跳转到主要内容

Tradememory

技能 已验证 活跃

AI 交易记忆,具备结果加权回忆和自主策略演进功能。包含 17 个 MCP 工具,1,233 项测试,兼容任何交易平台。

目的

为 AI 交易代理提供持久记忆,使它们能够从过去的交易中学习,回忆相关信息,并自主演进新的交易策略。

功能

  • 结果加权记忆回忆
  • LLM 驱动的自主策略演进
  • SHA-256 防篡改交易决策记录
  • 平台无关的交易数据集成
  • 17 个全面的 MCP 工具,用于记忆和演进

使用场景

  • 使用结果加权评分来记录和回忆交易历史
  • 从原始价格数据中发现新的交易模式和策略
  • 分析行为模式和代理状态(置信度、回撤)
  • 为法规遵从性生成和验证防篡改审计跟踪

非目标

  • 执行交易或管理用户资金
  • 直接与交易平台交互(需要单独的同步脚本)
  • 取代核心 AI 代理的决策能力

安装

npx skills add mnemox-ai/tradememory-protocol

通过 npx 运行 Vercel skills CLI(skills.sh)— 需要本地安装 Node.js,以及至少一个兼容 skills 的智能体(Claude Code、Cursor、Codex 等)。前提是仓库遵循 agentskills.io 格式。

质量评分

已验证
99 /100
1 day ago 分析

信任信号

最近提交about 1 month ago
星标877
许可证MIT
状态
查看源代码

类似扩展

Trading Memory

100

AI交易记忆的领域知识 — 结果加权记忆 (OWM) 架构、5种记忆类型、回忆评分和行为分析。用于记录交易、回忆相似的上下文、分析性能或检查行为漂移。在 "record trade"、"remember trade"、"recall"、"similar trades"、"performance"、"behavioral"、"disposition"、"affective state"、"confidence" 时触发。

技能
mnemox-ai

Trader Regime

100

Detect current market regime using npx neural-trader — bull/bear/ranging/volatile classification with recommended strategy

技能
ruvnet

TradeMemory Protocol

100

Evolution Engine 的领域知识 — 支持 LLM 从原始 OHLCV 数据中自主发现策略。涵盖生成-回测-选择-进化循环、向量化回测、样本外验证和策略梯度。在发现交易模式、运行回测、进化策略或审查进化日志时使用。由“evolve”、“discover patterns”、“backtest”、“evolution”、“strategy generation”、“candidate strategy”触发。

技能
mnemox-ai

风险管理

100

交易代理的风险管理领域知识 — 情感状态监控、仓位调整、回撤管理、交易心态检测和行为控制。在交易前检查风险、管理回撤、检测行为漂移或强制执行纪律时使用。触发词包括“风险”、“回撤”、“心态”、“仓位大小”、“手数”、“信心”、“报复性交易”、“过度交易”、“纪律”。

技能
mnemox-ai

Forecast Scenarios

100

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

技能
guia-matthieu

Agentdb Memory Patterns

99

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.

技能
ruvnet