract":515},{"promptVersionExtension":206,"promptVersionScoring":207,"score":411,"tags":509,"targetMarket":253,"tier":220},[214,510,511,512,216,513,514],"forecasting","revenue","planning","sensitivity-analysis","mckinsey",{"commitSha":255},{"repoId":517},"kd72qvzyvm658ya7pbyh5ey47h86md53",[214,510,514,512,511,513,216],{"evaluatedAt":520,"extractAt":521,"updatedAt":520},1778690475880,1778688112811,{"_creationTime":523,"_id":524,"community":525,"display":526,"identity":530,"providers":532,"relations":539,"tags":540,"workflow":541},1778696691708.2983,"k17c6tkghtgnr7jnsh6gf5mf9h86nk00",{"reviewCount":8},{"description":527,"installMethods":528,"name":529,"sourceUrl":430},"Implement persistent memory patterns for AI agents using AgentDB. Includes session memory, long-term storage, pattern learning, and context management. Use when building stateful agents, chat systems, or intelligent assistants.",{"claudeCode":428},"agentdb-memory-patterns",{"basePath":531,"githubOwner":433,"githubRepo":434,"locale":297,"slug":529,"type":248},".claude/skills/agentdb-memory-patterns",{"evaluate":533,"extract":538},{"promptVersionExtension":206,"promptVersionScoring":207,"score":210,"tags":534,"targetMarket":253,"tier":220},[217,535,215,536,440,537],"agent","database","nodejs",{"commitSha":255},{"repoId":445},[535,217,536,215,537,440],{"evaluatedAt":542,"extractAt":449,"updatedAt":542},1778698807267]