Mnemox AI：用五層記憶架構打造交易決策審計系統

Mnemox AI 團隊（無傳統工程師背景，全靠 AI Agent 開發）分享了他們的 AI 交易 Agent 架構，核心理念是「AI 當顧問不當操盤手」。

架構分層：

• TradeMemory — 記憶與審計層，負責記錄每筆交易決策、分析行為偏差（如 disposition effect、lot sizing 偏差）
• deflated-sharpe — 統計驗證層，專門抓回測 Sharpe ratio 灌水問題
• Anti-resonance 機制 — 強制塞入至少 20% 虧損案例到 AI context，避免 AI 只記得成功交易

Context 管理策略：

• 五層記憶分類，只召回與當前市場條件相似的歷史交易
• 精確數據（價格、時間、lot size）存在結構化欄位，不靠 LLM 壓縮
• LLM 只處理情境判斷，核心交易邏輯用 rule-based

品質保證： 1,200+ 個自動化測試，AI 寫完 code 跑測試通過才合併；策略邏輯用歷史數據回測驗證，數字對不上就重寫。

關鍵設計理念： 不需要看懂每行 code，但要看得懂交易結果對不對。把「可驗證性」放在「可讀性」前面。