【免费下载链接】LangAlphaClaude Code for Financial Market项目地址https://gitcode.com/gh_mirrors/la/LangAlpha点击查看免费下载LangAlpha一个面向金融市场的 Claude Code的记忆体系是它能做跨周甚至跨月长期研究的核心原因。本文用最小化的代码量完整拆解 LangAlpha 记忆体系的三大组件双层 Memory用户层 工作区层、LiveFS 挂载把数据库里的记忆挂成沙箱里的文件以及它们如何让一个投资研究任务从一次性问答变成不断档的循环。为什么金融研究最需要记忆大多数 AI 金融工具只做问答问一句、答一句关掉就忘。但真实投资研究是贝叶斯式的——你写下论点thesis之后每次财报、每份文件、每次价格波动都在修正你的信心值这个循环要跑数周甚至数月。LangAlpha 的设计哲学是交易是一个循环而不是一次工具调用源码注释原话A trade is a loop, not a tool call。论点存放在工作区workspace里研究、仓位、下单、监控每一环都把新证据回灌到论点中。要支撑这种循环AI 就必须有可靠的记忆。双层 Memory用户层与 Workspace 层LangAlpha 的记忆分两层作用范围tier不同互不干扰层级路径作用范围典型内容 用户层.agents/user/memory/跟随用户跨所有工作区投资者画像、风险偏好、交付风格️ 工作区层.agents/memory/仅当前工作区跨线程共享本工作区的论点、观察清单、研究计划这套规则直接写进了给模型的系统提示词 memory.md.j2 中几个值得新手注意的机制memory.md是索引不是记忆本身。每行是一句话指向一个细节文件detail file每轮对话自动注入到上下文32,000 字符处截断所以它必须保持精简。四类记忆各管一摊。每个细节文件在 frontmatter 里声明类型user投资者是谁、feedback用户喜欢怎么做、project这个工作区在做什么、reference去哪里找数据。明确什么不该存。价格、新闻标题、DCF 计算结果等易过期或可重算的内容一律不进记忆——记忆只存持久且非显而易见的信息。记忆会过期。提示词要求模型在依据记忆行动前核对当前数据发现冲突时相信观察更新记忆。前端可以通过只读 API 查看这些记忆条目按层级分别存放在 LangGraph store 的(user_id, memory)与(user_id, workspaces, workspace_id, memory)命名空间下实现见 memory.py。上图展示了记忆如何进入每一次模型调用Thread baseline线程基线回合开始时读取后冻结里明确列出了agent.md、memory和memo index——也就是说记忆不是事后检索而是每轮对话的开篇基座。LiveFS 挂载记忆在数据库里却以文件形态呈现LangAlpha 记忆体系最巧妙的一层在 filesystem_routes.py其开头注释说得很直白Memory、memo、workflows 和用户自己的数据都以沙箱根目录下的文件形态到达 agent 手中但每个目录实际由一条 store 路由而非沙箱磁盘来提供服务。这意味着模型用Read读.agents/user/memory/memory.md像在本地读文件一样而字节实际存在数据库LangGraph store的命名空间里。注释原话移动一个挂载只是移动一个前缀而承载字节的命名空间从不改变。用户层挂在 computer 根下工作区层挂在回合自己的工作文件夹下——两个共享同一台 computer 的工作区不会串用记忆文件。LiveFS 是远端 computer 的挂载通道。用户的computer远端机器通过独立的挂载 token而不是 App 的用户鉴权读写这些文件接口见 livefs.pytoken 的数据库表由迁移 057_livefs_tokens.py 建立。对 agent 来说远端和沙箱没有区别——这就是 Live FS活的文件系统的含义。除了模型自动维护的记忆用户还可以主动上传资料通过 memo API 上传 Markdown 或 PDF 文档服务端自动抽取 PDF 文本并生成元数据索引之后 agent 以只读方式当作文件阅读实现见 memo.py。路径常量统一收敛在 paths.pyMEMORY_USER_DIR .agents/user/memory、MEMO_USER_DIR .agents/user/memo前端和沙箱共用避免路径定义漂移。跨周研究如何不断档记忆 工作区文件 自动化把三块拼起来就是 LangAlpha 的长期研究闭环新线程接得上旧线程。因为文件、聊天和 agent 笔记都在工作区里保留到明天新会话从上一轮留下的文件与记忆开始而不是从零重来。大数据落文件不落上下文。价格、财报、模型输入都写进每个任务的data/文件夹避免撑爆上下文窗口。自动化按周/按价触发。定时任务每周核对模型假设、价格触发器突破关键位唤醒 agent每次运行都从工作区里的模型与记忆出发结果回传到 Slack。举个例子让 agent 每周一核对 CBRS 模型假设Q3 财报后更新模型股价跌破 $95 时提醒我——它会建立四个自动化。下一次运行发生在几周后但它能想起论点是什么、$95 意味着什么、用户偏好哪种报告风格前两者来自工作区层记忆后者来自用户层记忆。关键源码路径速查记忆提示词双层结构定义src/ptc_agent/agent/prompts/templates/components/memory.md.j2记忆只读 APIsrc/server/app/memory.py文档上传memosrc/server/app/memo.py文件路由与挂载src/ptc_agent/agent/filesystem_routes.pyLiveFS 端点src/server/app/livefs.py沙箱与记忆挂载集成测试tests/integration/sandbox/一句话总结LangAlpha 的记忆体系 双层作用域的memory.md索引 数据库命名空间里的字节 LiveFS 挂载成的文件接口。模型读到的每一轮上下文都是基线记忆 历史 尾部行情的确定性拼装——这正是金融级长期研究不依赖单次提示、能周而复始跑下去的原因。赞分享【免费下载链接】LangAlphaClaude Code for Financial Market项目地址https://gitcode.com/gh_mirrors/la/LangAlpha点击查看免费下载相关推荐OpenHanako 置顶记忆Pinned Memory完整指南永不衰减的长期记忆实现与配置OpenHanako 置顶记忆Pinned Memory完整指南永不衰减的长期记忆实现与配置 导读 本文围绕 OpenHanakoHanaAgent项人工智能AI AgentAI 应用桌面应用多智能体Agent 记忆AI 技能工具调用AutoGen Core 记忆系统深入解析用 Memory 与 ListMemory 实现跨会话长期记忆AutoGen Core 记忆系统深入解析用 Memory 与 ListMemory 实现跨会话长期记忆 导读 在多智能体应用中智能体Agent不仅需要人工智能AI 应用AI Agent一条 bsk 命令截出 10 万像素长页面BrowserSkill 三种模式安装、开拍与排错指南一条 bsk 命令截出 10 万像素长页面BrowserSkill 三种模式安装、开拍与排错指南 要把一个已登录的超长数据页做成完整存档靠人工智能AI 应用AI 技能浏览器控制dsh-plugin创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考