2025 年的 Agentic Finance 生态图景

撰文团队包括 Lincoln Murr（Coinbase）、Stefano Bury（Virtuals）、Rishin Sharma（Solana）、Pilar Rodriguez（The Graph）、David Mehi（Google Cloud），以及 Cambrian 成员 Ariel、Brian、Doug、Jason、Ricky 和 Tumay

Agentic Finance（代理式金融）正步入临界爆发点，对那些借助智能代理提升其财务行为的人而言，蕴藏着巨大的经济潜力。AI 代理是一类自主工具，具备数据分析、决策制定与交易执行能力，操作方式可涵盖不同程度的人类参与。目前，这些代理工具正在向大众开放，逐步冲击长期由华尔街与其高频算法主导的金融体系。

本文聚焦代理式金融在「去中心化金融（DeFi）」中的零售端应用，全面梳理现已上线、专注于为个人用户提供服务的自动化代理项目。为此，项目团队与行业内数十个团队进行了长时间调研与访谈，最终整理出一份经过严格筛选的活跃项目清单，按产品类别进行归类，并对每类代表性产品加以标注。

代理式金融正推动加密行业走向成熟，它能够提供实时信息、专业级建议，并优化用户体验，使普通用户在 DeFi 中的参与更加高效与可靠。以下是当前生态的结构化概览：

Agentic Finance 指的是新兴的金融产品类别，其核心在于使用 AI 或机器学习主动管理用户资金，或提供个性化金融建议。部分产品借助大语言模型（LLMs）实现交互与分析，另一些则依赖规则引擎或传统的机器学习算法。尽管底层技术路径各异，它们普遍自称为「agentic」类产品。

目前，Agentic Finance 处于创新者阶段，尚属早期采纳曲线中的起点。很快，各类代理和 AI 助理将主导金融活动。来源： Ramp

然而可以预见，不久的将来，交易员、资产管理人、金融分析师等专业从业者都将借助专用的智能代理工具提升效率，与此同时，面向普通用户的自动化代理版本也将同步推出。这一趋势已经开始显现：例如，在 Solana 网络上，自动化交易机器人现已占据超半数的交易量¹。

不同 Agentic 项目根据其服务场景与技术能力分布于「自主性 - 智能性」坐标系之中。

横轴代表智能程度：左侧是基于规则与统计模型的工具，中间是传统机器学习模型，右侧则是基于大语言模型（LLM）或其后续技术的高级智能体；

纵轴代表自主程度：底部为仅提供建议与分析的「建议型代理」，顶部为具备完全自动决策与执行权限的「全自动代理」，中间则为「人类在环」（Human-in-the-loop）的混合型架构。

提到 Agentic Finance，许多人会联想到能够自动交易、独立管理投资组合的「隐形机器人」或先进 LLM 系统。但现实中，这类系统尚未大规模部署，原因在于 LLM 仍存在稳定性不足的问题。例如，LLM 仍可能「幻觉」出虚假信息，甚至直到最近才具备基本计数能力（如统计 strawberry 中包含几个字母 r）。目前，大多数代理仅将 LLM 用于人机交互界面或数据分析层，资金管理部分仍主要依赖成熟的统计模型或机器学习算法，这些技术在传统金融（TradFi）领域已使用数十年。

从 LLM 的发展路径来看，其在处理数字和逻辑推理方面的弱项有其历史原因——它最初是为语言预测设计的。但这种情况正在迅速改变。例如，Anthropic 已推出被机构采用的金融类产品，OpenAI 则训练出在国际数学奥林匹克中具备竞争力的模型。

以下为当前已上线、具备资金管理能力并面向用户开放的 Agentic 项目列表。处于开发或内部测试阶段的项目不在列，同时，仅使用 LLM 作为界面、但需用户手动决策的产品也被排除，因此不少项目未被纳入本轮盘点。

交易类代理是大众最常联想到的代理式金融产品。这类代理通过自动调仓或选择买卖资产来管理用户资金。要实现自动交易，代理系统通常需具备交易权限、资产访问、预算管理、预设策略与高质量数据等组件。以下为当前支持一项或多项功能的项目列表：

根据 Cambrian 最近在 X 平台发起的投票显示，大多数用户对高风险交易代理表现出高度兴趣。

去中心化交易平台（DEX）依赖第三方流动性提供者（LP）提供可交易资产，交易者支付的手续费由 LP 获得。LP 的收益取决于多种因素，包括无常损失、交易量、DEX 协议激励等。以下代理工具可帮助 LP 识别最优流动性配置路径：

在加密市场中，用户可通过向借款人提供资产来赚取利息。借贷代理在决定是否参与借贷协议时，通常需评估收益率、风险敞口与机会成本等因素。以下为部分已上线的借贷代理项目：

预测市场允许用户就未来事件结果下注，例如选举或体育赛事。该类市场通常依赖对新闻或现实世界信息的实时跟踪，而这些信息可能随时变化。预测市场天然契合代理式参与机制，Vitalik Buterin 亦在其提出的信息金融（InfoFi）概念中 予以强调 。

投资者通常依靠市场分析判断「买什么」，借助情绪分析判断「何时买卖」。LLM 在此类分析中展现出变革性价值：不仅大幅扩展了可分析数据的规模与速度，还提升了上下文理解能力，通过识别数据源之间的关联提供更全面洞察。
与上述可执行交易的代理不同，分析类代理仅提供信息支持，不直接执行操作。以下为其中部分代表项目：

值得注意的是，Agentic Finance 生态正在快速演化，现有项目也在不断拓展业务边界。例如，今日归类为借贷代理的产品，未来或将扩展至流动性管理等领域。

链上资产持续增长，链上稳定币交易量已创新高，传统金融科技企业也正接入链上基础设施。例如，Robinhood 近期推出美国股票通证化服务，实现 24/7 的链上交易，面向全球投资者开放。

加密行业正逐步超越「投机交易」叙事，迈向涵盖投资功能的更广泛应用场景。

然而，对于许多用户而言，成功参与 DeFi 仍存在不小门槛。而这正是代理式产品的切入点：它有望显著提升可用性与收益性，成为推动 DeFi 普及的关键。

Agentic Finance 是一个全新的市场细分领域，以上提到的工具在 TradFi 与 DeFi 中都属首次尝试。我们预计其中一部分早期项目可能未能实现其愿景，但整体生态将持续成熟。最终，使用代理将成为金融参与的主流方式，而那些尽早迈出「代理式金融」第一步的用户，将更有可能获得长期回报。

此外，随着开发者持续交付稳定回报，用户对代理策略细节的关注将降低，未来代理可能进一步融合多种能力（如同时管理交易与 LP 头寸）以提升复杂度与效率。

未来可能深入探讨以下相关主题：

Agent-to-Agent（A2A）通信与支付机制

代理基础设施与开发框架

数据基础设施与链上索引器

链上身份管理

代理发行平台与市场

隐私与可验证性

金融建模与模拟系统