大型语言模型（LLM）在金融分析与推理方面展现出强大能力，推动了基于代理的交易框架的研究。现有方法要么侧重于长期预测，要么仅作为无状态分析器使用，这限制了它们在复杂交易环境中的实用性。\ \ 为弥补上述不足，本文提出 META（Memory Enhanced Trading Agent），它是首个采用检索增强生成（RAG）思路的情景记忆多代理系统。META 包含三大模块：\
- 指标代理族：包括 Trend、MACD、Stochastic、RSI、SMA、AVWAP、Heikin‑Ashi 等专用技术指标，每个代理负责计算并输出对应信号报告。\
- 决策代理：接收所有指标代理的报告，依据当前市场状态对信号进行加权融合，输出买卖指令。\
- 记忆模块：将每一次交易回合编码为市场状态嵌入，并记录结果与反思。通过相似性检索，模块能够在新回合中调取过去在相似行情下的经验，并据此动态调整指标权重。\ \ 在实验中，META 在短期评估下显著提升了方向预测准确率，并表现出更强的鲁棒性。结果表明，情景记忆为交易决策提供了 regime‑aware（行情感知）、可解释且低延迟的机制。项目代码已在 GitHub 开源。\ \ 点评：META 将记忆检索与多指标融合巧妙结合，使得交易代理能够在不同市场 regime 下自适应调节，既提升了决策质量，又保持了实时性，是金融智能体研究的一个重要突破。