大多數交易者寫交易日記的方式，就跟大多數人寫日記一樣。
他們會連續寫三週，然後停下來。在經歷一個慘澹的月份後，又重新開始。再寫兩週，然後又停下來。
這本日記永遠無法產生複利效應，因為交易者本人就是進行分析的人。而這個交易者同時也要負責交易、管理持倉、研究市場，以及處理所有其他需要關注的事情。
分析工作總是被那些感覺更緊急的事情給排擠掉。
Obsidian 交易大腦能永久解決這個問題。
它不需要你坐下來分析你的交易。它會自動進行分析。它能在你從單一持倉內部看出自己的模式之前，就將其識別出來。它會告訴你，你的交易歷史實際上揭示了關於你的優勢、你的弱點，以及那些你持續獲利與持續虧損的特定條件。
30 天後，它會比你自己更了解你的交易。
90 天後，它會阻止你重複那些你過去的持倉已經記錄過的錯誤。
180 天後，它已經建立起一個關於你實際優勢的統計圖像，這是任何主觀的自我評估都無法達到的。
這篇文章就是完整的建構指南。
為什麼交易者無法從交易中學習
在了解架構之前，先理解問題所在。
大多數交易者虧損，不是因為缺乏技巧。
他們虧損，是因為他們看不到自己的模式。
「過早獲利了結，過晚停損出場」的模式，從任何單一交易內部是看不見的。只有當你同時審視 50 筆交易時，它才會變得明顯。
「在持倉 P&L 為負的星期五過度交易」的模式，不是你當下會注意到的。它會出現在總體數據中。
「你最好的交易都共享某個特定進場條件」的模式，當你專注於執行每一筆獨立交易時是看不見的。它需要有人一次讀取你所有最好的交易。
那個人就是 Claude。
透過 MCP 連接到你的交易庫，並對你完整的交易歷史進行自動化分析，Claude 能看到你從自身經驗中無法看到的東西。
交易大腦的四大支柱
交易大腦有四個不同的組成部分，它們協同工作，將原始交易數據轉化為持續增長的智慧。
支柱 1：交易記錄 — 記錄每筆交易的系統，提供足夠的細節以進行有意義的分析。
支柱 2：績效分析 — 讀取你的交易數據並識別結果模式的自動化工作流程。
支柱 3：交易前智能 — 在你建立部位之前，提供相關歷史模式的決策支援功能。
支柱 4：市場情報 — 追蹤與你的策略相關的工具、板塊和狀況的研究層。
每個支柱都為其他支柱提供養分。交易記錄為績效分析提供養分。績效分析為交易前智能提供養分。市場情報則為交易前智能提供其真正有用所需的外部背景資訊。
庫的結構
TRADING-BRAIN/
trades/
open/
[YYYY-MM-DD]-[TICKER]-open.md
closed/
[YYYY-MM-DD]-[TICKER]-closed.md
watchlist/
[TICKER]-watchlist.md
analysis/
performance/
weekly/
[YYYY-MM-DD]-weekly-performance.md
monthly/
[YYYY-MM-DD]-monthly-performance.md
patterns/
[YYYY-MM-DD]-pattern-report.md
edge-reports/
[YYYY-MM-DD]-edge-analysis.md
intelligence/
instruments/
[TICKER]-intelligence.md
sectors/
[SECTOR]-intelligence.md
market-conditions/
[YYYY-MM-DD]-market-context.md
pre-trade/
[YYYY-MM-DD]-[TICKER]-pre-trade-brief.md
journal/
[YYYY-MM-DD]-trading-journal.md
system/
CLAUDE.md
edge-definition.md
rules.md
交易大腦的 CLAUDE.md
CLAUDE.md 的作用是讓每一次分析都針對你的特定策略，而不是提供泛泛有用的資訊。
交易大腦 — CLAUDE.md
交易者檔案
姓名：[你的名字]
交易風格：[當沖/波段/部位]
主要市場：[加密貨幣/股票/期貨/外匯]
帳戶規模：[大約範圍]
交易頻率：[大約每週交易次數]
經驗：[交易年資]
我的策略
[用具體的詞彙描述你的策略]
[你尋找什麼樣的進場條件]
[一個有效的進場條件必須滿足哪些狀況]
[哪些狀況會使進場條件失效]
我的優勢定義
[你目前對自己優勢所在的最佳理解]
[這個部分會隨著分析累積證據而更新]
當前假設：[你的優勢假設]
支持證據：[你的歷史數據顯示了什麼]
反證：[假設在哪些地方失效了]
我已知的弱點
[分析已識別為持續性問題的模式]
[隨著新模式被確認而更新]
當前已知弱點：
- [弱點 1 及證據]
- [弱點 2 及證據]
績效基準
勝率目標：[你的目標]
平均 R 倍數目標：[你的目標]
最大回撤容忍度：[你的限制]
表現最佳的條件：[你目前所知]
表現最差的條件：[你目前所知]
規則
[你不可妥協的交易規則]
[這些規則應該要夠具體，以便分析可以檢查每筆交易是否遵守]
規則 1：[規則]
規則 2：[規則]
規則 3：[規則]
分析偏好
[你希望 Claude 如何呈現分析]
[哪些指標對你最重要]
[你最想從交易中得到哪些問題的答案]
交易記錄系統
記錄系統是一切的基础。輸入垃圾，就會產出垃圾分析。豐富的記錄則會產出豐富的洞察。
每筆交易都有自己的筆記。這份筆記遵循嚴格的模板，以便 Claude 能可靠地從中提取結構化數據。
開倉模板：
type: trade
status: open
ticker: [TICKER]
direction: [LONG/SHORT]
entry_date: [YYYY-MM-DD]
entry_time: [HH:MM]
entry_price: [PRICE]
position_size: [SIZE]
account_percentage: [% OF ACCOUNT]
setup_type: [YOUR SETUP NAME]
timeframe: [PRIMARY TIMEFRAME]
market_condition: [TRENDING/RANGING/VOLATILE/CHOPPY]
thesis_confidence: [1-10]
[TICKER] — [DIRECTION] — [DATE]
進場條件
[準確描述你看到了什麼，讓你認為這是一個有效的進場點]
[具體說明價格行為、指標或狀況]
論點
[你為什麼預期這筆交易會成功]
[你正在利用的催化劑或優勢是什麼]
計劃
進場：[PRICE]
停損：[PRICE] — R 風險：[$ AMOUNT]
目標 1：[PRICE] — R 報酬：[R RATIO]
目標 2：[PRICE] — R 報酬：[R RATIO]
最大持有時間：[DURATION]
風險檢查
[確認你在進場前已檢查過你的規則]
規則 1 合規：[YES/NO — WHY]
規則 2 合規：[YES/NO — WHY]
規則 3 合規：[YES/NO — WHY]
心理狀態
[你進場時的感覺如何]
[有任何外部壓力或分心的事嗎]
[對這個進場條件的信心：1-10]
平倉模板（平倉時添加到開倉筆記中）：
平倉
close_date: [YYYY-MM-DD]
close_time: [HH:MM]
close_price: [PRICE]
result_r: [R MULTIPLE — e.g. +2.3R or -1R]
result_pnl: [$ AMOUNT]
hold_duration: [HOURS/DAYS]
exit_reason: [TARGET HIT/STOP HIT/MANUAL EXIT/TIME STOP]
發生了什麼
[描述交易從進場到出場的發展過程]
[價格實際走勢與你的預期有何不同]
執行品質
交易是否遵循計劃：[YES/PARTIALLY/NO]
如果沒有：[發生了什麼變化，你為什麼偏離計劃]
我學到了什麼
[從這筆交易中得到的一個具體見解]
[你在未來交易中會尋找或避免的事情]
規則遵守情況
[你在這筆交易的整個過程中是否遵守了所有規則]
[如果沒有：哪些規則以及為什麼]
記錄時的細節程度決定了分析時的洞察深度。記錄越豐富的交易者，學到的東西就越多。
績效分析工作流程
三個自動化工作流程將你的交易數據處理成情報。
工作流程 1：每週績效分析器
每週日下午 7 點，這個工作流程會讀取過去七天內所有已平倉的交易，並產出一份結構化的績效分析報告。
N8N 觸發器在週日下午 7 點觸發。它使用以下提示詞呼叫 Claude API：
Read all closed trade files from the past 7 days in
TRADING-BRAIN/trades/closed/.
Also read CLAUDE.md for my strategy, rules, and
current edge definition.
Produce a weekly performance analysis covering:
RAW PERFORMANCE
- Total trades: [N]
- Win rate: [%]
- Average winner: [R]
- Average loser: [R]
- Expectancy: [R per trade]
- Total week P&L: [$ and R]
PATTERN ANALYSIS
Compare this week's trades against my historical
patterns in CLAUDE.md.
For each losing trade:
- Which rule if any was violated
- What setup type it was
- What market condition it occurred in
- What the exit reason was
For each winning trade:
- What setup type it was
- What market condition it occurred in
- What the hold duration was
- Whether it hit target or was manually exited
RULE ADHERENCE AUDIT
For each trade this week check the Rule Compliance
section. Produce a rule adherence score for each rule.
Flag any rule that was violated more than once.
SETUP PERFORMANCE BREAKDOWN
Group all trades by setup type.
For each setup type show:
Win rate, average R, number of trades, best conditions.
EDGE SIGNAL
Does this week's data support or challenge my
current edge hypothesis in CLAUDE.md?
Provide specific evidence either way.
NEXT WEEK FOCUS
Based on this week's analysis identify:
- One specific thing to do more of
- One specific thing to do less of
- One rule to pay particular attention to
Save to: TRADING-BRAIN/analysis/performance/weekly/
[DATE]-weekly-performance.md
工作流程 2：月度優勢報告
在每個月的第一天，這個工作流程會讀取上個月的所有每週分析，並將其綜合成一份全面的優勢報告。
Read all weekly performance analyses from the past
30 days in TRADING-BRAIN/analysis/performance/weekly/.
Read all closed trades from the past 30 days.
Read CLAUDE.md for current edge definition and
known weaknesses.
Produce a monthly edge report covering:
STATISTICAL PERFORMANCE SUMMARY
Full month statistics with enough trades for
statistical significance assessment.
At what trade count does this sample become
statistically meaningful for my strategy.
EDGE VALIDATION
Does 30 days of data support my current edge
hypothesis in CLAUDE.md?
What conditions produced the best results?
What conditions produced the worst results?
What specific setup had the highest expectancy?
WEAKNESS CONFIRMATION OR REFUTATION
For each known weakness in CLAUDE.md:
Did this month provide confirming or contradicting evidence?
Should the weakness be maintained, updated, or removed?
RULE EFFECTIVENESS ANALYSIS
For each trading rule:
What is the performance difference between trades
that followed this rule versus trades that violated it?
This answers the question: are your rules actually helping?
OPTIMAL CONDITIONS ANALYSIS
Identify the intersection of conditions where
your results are best:
- Which setup types
- Which market conditions
- Which timeframes
- Which days of the week
- Which session times
This is your highest-probability trading environment.
UPDATED EDGE DEFINITION
Based on this month's evidence propose an updated
edge definition for CLAUDE.md.
Be specific about what the data actually shows.
Save to: TRADING-BRAIN/analysis/edge-reports/
[DATE]-edge-analysis.md
工作流程 3：即時模式警報
這個工作流程在你每次平倉時執行，並根據你已知的模式檢查交易結果。
A trade was just closed: [TRADE FILE PATH]
Read the closed trade note.
Read CLAUDE.md for known patterns and weaknesses.
Read the last 10 closed trades for context.
Check this trade against every known pattern
and weakness in CLAUDE.md.
If this trade matches a known failure pattern:
Create an alert note in TRADING-BRAIN/analysis/patterns/
titled PATTERN-ALERT-[DATE]-[TICKER].md
The alert should include:
- Which pattern matched
- How this trade fits the pattern
- What the historical outcome of this pattern is
- What this means for similar future setups
交易前智能功能
這項功能能在第一週內就回報整個系統的成本。
在進入任何重大交易之前，執行這個提示詞：
I am considering entering this trade:
Ticker: [TICKER]
Direction: [LONG/SHORT]
Setup: [SETUP TYPE]
Market condition: [CURRENT CONDITION]
Timeframe: [TIMEFRAME]
Read my TRADING-BRAIN vault and tell me:
HISTORICAL PRECEDENT
Have I traded this setup before?
If yes: what was the aggregate performance?
Win rate, average R, sample size.
What conditions produced winners versus losers?
PATTERN MATCH
Does this setup match any known patterns
or weaknesses in my CLAUDE.md?
If a weakness pattern: be direct about what
my history shows happens in this situation.
RULE CHECK
Based on the trade details I have provided:
Do any of my rules raise concerns about this entry?
Flag any potential rule violations before I enter.
MARKET CONTEXT MATCH
How does the current market condition compare
to the conditions where I perform best?
Is this setup occurring in my highest-probability
environment or a lower-probability one?
MENTAL STATE CONSIDERATION
Based on my recent trading journal entries:
Am I in a mental state where my historical
performance suggests I should be trading?
VERDICT
Given everything above:
Is this setup in or out of my historical edge?
What specific concerns should I address before entering?
What would make this a higher-conviction entry?
This is not a recommendation. This is my historical
data applied to my current decision. I make the final call.
這個提示詞，就是帶著歷史智慧交易，與僅憑當下資訊交易之間的差別。
市場情報層
交易大腦不僅是一個內部分析系統。它也會追蹤你的交易所在的外部環境。
一個每週市場情報工作流程會在績效分析之前的每個週日上午執行。它會讀取近期的市場發展，綜合出與你的策略相關的背景資訊，並存入一份市場背景筆記，供績效分析參考。
Search for significant market developments from
the past week relevant to my trading universe.
Based on my CLAUDE.md which covers [YOUR MARKETS]:
Produce a market intelligence brief covering:
MACRO CONTEXT
What macro developments occurred this week that
affect the conditions I trade in?
SECTOR ROTATION
Any significant shifts in capital flow between
sectors or asset classes?
VOLATILITY REGIME
Has volatility expanded or contracted this week?
What does this mean for my strategy's performance
characteristics?
KEY LEVELS
Any significant technical levels across my primary
instruments that were tested or broken this week?
UPCOMING CATALYSTS
Any events next week that could significantly
affect the instruments I trade?
Earnings, macro data, regulatory decisions.
TRADING ENVIRONMENT ASSESSMENT
Based on the above: is next week likely to be
a favorable or unfavorable environment for
my specific strategy?
Save to: TRADING-BRAIN/intelligence/market-conditions/
[DATE]-market-context.md
情緒模式追蹤器
任何交易日記中最被低估的數據，就是情緒數據。
大多數交易者記錄他們做了什麼。而交易大腦還會追蹤他們的感受，以及情緒狀態與績效之間的關聯性。
每日交易日記筆記記錄了這些：
交易日記 — [DATE]
早晨狀態
精力水平：[1-10]
專注程度：[1-10]
情緒狀態：[CALM/ANXIOUS/OVERCONFIDENT/FRUSTRATED/NEUTRAL]
今日外部壓力：[任何影響專注力的事情]
市場態度：[BULLISH/BEARISH/NEUTRAL/UNCERTAIN]
盤中
值得注意的情緒時刻：[任何顯著的情緒反應]
決策品質：[FELT IN CONTROL/REACTIVE/DISCIPLINED/IMPULSIVE]
收盤
對執行的滿意度：[1-10]
今天最大的心理挑戰：[什麼考驗了你]
明天要做的不同的一件事：[具體改變]
月度優勢報告包含一個情緒績效相關性分析：
Compare all trades where morning emotional state
was ANXIOUS or FRUSTRATED versus CALM or NEUTRAL.
What is the performance difference?
Is there a statistically significant relationship
between my emotional state and trading results?
This analysis answers: should I trade differently
based on my emotional state at session open?
在一個週末內建構系統
完整的交易大腦只需要一個週末就能建構完成。
週六上午：庫的結構
建立所有資料夾。撰寫你的 CLAUDE.md。根據你目前對自身優勢的最佳理解，撰寫你的 edge-definition.md。撰寫你的 rules.md。
所需時間：2 小時。
週六下午：交易模板
建立開倉和平倉交易模板作為 Obsidian 模板。透過憑記憶記錄兩三筆歷史交易來測試它們。
所需時間：1 小時。
週六晚上：MCP 連接
安裝 Claude Desktop。配置指向你交易庫的 Filesystem MCP。驗證 Claude 可以讀取你的 CLAUDE.md 和交易檔案。
所需時間：1 小時。
週日上午：首次分析
手動對你擁有的任何交易歷史觸發每週績效分析。即使只有五到十筆歷史交易，也會產出有用的初步結果。
閱讀輸出結果。注意那些讓你感到驚訝的地方。
所需時間：2 小時。
週日下午：N8N 工作流程
設定 N8N。建立三個自動化工作流程。測試每一個。
所需時間：2 小時。
週日晚上：首次交易前簡報
思考一個你考慮在下週進行的交易。執行交易前智能提示詞。看看你的歷史數據對此有何看法。
如果這個提示詞讓你想到了一些你之前沒有考慮過的事情，你就看到了這個系統的價值所在。
所需時間：30 分鐘。
90 天後會發生什麼
交易大腦的價值並非在建立時達到頂峰。它會持續累積。
在第 30 天，你有一個月的結構化交易數據。第一份月度優勢報告會識別出兩三個你之前沒有意識到的模式。交易前功能已經捕捉到一兩個符合你已知弱點模式的進場條件。
在第 60 天，系統擁有足夠的數據，可以針對你特定進場條件的表現產出統計上顯著的見解。你知道哪些進場條件在你手中具有正期望值，哪些儘管感覺合理但實際上是淨虧損的。你停止交易那些負期望值的進場條件。
在第 90 天，情緒相關性分析擁有足夠的數據來回答你的情緒狀態是否真的會影響你的結果。對大多數交易者來說，這會產生兩種結果之一：要麼情緒狀態沒有可測量的影響，他們可以不再為此擔心；要麼情緒狀態有顯著的可測量影響，並且他們有具體的數據來知道該怎麼做。
無論哪種結果都是有價值的。兩者都需要 90 天的數據才能產生。
在第 180 天，交易大腦已經建立了一個關於你優勢的統計圖像，其準確度超過任何內省的自我評估。你了解按進場條件類型、市場狀況、星期幾、交易時段和情緒狀態劃分的勝率。你知道哪些規則在保護你，哪些規則可能過於嚴格。你知道你的期望值最高的條件。
你的交易方式會有所不同，因為你是根據證據而非信念進行交易。
這個週末就打好基礎。
複利效應從記錄第一筆交易開始。
關注 @cyrilXBT 以獲取讓整個系統以最高水平運行的精確 CLAUDE.md 模板、N8N 工作流程和交易記錄格式。
