TradeMemory, 규율 있는 거래를 위한 AI 기반 영속성 레이어
Source: Dev.to
프로젝트 문서: TradeMemory
메모리 강화 AI를 활용한 거래 일지 탐구
Tech Stack: MERN + Groq (Qwen-3) + Hindsight Cloud Vector SDK
AI 시스템과 풀스택 개발을 진행하면서, 대형 언어 모델(LLM)과 벡터 데이터베이스를 결합해 지속적인 컨텍스트를 유지하는 애플리케이션을 만들 수 있는 방법을 탐구했습니다.
TradeMemory는 거래 상세 정보뿐 아니라 거래 결정 뒤에 숨은 이유와 감정을 저장하는 지능형 거래 일지를 구축하는 학습 프로젝트입니다.
목표는 AI 메모리가 사용자가 과거 경험을 복습하는 방식을 어떻게 개선할 수 있는지 실험하는 것이었습니다.
많은 개인 트레이더가 스프레드시트나 간단한 메모를 이용해 거래 기록을 관리합니다. 이러한 방법은 정보를 저장하지만 다음과 같은 한계가 있습니다.
- 일반 스프레드시트는 다음과 같은 질문을 이해하지 못합니다.
“Zomato에서 손실을 본 직전의 내 사고방식은 어땠지?” - 매 거래마다 여러 필드를 입력해야 하는 수동 일지는 유지가 어려워 마찰을 발생시킵니다.
- 저장된 데이터는 정적이며 이전 결정에 대한 컨텍스트를 제공하지 못합니다.
TradeMemory는 사용자가 대화를 통해 자연스럽게 거래를 기록하고, 그 대화를 검색 가능한 메모로 저장함으로써 다른 접근 방식을 제시합니다.
애플리케이션 흐름은 다음과 같습니다.
- 응답 생성 전에 시스템이 벡터 유사성을 이용해 이전에 저장된 메모를 검색합니다.
- 관련된 과거 경험을 찾아 컨텍스트로 제공합니다.
- 검색된 정보를 LLM에 전달해 이전 상호작용을 고려한 응답을 생성합니다.
- 상호작용이 끝난 뒤, 중요한 거래 정보를 추출해 메타데이터와 함께 저장하고 향후 검색에 활용합니다.
프로젝트는 Groq API를 통해 Qwen‑3 모델을 사용합니다.
맞춤형 에이전트 레이어가 다음을 관리합니다.
- 대화 히스토리
- 프롬프트 구조
- 응답 포맷팅
- 메모 추출
정규식 기반 필터링을 적용해 사용자에게 깔끔하고 집중된 응답만 전달합니다.
사용 예시
여러 필드를 일일이 채우는 대신 다음과 같이 입력할 수 있습니다.
“Tata Motors에서 2만 원 이익을 기록했으며, 오늘은 절제된 느낌이었다.”
시스템은 의도를 파악해 구조화된 거래 메모로 저장합니다.
대시보드에 표시되는 항목
- 총 거래 수
- 승리 횟수
- 손실 횟수
- 승률
이 통계는 저장된 메모 메타데이터를 기반으로 생성됩니다.
시스템은 과거 거래 메모를 분석해 관찰된 패턴을 요약할 수 있습니다. 예시:
“사용자는 대형주에서 더 좋은 성과를 내며, 변동성이 큰 상황에서는 어려움을 겪는다.”
API 키는 백엔드에서만 처리됩니다. 프론트엔드는 Node.js 미들웨어를 통해 통신하므로 민감한 자격 증명이 직접 노출되지 않습니다.
프론트엔드
- React.js 기반
- 다크 터미널 스타일 UI
- 고정폭 타이포그래피
- 빠른 액션 프롬프트
React Hook을 사용해 새로운 메모가 저장될 때마다 통계를 자동으로 갱신합니다.
백엔드
- Node.js, Express.js
- LLM 통신
- 메모리 검색
- 데이터 처리
공식 Hindsight SDK를 이용해 벡터 연산을 수행합니다. 텍스트만 저장하는 것이 아니라 각 거래 메모를 임베딩으로 변환해 유사도 기반 검색이 가능하도록 합니다.
예시: “Reliance 거래”를 검색하면 다음과 같은 관련 메모도 함께 조회됩니다.
- RIL
- 블루칩 투자
- 이전 유사 상황
이는 의미가 유사하기 때문입니다.
초기에는 대시보드 값이 제대로 업데이트되지 않았으나, 메모 생성 시 구조화된 메타데이터 태그를 추가함으로써 해결했습니다. Groq 추론을 사용하면서 전통적인 LLM API 호출에 비해 응답 속도가 크게 향상되었습니다. 프롬프트 제약을 두어 시스템이 저널링 및 분석에 집중하고 금융 조언을 제공하지 않도록 했습니다.
가능한 확장 기능
- 브로커 API와 연동해 거래 내역 자동 가져오기
- 음성 입력을 통해 거래 생각 기록하기
- 별도 메모 컨텍스트 제공
- NSE
- 미국 시장
- 암호화폐
TradeMemory는 지속적인 AI 메모리를 실제 애플리케이션에 어떻게 활용할 수 있는지 이해하기 위한 실험으로 구축되었습니다. 이 프로젝트는 다음 요소들을 결합합니다.
- 풀스택 개발
- LLM 통합
- 벡터 데이터베이스
- 프롬프트 엔지니어링
이를 통해 AI 시스템과 보다 맥락적인 상호작용 방식을 탐구합니다.