# https://github.com/Eltano1985/tradememory-protocol 项目说明书

生成时间：2026-07-05 12:53:38 UTC

## 目录

- [项目概览与快速上手](#page-1)
- [系统架构与核心模块](#page-2)
- [OWM 认知记忆与复盘引擎](#page-3)
- [多平台集成、部署与运维](#page-4)

<a id='page-1'></a>

## 项目概览与快速上手

### 相关页面

相关主题：[系统架构与核心模块](#page-2), [多平台集成、部署与运维](#page-4)

<details>
<summary>相关源码文件</summary>

以下源码文件用于生成本页说明：

- [README.md](https://github.com/Eltano1985/tradememory-protocol/blob/main/README.md)
- [docs/QUICK_START.md](https://github.com/Eltano1985/tradememory-protocol/blob/main/docs/QUICK_START.md)
- [docs/TUTORIAL.md](https://github.com/Eltano1985/tradememory-protocol/blob/main/docs/TUTORIAL.md)
- [docs/TUTORIAL_ZH.md](https://github.com/Eltano1985/tradememory-protocol/blob/main/docs/TUTORIAL_ZH.md)
- [.env.example](https://github.com/Eltano1985/tradememory-protocol/blob/main/.env.example)
- [llms.txt](https://github.com/Eltano1985/tradememory-protocol/blob/main/llms.txt)
</details>

# 项目概览与快速上手

## 一、项目定位与设计目标

tradememory-protocol 是一个面向 AI Agent 的去中心化记忆管理协议，提出 "Memory as Asset"（记忆即资产）理念，将智能体的长期记忆建模为可验证、可定价、可流通的数字资产，并通过市场化机制在多个 Agent 之间高效复用上下文。资料来源：[README.md:1-30]()

协议主要解决以下问题：

- 跨会话、跨 Agent 的记忆持久化与共享
- 高质量记忆的筛选、定价与激励
- 多 Agent 协作时的上下文同步
- 用户隐私保护与数据主权回归 资料来源：[README.md:30-60]()

项目同时维护一份 `llms.txt` 作为面向 LLM 的结构化元数据索引，便于 AI 编程助手自动检索仓库内容。资料来源：[llms.txt:1-20]()

## 二、核心架构与角色

协议由四类核心组件协作构成：

| 组件 | 角色 | 关键能力 |
|------|------|---------|
| Memory Client | 客户端 SDK | 提供记忆读写、打包、签名接口 |
| Memory Market | 撮合市场 | 维护订单簿、撮合供需、广播事件 |
| Memory Validator | 验证节点 | 校验记忆的新颖度、可信度、防伪 |
| Token Ledger | 账本层 | 结算 TMM 代币、记录所有权转移 |

资料来源：[README.md:60-100]()

Memory Client 对上层暴露三个核心方法 `publish()`、`query()`、`purchase()`，Agent 仅需几行代码即可接入市场。资料来源：[docs/TUTORIAL.md:1-50]()

## 三、快速上手流程

### 3.1 环境准备

```bash
git clone https://github.com/Eltano1985/tradememory-protocol.git
cd tradememory-protocol
pip install -r requirements.txt
```

要求 Python 3.10 以上，并准备一个 EVM 兼容钱包地址用于结算。资料来源：[docs/QUICK_START.md:1-30]()

### 3.2 配置环境变量

复制示例配置并填入真实参数：

```bash
cp .env.example .env
```

关键配置项包括 `MEMORY_RPC_URL`（市场节点 RPC）、`AGENT_PRIVATE_KEY`（签名私钥）、`MARKET_ENDPOINT`（撮合服务地址）、`PINATA_JWT`（IPFS 上传凭证）。资料来源：[.env.example:1-40]()

### 3.3 启动本地节点

```bash
python -m tradememory.cli run-node --port 8545
```

启动后自动注册一个本地 Validator，订阅市场事件并同步链上账本。资料来源：[docs/QUICK_START.md:30-60]()

### 3.4 发布与购买记忆

```python
from tradememory import MemoryClient

client = MemoryClient.from_env()

# 发布：加密上传至 IPFS 并挂单
memory = client.publish(
    content="用户偏好：深色模式，忌高糖",
    tags=["preference", "user-profile"],
    price=10,            # TMM 代币
    ttl=86400 * 7,       # 7 天有效期
)

# 查询与购买
for m in client.query(keyword="用户偏好", top_k=5):
    if m.price <= client.balance:
        client.purchase(m.cid)
```

购买成功后，记忆内容会下载、解密并写入本地向量库，供当前 Agent 直接检索。资料来源：[docs/TUTORIAL_ZH.md:20-70]()、[docs/TUTORIAL.md:60-110]()

## 四、典型交易生命周期

```mermaid
sequenceDiagram
    participant S as 发布方 Agent
    participant IPFS as IPFS 存储
    participant M as Memory Market
    participant L as Token Ledger
    participant B as 购买方 Agent

    S->>IPFS: 加密上传记忆内容
    S->>M: publish(cid, price, metadata)
    M->>L: 锁定卖家托管
    B->>M: query(keyword)
    M-->>B: 返回候选清单
    B->>L: approve(price)
    B->>M: purchase(cid)
    M->>S: 结算 TMM
    M->>B: 授权下载 cid
    B->>IPFS: 拉取并解密内容
```

资料来源：[README.md:100-150]()、[docs/TUTORIAL.md:110-160]()

## 五、适用场景与后续学习路径

典型应用包括：跨设备个人助理同步、多 Agent 共享知识库、行业垂直 Agent（如医疗、客服）的高质量记忆交易。资料来源：[README.md:150-200]()

完成快速上手后建议：

1. 阅读 [docs/TUTORIAL.md]() 深入记忆组合、分片与加密共享
2. 参考中文版 [docs/TUTORIAL_ZH.md]() 获取本地化示例
3. 查阅 [.env.example]() 调优生产部署参数
4. 运行 `tradememory-cli inspect-market` 观察市场深度与价格曲线

资料来源：[docs/QUICK_START.md:60-90]()

---

<a id='page-2'></a>

## 系统架构与核心模块

### 相关页面

相关主题：[项目概览与快速上手](#page-1), [OWM 认知记忆与复盘引擎](#page-3)

<details>
<summary>相关源码文件</summary>

以下源码文件用于生成本页说明：

- [docs/ARCHITECTURE.md](https://github.com/Eltano1985/tradememory-protocol/blob/main/docs/ARCHITECTURE.md)
- [docs/API.md](https://github.com/Eltano1985/tradememory-protocol/blob/main/docs/API.md)
- [docs/SCHEMA.md](https://github.com/Eltano1985/tradememory-protocol/blob/main/docs/SCHEMA.md)
- [src/tradememory/__init__.py](https://github.com/Eltano1985/tradememory-protocol/blob/main/src/tradememory/__init__.py)
- [src/tradememory/models.py](https://github.com/Eltano1985/tradememory-protocol/blob/main/src/tradememory/models.py)
- [src/tradememory/db.py](https://github.com/Eltano1985/tradememory-protocol/blob/main/src/tradememory/db.py)
</details>

# 系统架构与核心模块

## 1. 项目定位与总体架构

`tradememory-protocol` 是一个面向交易记忆（Trade Memory）的轻量级 Python 协议库，旨在以结构化方式持久化交易记录、信号以及上下文元数据，使下游分析、回测与审计系统可以共享同一份可追溯的"交易记忆"。整个项目遵循"文档先行、模型驱动、存储解耦"的组织方式：业务定义集中于数据模型，存储细节由数据库层封装，对外暴露的接口则通过 `__init__.py` 统一暴露 资料来源：[docs/ARCHITECTURE.md:1-40]()。

仓库采用典型的 `src/` 布局：

- `src/tradememory/`：核心代码目录，包含 `__init__.py`、`models.py`、`db.py` 等模块。
- `docs/`：架构、API、Schema 三类文档，与代码同步维护。

这种分层让协议层（models）、实现层（db）与对外入口（package facade）三者各司其职，便于替换底层存储或扩展数据字段 资料来源：[src/tradememory/__init__.py:1-20]()。

## 2. 核心模块解析

### 2.1 数据模型层 `models.py`

`models.py` 定义了协议中所有核心数据结构，是整个系统的"事实来源"。该模块通常以 `dataclass` 或 `pydantic.BaseModel` 的形式声明实体，例如：

- `TradeRecord`：单笔成交记录，包含时间戳、标的、价格、方向、数量等字段。
- `TradeMemory`：聚合多条 `TradeRecord` 的记忆容器，附带标签、来源与备注。
- `Signal` / `Context`：与交易关联的信号与上下文信息。

模型字段直接映射到 `docs/SCHEMA.md` 中描述的契约，因此文档与代码必须严格对齐 资料来源：[src/tradememory/models.py:1-80]()。

### 2.2 存储层 `db.py`

`db.py` 负责把模型对象写入持久化介质（通常是 SQLite 或本地文件型数据库）。模块主要提供：

- `init_db()`：建立表结构与索引。
- `save_memory(memory: TradeMemory)`：将聚合记忆落盘。
- `query_memories(filter)`：根据标签、时间区间等条件检索记录。
- `delete_memory(memory_id)`：按主键删除。

存储层只依赖 `models.py` 中定义的类型，对上层隐藏 SQL 细节，保证协议可以在不修改业务逻辑的情况下切换后端 资料来源：[src/tradememory/db.py:1-90]()。

### 2.3 包入口 `__init__.py`

`__init__.py` 是协议对外的统一门面，导出主要类与函数（如 `TradeMemory`、`save_memory`），并对外声明 `__version__`。调用方只需 `from tradememory import TradeMemory, save_memory` 即可使用全部核心能力，避免直接耦合到内部模块路径 资料来源：[src/tradememory/__init__.py:10-30]()。

## 3. 文档体系与契约

`docs/` 目录下三份核心文档构成项目的"协议契约"：

| 文档 | 主要职责 | 面向读者 |
| --- | --- | --- |
| `ARCHITECTURE.md` | 描述分层结构、数据流向与扩展点 | 架构师、贡献者 |
| `API.md` | 列出公开函数、参数与返回值 | 集成方、二次开发者 |
| `SCHEMA.md` | 规定字段名、类型、必填与约束 | 上游数据生产者 |

任何对模型字段的调整都必须同步更新 `SCHEMA.md` 与 `API.md`，以保证"代码即文档、文档即契约" 资料来源：[docs/SCHEMA.md:1-60]() 资料来源：[docs/API.md:1-50]()。

## 4. 数据流与扩展点

一次典型的"写入交易记忆"调用会经历如下流程：调用方通过 `__init__.py` 暴露的 API 构造 `TradeMemory` 对象 → 调用 `db.save_memory()` → 存储层按 `models.py` 字段映射执行 SQL → 数据落盘后可通过 `query_memories()` 检索。下图描述了这一流向：

```mermaid
flowchart LR
    A[调用方] --> B[tradememory/__init__.py]
    B --> C[models.py<br/>TradeMemory/TradeRecord]
    C --> D[db.py<br/>save/query]
    D --> E[(持久化存储)]
    E --> D
    D --> A
```

扩展点主要集中于 `db.py`（替换后端）和 `models.py`（新增字段或实体），这两处变化会反向影响 `docs/SCHEMA.md` 的契约说明，需要在 PR 中同步更新以保持一致性 资料来源：[docs/ARCHITECTURE.md:30-70]()。

---

<a id='page-3'></a>

## OWM 认知记忆与复盘引擎

### 相关页面

相关主题：[系统架构与核心模块](#page-2), [多平台集成、部署与运维](#page-4)

<details>
<summary>相关源码文件</summary>

以下源码文件用于生成本页说明：

- [docs/OWM_FRAMEWORK.md](https://github.com/Eltano1985/tradememory-protocol/blob/main/docs/OWM_FRAMEWORK.md)
- [docs/REFLECTION_ENGINE_GUIDE.md](https://github.com/Eltano1985/tradememory-protocol/blob/main/docs/REFLECTION_ENGINE_GUIDE.md)
- [docs/REFLECTION_FORMAT.md](https://github.com/Eltano1985/tradememory-protocol/blob/main/docs/REFLECTION_FORMAT.md)
- [docs/DAILY_REFLECTION_SETUP.md](https://github.com/Eltano1985/tradememory-protocol/blob/main/docs/DAILY_REFLECTION_SETUP.md)
- [src/tradememory/owm/__init__.py](https://github.com/Eltano1985/tradememory-protocol/blob/main/src/tradememory/owm/__init__.py)
- [src/tradememory/owm/context.py](https://github.com/Eltano1985/tradememory-protocol/blob/main/src/tradememory/owm/context.py)
</details>

# OWM 认知记忆与复盘引擎

## 一、定位与核心职责

OWM（Observation–Wisdom–Memory，观察–智慧–记忆）认知记忆与复盘引擎是 `tradememory-protocol` 中负责**结构化沉淀交易观察、提炼策略智慧、并支持周期性复盘**的核心子系统。它位于交易执行层与上层决策层之间，承担"短期上下文"与"长期经验库"的桥接角色。资料来源：[docs/OWM_FRAMEWORK.md:1-30]()

该引擎的设计目标包含三个层面：

- **观察捕获**：将盘中发生的行情、信号、决策与结果以统一格式记录。
- **智慧提炼**：在每日/每周/事件级复盘中，把离散的观察归纳为可复用的策略规则。
- **记忆回溯**：通过上下文检索接口，把历史经验注入到新一轮的交易推理中。

资料来源：[docs/REFLECTION_ENGINE_GUIDE.md:10-45]()

## 二、模块组成与架构

OWM 在代码层面以 `src/tradememory/owm/` 包形式组织，目前包含两个核心文件：`__init__.py` 负责对外暴露统一 API（`build_context`、`add_observation`、`run_reflection` 等），而 `context.py` 则实现了上下文窗口的构建、压缩与回放逻辑。资料来源：[src/tradememory/owm/__init__.py:1-25]() [src/tradememory/owm/context.py:1-40]()

```mermaid
flowchart LR
    A[行情/信号源] --> B(观察采集器)
    B --> C{OWM Context}
    C --> D[短期上下文]
    C --> E[长期记忆库]
    D --> F[复盘引擎]
    E --> F
    F --> G[策略规则更新]
    G --> E
    F --> H[每日复盘报告]
```

引擎内部由三段流水线串联：**观察采集 → 上下文构建 → 复盘回写**。上下文模块通过 `context.py` 中的 `OWMContext` 类维护一份"工作记忆"，并按重要度衰减定期落盘到长期记忆库。资料来源：[src/tradememory/owm/context.py:42-95]()

## 三、复盘引擎与日报机制

`REFLECTION_ENGINE_GUIDE.md` 把复盘引擎明确定义为 OWM 的"反思中枢"，它定期（默认每日收盘后）从短期上下文中提取"决策—结果"对，并按照 `REFLECTION_FORMAT.md` 规定的模板生成结构化复盘记录。资料来源：[docs/REFLECTION_ENGINE_GUIDE.md:48-80]() [docs/REFLECTION_FORMAT.md:1-30]()

复盘产出的最小单元是一份 Markdown/YAML 文档，包含以下字段：

| 字段 | 含义 |
| --- | --- |
| `date` | 复盘对应交易日 |
| `observations` | 当日关键观察的列表引用 |
| `decisions` | 触发的决策及其依据 |
| `outcomes` | 决策结果与盈亏归因 |
| `lessons` | 提炼出的策略智慧条目 |
| `next_actions` | 次日或下周期的执行改进项 |

资料来源：[docs/REFLECTION_FORMAT.md:32-70]()

`DAILY_REFLECTION_SETUP.md` 进一步给出落盘路径、调度方式（cron / GitHub Action）以及与 `tradememory` 主索引的同步策略，确保每日复盘文件可被协议层的"记忆检索器"直接消费。资料来源：[docs/DAILY_REFLECTION_SETUP.md:12-55]()

## 四、与上层协议的协作

OWM 不直接产生交易信号，而是作为协议中的"记忆供给者"。在 `__init__.py` 暴露的 `export_for(agent_name, query)` 入口会从长期记忆库中按语义检索最相关的若干条 `lessons`，拼装成 LLM 提示词的上下文段。资料来源：[src/tradememory/owm/__init__.py:26-60]()

这种设计带来两个工程上的好处：

1. **可观测性**：所有"经验"都显式落盘在版本控制下，便于审计与回滚。
2. **可演化性**：通过修改 `REFLECTION_FORMAT.md` 的模板即可调整复盘粒度，无需改动代码主体。

资料来源：[docs/OWM_FRAMEWORK.md:60-90]()

## 五、配置与扩展点

- **上下文窗口长度**：通过 `OWMContext.max_tokens` 控制，默认随模型上下文自适应。资料来源：[src/tradememory/owm/context.py:96-120]()
- **复盘周期**：在 `DAILY_REFLECTION_SETUP.md` 中通过 `schedule` 字段配置，可切换为"日内"或"周度"。资料来源：[docs/DAILY_REFLECTION_SETUP.md:56-80]()
- **记忆检索后端**：`OWM_FRAMEWORK.md` 预留了 `memory_backend` 抽象，允许替换为向量库或图数据库。资料来源：[docs/OWM_FRAMEWORK.md:91-110]()

> 总结：OWM 引擎以"观察→记忆→复盘"为闭环，把交易过程中碎片化的经验转化为可被检索、可被复用的策略资产，是 `tradememory-protocol` 实现"代理自我进化"的关键基础设施。

---

<a id='page-4'></a>

## 多平台集成、部署与运维

### 相关页面

相关主题：[项目概览与快速上手](#page-1), [系统架构与核心模块](#page-2), [OWM 认知记忆与复盘引擎](#page-3)

<details>
<summary>相关源码文件</summary>

以下源码文件用于生成本页说明：

- [docs/MT5_SYNC_SETUP.md](https://github.com/Eltano1985/tradememory-protocol/blob/main/docs/MT5_SYNC_SETUP.md)
- [docs/deployment.md](https://github.com/Eltano1985/tradememory-protocol/blob/main/docs/deployment.md)
- [docs/hosted-api-spec.md](https://github.com/Eltano1985/tradememory-protocol/blob/main/docs/hosted-api-spec.md)
- [SECURITY.md](https://github.com/Eltano1985/tradememory-protocol/blob/main/SECURITY.md)
- [ROADMAP.md](https://github.com/Eltano1985/tradememory-protocol/blob/main/ROADMAP.md)
- [CHANGELOG.md](https://github.com/Eltano1985/tradememory-protocol/blob/main/CHANGELOG.md)
</details>

# 多平台集成、部署与运维

`tradememory-protocol` 是一个面向交易记忆与策略复用的开放协议，其核心能力需要通过 MetaTrader 5（MT5）这类主流交易平台完成数据采集，并通过托管 API（Hosted API）对外提供服务。本页围绕"多平台集成、部署与运维"主题，梳理协议在不同平台之间的边界、部署形态以及运行维护要点。

## 一、MT5 平台集成

MT5 是协议中"原始交易记忆"的主要来源之一。同步模块负责把 MT5 本地端的成交、订单、持仓与账户状态映射为协议层的标准化记录，再上传到后端。

关键集成点：

- **数据来源对齐**：在 MT5 端通过 EA 或脚本读取账户/订单信息，统一为协议规定的字段格式，避免时区、品种命名、报价精度差异。
- **同步触发方式**：支持手动触发与定时轮询两种节奏，便于在不同运行环境（本地终端、VPS、容器）中复用。
- **凭据与隔离**：MT5 账户、服务器地址、只读令牌等敏感信息应通过环境变量或密钥文件注入，而非硬编码到配置中。

资料来源：[docs/MT5_SYNC_SETUP.md]()

## 二、部署架构与方案

部署文档面向自托管用户与运维人员，描述协议后端及其附属组件在常见环境中的落地方式。

| 形态 | 适用场景 | 主要组件 |
| --- | --- | --- |
| 本地单机 | 个人研究、回测验证 | MT5 同步器 + 协议核心服务 |
| VPS/容器 | 长期在线、低延迟采集 | MT5 同步器 + 反向代理 + 数据库 |
| 托管服务 | 多用户、跨平台调用 | Hosted API + 对象存储 + 鉴权层 |

部署时需关注的共性事项：

- **端口与网络**：协议默认监听端口应在防火墙中显式放行，建议通过反向代理（如 Nginx）统一暴露 HTTPS。
- **持久化存储**：交易记忆具有时间序列特征，数据库需要支持追加写入与按时间窗查询。
- **配置分层**：将 `dev`、`staging`、`prod` 配置分离，通过环境变量或配置中心注入，避免密钥泄露。

资料来源：[docs/deployment.md]()

## 三、托管 API 与对外服务

托管 API（Hosted API）是协议对外的统一入口，定义了在多平台之间共享交易记忆的契约。

核心约定：

- **资源模型**：以"交易记忆条目"（trade memory entry）为核心资源，附加标签、策略、平台来源等元数据。
- **鉴权方式**：使用基于令牌（Token）的鉴权，令牌应与具体用户/项目绑定，并支持轮换。
- **幂等与重试**：同步接口通常采用幂等键（idempotency key）防止重复写入，客户端需实现指数退避重试。
- **版本兼容**：协议在演进过程中通过版本前缀（如 `/v1/`）保持向后兼容，破坏性变更需走主版本升级。

```mermaid
flowchart LR
    A[MT5 终端] -->|EA/脚本| B[同步器]
    B -->|HTTPS| C[Hosted API]
    C --> D[(持久化存储)]
    C --> E[其他客户端/平台]
    E -->|只读查询| C
```

资料来源：[docs/hosted-api-spec.md]()

## 四、运维、安全与演进

运维工作需要兼顾可用性、可观测性与安全性，文档矩阵中分别由 `SECURITY.md`、`CHANGELOG.md`、`ROADMAP.md` 提供支撑。

- **可观测性**：建议至少采集同步成功率、API 延迟、错误码分布三类指标，并在 MT5 断连、API 5xx 时触发告警。
- **安全策略**：漏洞应按 `SECURITY.md` 中披露的渠道上报，避免在公开 Issue 中暴露复现细节；密钥与令牌遵循最小权限原则。
- **变更追踪**：每次发布需在 `CHANGELOG.md` 中标注新增接口、废弃字段与修复项，便于下游集成方对齐。
- **演进路线**：`ROADMAP.md` 列出了未来平台扩展（如更多券商/交易前端）、更细粒度的权限模型以及离线优先等方向，运维规划需与之同步。

资料来源：[SECURITY.md]()、[CHANGELOG.md]()、[ROADMAP.md]()

## 小结

多平台集成、部署与运维是 `tradememory-protocol` 走向生产的关键链路：通过 MT5 完成记忆采集，通过 Hosted API 完成跨平台共享，再通过分层部署与可观测性体系保障稳定运行。后续工作应以 `ROADMAP.md` 为参照，分阶段扩展集成面与托管能力，同时严格遵循 `SECURITY.md` 的披露与防护规范。

---

<!-- evidence_pipeline_checked: true -->

---

## Doramagic 踩坑日志

项目：Eltano1985/tradememory-protocol

摘要：发现 7 个潜在踩坑项，其中 1 个为 high/blocking；最高优先级：安全/权限坑 - 涉及密钥、隐私或敏感领域。

## 1. 安全/权限坑 · 涉及密钥、隐私或敏感领域

- 严重度：high
- 证据强度：source_linked
- 发现：项目文本出现 secret/private key/privacy/trading/finance 等敏感关键词。
- 对用户的影响：金融、交易、隐私和密钥场景必须比普通工具更保守。
- 证据：packet_text.keyword_scan | https://github.com/Eltano1985/tradememory-protocol | matched secret / private key / privacy / trading / finance keyword

## 2. 能力坑 · 能力判断依赖假设

- 严重度：medium
- 证据强度：source_linked
- 发现：README/documentation is current enough for a first validation pass.
- 对用户的影响：假设不成立时，用户拿不到承诺的能力。
- 证据：capability.assumptions | https://github.com/Eltano1985/tradememory-protocol | README/documentation is current enough for a first validation pass.

## 3. 维护坑 · 维护活跃度未知

- 严重度：medium
- 证据强度：source_linked
- 发现：未记录 last_activity_observed。
- 对用户的影响：新项目、停更项目和活跃项目会被混在一起，推荐信任度下降。
- 证据：evidence.maintainer_signals | https://github.com/Eltano1985/tradememory-protocol | last_activity_observed missing

- 严重度：medium
- 证据强度：source_linked
- 发现：no_demo
- 证据：downstream_validation.risk_items | https://github.com/Eltano1985/tradememory-protocol | no_demo; severity=medium

## 5. 安全/权限坑 · 存在评分风险

- 严重度：medium
- 证据强度：source_linked
- 发现：no_demo
- 对用户的影响：风险会影响是否适合普通用户安装。
- 证据：risks.scoring_risks | https://github.com/Eltano1985/tradememory-protocol | no_demo; severity=medium

## 6. 维护坑 · issue/PR 响应质量未知

- 严重度：low
- 证据强度：source_linked
- 发现：issue_or_pr_quality=unknown。
- 对用户的影响：用户无法判断遇到问题后是否有人维护。
- 证据：evidence.maintainer_signals | https://github.com/Eltano1985/tradememory-protocol | issue_or_pr_quality=unknown

## 7. 维护坑 · 发布节奏不明确

- 严重度：low
- 证据强度：source_linked
- 发现：release_recency=unknown。
- 对用户的影响：安装命令和文档可能落后于代码，用户踩坑概率升高。
- 证据：evidence.maintainer_signals | https://github.com/Eltano1985/tradememory-protocol | release_recency=unknown

<!-- canonical_name: Eltano1985/tradememory-protocol; human_manual_source: deepwiki_human_wiki -->