Agentic Finance（代理式金融）正步入臨界爆發點，對那些借助智能代理提升其財務行為的人而言，蘊藏著巨大的經濟潛力。AI 代理是一類自主工具，具備數據分析、決策制定與交易執行能力，操作方式可涵蓋不同程度的人類參與。目前，這些代理工具正在向大眾開放，逐步沖擊長期由華爾街與其高頻算法主導的金融體系。
本文聚焦代理式金融在「去中心化金融（DeFi）」中的零售端應用，全面梳理現已上線、專注于為個人用戶提供服務的自動化代理項目。為此，項目團隊與行業內數十個團隊進行了長時間調研與訪談，最終整理出一份經過嚴格篩選的活躍項目清單，按產品類別進行歸類，并對每類代表性產品加以標注。
代理式金融正推動加密行業走向成熟，它能夠提供實時信息、專業級建議，并優化用戶體驗，使普通用戶在 DeFi 中的參與更加高效與可靠。以下是當前生態的結構化概覽：
什么是 Agentic Finance（AgentFi）？
Agentic Finance 指的是新興的金融產品類別，其核心在于使用 AI 或機器學習主動管理用戶資金，或提供個性化金融建議。部分產品借助大語言模型（LLMs）實現交互與分析，另一些則依賴規則引擎或傳統的機器學習算法。盡管底層技術路徑各異，它們普遍自稱為「agentic」類產品。
目前，Agentic Finance 處于創新者階段，尚屬早期采納曲線中的起點。很快，各類代理和 AI 助理將主導金融活動。來源：Ramp
然而可以預見，不久的將來，交易員、資產管理人、金融分析師等專業從業者都將借助專用的智能代理工具提升效率，與此同時，面向普通用戶的自動化代理版本也將同步推出。這一趨勢已經開始顯現：例如，在 Solana 網絡上，自動化交易機器人現已占據超半數的交易量1。
自主性 vs 智能性：AgentFi 的能力坐標系
不同 Agentic 項目根據其服務場景與技術能力分布于「自主性 - 智能性」坐標系之中。
橫軸代表智能程度：左側是基于規則與統計模型的工具，中間是傳統機器學習模型，右側則是基于大語言模型（LLM）或其后續技術的高級智能體；
縱軸代表自主程度：底部為僅提供建議與分析的「建議型代理」，頂部為具備完全自動決策與執行權限的「全自動代理」，中間則為「人類在環」（Human-in-the-loop）的混合型架構。
提到 Agentic Finance，許多人會聯想到能夠自動交易、獨立管理投資組合的「隱形機器人」或先進 LLM 系統。但現實中，這類系統尚未大規模部署，原因在于 LLM 仍存在穩定性不足的問題。例如，LLM 仍可能「幻覺」出虛假信息，甚至直到最近才具備基本計數能力（如統計 strawberry 中包含幾個字母 r）。目前，大多數代理僅將 LLM 用于人機交互界面或數據分析層，資金管理部分仍主要依賴成熟的統計模型或機器學習算法，這些技術在傳統金融（TradFi）領域已使用數十年。
從 LLM 的發展路徑來看，其在處理數字和邏輯推理方面的弱項有其歷史原因——它最初是為語言預測設計的。但這種情況正在迅速改變。例如，Anthropic 已推出被機構采用的金融類產品，OpenAI 則訓練出在國際數學奧林匹克中具備競爭力的模型。
2025 年代理式金融（Agentic Finance）項目全景
以下為當前已上線、具備資金管理能力并面向用戶開放的 Agentic 項目列表。處于開發或內部測試階段的項目不在列，同時，僅使用 LLM 作為界面、但需用戶手動決策的產品也被排除，因此不少項目未被納入本輪盤點。
交易與資產配置類代理
交易類代理是大眾最常聯想到的代理式金融產品。這類代理通過自動調倉或選擇買賣資產來管理用戶資金。要實現自動交易，代理系統通常需具備交易權限、資產訪問、預算管理、預設策略與高質量數據等組件。以下為當前支持一項或多項功能的項目列表：
流動性提供（LP）類代理
去中心化（DEX）依賴第三方流動性提供者（LP）提供可交易資產，交易者支付的由 LP 獲得。LP 的收益取決于多種因素，包括無常損失、交易量、DEX 協議激勵等。以下代理工具可幫助 LP 識別最優流動性配置路徑：
借貸類代理
在加密市場中，用戶可通過向借款人提供資產來賺取。借貸代理在決定是否參與借貸協議時，通常需評估收益率、風險敞口與機會成本等因素。以下為部分已上線的借貸代理項目：
預測與競猜類代理
預測市場允許用戶就未來事件結果下注，例如選舉或體育賽事。該類市場通常依賴對新聞或現實世界信息的實時跟蹤，而這些信息可能隨時變化。預測市場天然契合代理式參與機制，Vitalik Buterin 亦在其提出的信息金融（InfoFi）概念中予以強調。
情緒、基本面、新聞、技術分析代理
投資者通常依靠市場分析判斷「買什么」，借助情緒分析判斷「何時買賣」。LLM 在此類分析中展現出變革性價值：不僅大幅擴展了可分析數據的規模與速度，還提升了上下文理解能力，通過識別數據源之間的關聯提供更全面洞察。
與上述可執行交易的代理不同，分析類代理僅提供信息支持，不直接執行操作。以下為其中部分代表項目：
值得注意的是，Agentic Finance 生態正在快速演化，現有項目也在不斷拓展業務邊界。例如，今日歸類為借貸代理的產品，未來或將擴展至流動性管理等領域。
Agentic Finance 的未來趨勢
鏈上資產持續增長，鏈上交易量已創新高，傳統金融科技企業也正接入鏈上基礎設施。例如，Robinhood 近期推出美國通證化服務，實現 24/7 的鏈上交易，面向全球投資者開放。
加密行業正逐步超越「投機交易」敘事，邁向涵蓋投資功能的更廣泛應用場景。
然而，對于許多用戶而言，成功參與 DeFi 仍存在不小門檻。而這正是代理式產品的切入點：它有望顯著提升可用性與收益性，成為推動 DeFi 普及的關鍵。
Agentic Finance 是一個全新的市場細分領域，以上提到的工具在 TradFi 與 DeFi 中都屬首次嘗試。我們預計其中一部分早期項目可能未能實現其愿景，但整體生態將持續成熟。最終，使用代理將成為金融參與的主流方式，而那些盡早邁出「代理式金融」第一步的用戶，將更有可能獲得長期回報。
此外，隨著開發者持續交付穩定回報，用戶對代理策略細節的關注將降低，未來代理可能進一步融合多種能力（如同時管理交易與 LP 頭寸）以提升復雜度與效率。
未來關注方向
未來可能深入探討以下相關主題：
Agent-to-Agent（A2A）通信與支付機制
代理基礎設施與開發框架
數據基礎設施與鏈上索引器
鏈上身份管理
代理發行平臺與市場
隱私與可驗證性
金融建模與模擬系統
關于作者
Sam Green，Cambrian Network 創始人，專注構建面向代理系統的金融智能層。此前為 Semiotic Labs 聯合創始人兼 CTO，主導 The Graph 的 AI 與可驗證性研究；亦曾參與開發交易平臺 Odos（累計交易額達 1000 億美元，服務用戶超 300 萬）。曾在 Sandia 國家實驗室擔任 AI 與密碼學研究員，擁有應用數學碩士學位，并在加州大學圣塔芭芭拉分校獲得計算機科學博士學位。
關于 Cambrian
Cambrian 是面向代理的鏈上金融智能層，其 API 提供實時與歷史數據，服務于 Agentic DeFi 應用。數據涵蓋收益、流動性頭寸、風險暴露、巨鯨動態、市場情緒與標準 DeFi 指標，致力于提供可驗證的金融洞察。
更多信息請訪問：https://www.cambrian.ai
點擊了解律動BlockBeats 在招崗位
標簽:
鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。
