范围说明。 Cryptohopper MCP 的设计是无状态的——每次工具调用都是独立的，服务器在请求之间不持久化任何内容。内存存在于客户端或您控制的存储中。本指南关注的就是这一层。

前提条件

一个已连接到 Cryptohopper MCP 的 MCP 客户端。请参阅设置概览。
一个用于存储数据的地方。可以是本地文件、SQLite 数据库、云存储的 JSON Blob，或者像 Notion 这样的工具。开始时无需任何基础设施。

“内存”包含什么

三个层面，各有其用处：

层面	示例	典型位置
会话内存	在一次对话中，模型会回忆你之前说过的话	模型的上下文窗口（内置）
跨运行内存	今天的代理运行会回忆起上周运行所观察到的内容	文件、数据库、Notion 等
用户画像	代理知道你的观察列表、偏好的交易所、风险偏好	与跨运行内存相同；在会话开始时加载

会话内存是免费且自动的。跨运行内存和用户画像内存需要您设置存储。

设置 — 用户画像

写一个简短的 markdown 文件，描述你自己作为一个加密用户。保持在一页以内：


关于用户
  主要在 Binance 交易。
  观察列表：BTC、ETH、SOL、AVAX、ARB、OP、LINK、AAVE、UNI。
  持有现货；通过 Cryptohopper 在 SOL 和 AVAX 上运行网格机器人。
  比错过上涨更关心回撤风险。
  不交易永续合约。

默认设置
  交易所：       Binance
  报价：          USDT
  技术分析时间周期：   4h (200 根 K 线)
  风险承受能力：moderate

提示偏好
  偏好具体数字而非形容词。
  将投机行为标记为投机。
  如果代币模糊不清，请询问而非猜测。

在每次代理对话开始时加载它。两种方法：
- 手动粘贴：在每次会话中，首先粘贴文件。
- 客户端集成：使用你的客户端的持久化内存功能（Claude 桌面 Projects、Cursor 规则、Zed context）进行自动注入。
保持文件小。任何超过~300 行的内容都会变成模型会忽略的噪音。关键在于约束条件，而不是自传。
版本化。当你更改观察列表或偏好时，将更改提交到 git（或 Notion 历史记录）。你的代理的行为将随着用户画像的变化而变化；你会想知道原因。

设置 — 跨运行内存（简单）

最简单的跨运行内存是一个 markdown 文件，代理在开始时读取并在结束时追加内容：

创建 memory.md 文件，其中包含一个骨架：

代理内存  最近观察（每次运行后在此处追加条目。）  待办事项（代理为未来关注而标记的事项。）  过去的决定（重要的决定及其原因。）

在每次代理运行开始时，注入文件内容：

[代理内存] {memory.md 文件内容}  [任务] 今日任务：运行每日摘要。

在每次运行结束时，追加新的观察。要求代理显式生成它们：

完成任务后，写 2-4 行总结任何值得记住的事情。使用此格式：  [YYYY-MM-DD] {观察}  示例：[2026-05-27] SOL 交易量连续 3 天偏高；在 83-87 左右的范围内波动。[2026-05-27] 观察列表：标记 LINK 为平静，但值得在 7 天后检查。  我将手动将这些追加到 memory.md。

定期审阅和修剪。大约每周一次，修剪 memory.md 文件——删除过时的条目，合并模式。一个未管理的内存文件会无限增长并变得混乱。

设置 — 跨运行内存（结构化）

对于需要可查询历史的代理，一个小的 SQLite 数据库效果很好。模式建议：

sql

CREATE TABLE observations (
    id          INTEGER PRIMARY KEY,
    run_at      TEXT NOT NULL,   -- ISO-8601
    agent_name  TEXT NOT NULL,   -- 例如，“daily-digest”
    category    TEXT,            -- 例如，“volume-spike”，“trend-change”
    token       TEXT,            -- 例如，“SOL”
    content     TEXT NOT NULL,   -- 观察文本
    metadata    JSON             -- 任何结构化字段
);

CREATE INDEX idx_run_at ON observations(run_at);
CREATE INDEX idx_agent_token ON observations(agent_name, token);

这允许你提出类似“我们在过去 14 天里对 SOL 做了哪些观察？”这样的查询——并将答案作为今天运行的上下文提供给代理。

代理通过一个小 Python 助手写入此表：

python

def log_observation(agent_name: str, category: str,
                    token: str, content: str) -> None:
    conn.execute(
        "INSERT INTO observations (run_at, agent_name, category, token, content) "
        "VALUES (?, ?, ?, ?, ?)",
        (datetime.utcnow().isoformat(), agent_name, category, token, content),
    )
    conn.commit()

谨慎使用。只有当你真的会查询结构化内存时，它才值得设置；对于一个简单的摘要，markdown 文件通常足够了。