面向金融决策的情节记忆检索型 Agent 框架 META

一篇 arXiv 论文提出 META（Memory Enhanced Trading Agent），作者称其为首个类 RAG、以情节记忆增强的多智能体金融决策框架。META 将 Trend、MACD、Stochastic、RSI、SMA、AVWAP、Heikin-Ashi 等指标智能体与一个融合其报告的 Decision Agent 结合，并用 Memory 模块把过去交易情节编码为市场状态嵌入及结果与反思，进行检索和更新。在相似市场状态下召回相关经验并自适应重新加权信号，短周期评估中方向准确率与稳健性提升，代码已在 GitHub 发布。

此前金融 Agent 多偏向长周期预测，或以无状态分析器方式运行，缺少对历史交易经验的持续积累。META 把情节记忆与多智能体信号融合放进同一框架，使决策可以按市场状态调用过往经验并重新加权指标，评估目标也从长周期预测转向短周期方向准确率与稳健性。

机制上，各指标智能体分别产出信号，Decision Agent 汇总；Memory 模块将历史交易情节编码为市场状态嵌入，连同结果与反思存储，在遇到相似市场状态时检索并更新，据此对信号做自适应加权。这相当于把检索增强生成思路用于交易决策，使系统能按市场状态而非固定规则复用经验。

对产品与研发的直接影响是，金融分析类产品可从一次性、无状态的分析输出，转为带记忆的状态化决策助手：历史判断、结果与复盘可被结构化存储并在相似行情下复用。这类设计需要额外维护状态嵌入库、检索与更新逻辑，增加工程与数据管理成本，但有望改善短周期决策的一致性和可解释性。

• 把指标智能体与记忆模块封装为可配置的决策流水线，允许用户按行情切换指标组合与记忆检索范围。
• 基于 GitHub 开源代码搭建复盘工具，将每次交易的情节、结果和反思结构化入库，供后续检索调用。
• 在投研或交易辅助产品中加入相似市场状态检索，展示历史上同类行情下的决策与结果作为参考。
• 面向量化团队提供记忆加权参数与短周期方向准确率的评测模板，便于复现和横向比较。

• 论文中的短周期评估具体使用哪些市场、时间区间和基准，方向准确率提升幅度是多少。
• META 在真实交易成本、滑点和流动性约束下是否仍保持稳健。
• 情节记忆的检索与更新是否会引入对历史行情的过拟合或前视偏差。
• GitHub 开源代码的完整度、许可证和可复现程度如何。