编者按：当 DeFi 的世界复杂到连专业用户都难以掌控时，我们究竟如何把主动权交还给普通人？

本篇来自 Lemniscap 的研究文章，系统梳理了「智能代理金融」的兴起脉络与现实困境。从 &milo、Meridian 到 SendAI、The Hive，这些早期产品展示了 AI 如何成为链上交互的新接口，也暴露了其在执行可靠性、权限安全与验证机制上的巨大缺口。作者指出，DeFi 想迈向下一个阶段，关键不在更聪明的模型，而在更可信的底层结构——让代理的每一次行动都可验证、可追溯、可被信任。

这不仅是技术演进的转折点，也是一场关于信任重构的实验。正如文中所言：DeFi 的下一个里程碑，不是更大的规模，而是对自动化的信任。

到 2025 年，DeFi 已经和早期的模样完全不同。

数据本身就能说明一切：机构资金单季流入超过 100 亿美元，分布在数十条链上的活跃协议数量突破 3000 个。全网 DeFi 协议的总锁仓量在 2025 年达到 1600 亿美元，同比增长 41%；DEX 与 Perps 的累计交易量更是以「万亿」为计。

随着 DeFi 的体量变大，能做的事情越来越多，但复杂度也急剧上升。大多数人根本无法跟上链上发生的一切。如果我们希望更多人能把握这些新机会，就必须构建能让用户更轻松做出正确决策的工具——而这正是未来的发展方向。

与此同时，AI 已逐渐融入日常生活，人们开始养成围绕自动化的新习惯。这一趋势催生出「智能代理金融」（Agentic Finance）——由智能代理来处理金融操作的导航与执行。

即便是像 Comet 这样基于浏览器的简单代理，也展示了这类工具的快速演进。当你通过浏览器代理执行一笔 DeFi 操作（正如 SendAI 创始人 Yash 分享的示例那样），你就能看到智能代理金融的潜力。

这一愿景其实很直观：你不再需要翻找各种仪表板或 X 上的长帖，只需告诉 AI 你想实现的目标，它就能自动帮你完成后续步骤。

目前正在出现两类智能代理：

一类是 Copilots，它们引导用户在整个 DeFi 世界中做出决策；另一类是 Quant Agents，更偏向专业自动化策略执行，相当于「自动驾驶（Autopilots）」。

两者都还处于早期阶段，也都存在缺陷，但它们共同指向一个新的方向——一种全然不同的、由 AI 驱动的 DeFi 交互方式。

作为「副驾驶」的智能代理

可以把这些智能代理想象成你的个人助手。你不再需要翻看图表或在不同协议间跳转，只需用自然语言提问，比如：「现在最热门的代币有哪些？」或「哪里收益最高？」，代理就能直接回答并给出下一步建议——就像一个随叫随到、知识丰富的朋友。

以 &milo 为例，它的副驾驶模式能协助你做出投资决策、进行资产再平衡、获取投资组合洞察——让你在保持掌控的同时，省去繁琐操作。

借助自然语言解释与智能提示，&milo 能帮助用户理解仓位、比较收益机会，而不必在各种仪表板中翻找数据。它展示了副驾驶型代理从简单的聊天助手逐步演进为功能完整的 DeFi 向导的雏形。

为了观察这些代理在实际操作中的表现，我们试用了几款最新发布的产品，亲身体验它们处理真实 DeFi 任务的能力。

结果显示，这些代理仍有局限。例如，它能成功识别热门代币，但无法顺利执行买入操作；还出现了两笔交易失败，系统提示「余额不足」，尽管账户中实际上有足够的 SOL 用于支付手续费。

类似的平台 The Hive 则采用了不同路径——它将多个 DeFi 代理组成一个「蜂群」，能协同完成跨链、收益策略、清算防御等复杂任务，所有操作都通过一个简洁的聊天界面协调执行。这种由专用代理组成的网络，可以用自然语言指令完成多步骤的链上操作。

我们用 The Hive 测试了同样的买入指令。系统确实识别出了热门代币 WEED，但在执行购买时却返回了错误的合约地址。

总体来看，Milo 展示了如何把投资组合管理工具整合进一个流畅流程，而 The Hive 则在探索如何让多个专门代理协同工作。随着智能代理能力的提升，它们也开始出现更明显的分工。

例如，Meridian 专注于另一端的用户群——帮助初学者迈出进入 DeFi 的第一步。它采用移动端优先设计，配合清晰的提示，让换币、质押或查询收益等基础操作更易上手。

Meridian 在这些核心任务上表现流畅、执行迅速，更重要的是，它非常清楚自身边界。当用户要求它执行超出范围的操作时，它会解释原因，而不是盲目尝试——这种「诚实」，让它成为新手探索链上世界的可靠起点。

Meridian 创始人 Benedict 解释道：

通过我们的测试，我们发现，目前大多数专注于 DeFi 导航的 AI 代理，更多还停留在「教师」或「助手」的角色，主要帮助用户完成最基础的操作（如换币）。

要让它们可靠地处理更复杂的流程——例如提供流动性、管理杠杆仓位等——仍然需要进一步改进。

正如 Solana 基金会 AI 负责人 Rishin Sharma 所指出的：

作为「自动驾驶」的智能代理

如果说「副驾驶型」代理更像导师，那么「量化型」代理则更像自动驾驶系统。它们不仅能构建策略，还能真正执行——实时监控市场、测试交易，并以机器速度自动行动，让复杂的 DeFi 策略进入「全自动运行」模式。

一个正在成形的典型案例来自 SendAI。它本身并不是量化代理，而是一套让他人能够创建这些代理的工具包。其为 Solana 设计的「Agent Kit」支持超过 60 种自主操作，包括代币兑换、新资产发行、借贷管理等，并可直接与 Jupiter、Metaplex、Raydium 等主流协议交互。

换句话说，它为开发者提供了一个「轨道系统」，让他们能将决策模型直接接入链上执行。

SendAI 创始人 Yash 清晰地概括了他们的愿景：

与此同时，其他团队正试图让这一能力更易触达。Lomen 负责精选策略，并让用户「一键部署」，降低了无需编写代码即可享受量化自动化的门槛。

而对于更偏好自定义系统的「进阶玩家」，Unblinked 提供了一个由 AI 驱动的策略实验环境。它就像交易领域的 Cursor：用户可以先勾勒出自己的策略想法，在安全的沙盒环境中运行和优化，再决定是否投入真金白银。

还有一些平台选择同时调用多种代理协作完成任务。

例如 Almanak 将「编程代理」与「回测代理」结合：用户用自然语言描述策略，AI 会自动生成生产级代码，并以超过 1 万次蒙特卡洛模拟进行回测，最终生成一份「上场即战」的策略成果。

最后，还有团队将注意力放在实时市场优势上。

Giza 的 ARMA 代理 会在各借贷协议之间主动调配资金，以最大化稳定币收益。与其让资金停留在单一池子中，ARMA 会持续监测利率、流动性与 Gas 成本，并动态移动资产。其旗舰代理已管理超过 1700 万美元 的资金，宣称收益率比静态持仓高出 83%。

总体而言，这些量化代理让时间成本大幅降低，也让普通用户能接触到原本属于专业量化团队的复杂策略。但与此同时，它们也揭示了自动化的脆弱性：当数据延迟、协议暂停、或市场出现剧烈波动时，代理仍可能「绊倒」。

换句话说，它们确实能让你更快，但还远称不上「无敌」。

他们的难题所在

与当下的智能代理相处一段时间后，你会发现一些相似的问题：它们有时会建议执行已不存在的操作，比如一个早已关闭的流动池；它们依赖的数据往往滞后于真实链上状态；一旦多步骤计划中途出错，它们不会自我调整，而是反复尝试同一个动作。

权限管理也十分笨拙——要么用户必须授予整个钱包的完全访问权，要么就得手动批准每一步细微操作。测试环节同样肤浅，模拟环境难以真实还原链上突发流动性变化或治理参数调整等「现实混乱」。

其中最严重的问题之一是：这些代理几乎都像「黑箱」运作。

用户无法知道它读取了哪些输入、如何权衡选项、是否检查了实时状态，也不知道为什么会选择执行某笔特定交易。没有签名验证的操作记录，无法核对「承诺的结果」与「实际执行」的一致性。

用户只能一边使用，一边「看护」自动化过程——不仅效率低，也让性能难以评估。

如果没有一套能验证决策、证明行动确实遵守既定策略的机制，用户永远无法区分「可靠的系统」与「包装精美的营销」。

对于更大规模的资本而言，DeFi 平台必须从「相信我们」转变为「请你验证」。这也是建立「可审计、可治理、可信赖」的智能代理金融基础设施的关键转折点。

基础设施缺口

核心问题在于目前的系统缺乏让代理在大规模场景中保持可信、一致与安全的基础工具。要解决这一点，我们需要能够验证代理行为、确认执行结果，并在所有环境中遵循统一规则的基础设施。唯有如此，人们才会放心把真金白银交给它们。

不过，大多数用户其实并不关心代理的「思考过程」，他们只想确认输出结果是正确的、经过验证的、且在安全边界内。在建立信任方面，「可验证的可靠性」比「可见性」更重要。

这正是「可验证可靠性（Verifiable Reliability）」的意义所在。代理不必记录每一步内部操作，但应在明确的策略与合理检查下运行：设定支出上限、执行时间窗口、关键操作前的确认节点等。

在底层，这些规则可通过 可信执行环境（TEE）或类似系统来保障——无需暴露全部细节，也能证明代理确实遵守了边界。结果就是：在需要时能被审计的输出，以及让普通用户能立即信任的操作。

这种验证层并不必「一刀切」。日常场景可采用轻量化的安全防护与标准化指标；而高风险或机构级场景，则可要求更强的证明与正式验证。关键是——每一层基础设施都应提供与其风险水平相匹配、可度量的可靠性。

让协议为代理做好准备

接下来要补上的环节，是让协议「对代理友好」。

目前多数 DeFi 协议并未为智能代理而设计。它们需要提供更稳定、更安全的执行接口：可以预览操作、安全重试、并基于一致的数据结构进行执行。权限设计也应「限定范围」，而非「全权开放」，让代理在明确边界内行事，而非掌控整个钱包。

在这些基础缺失的情况下，再智能的代理框架也会被脆弱的底层「绊倒」。一旦这些地基完善，用户无需再手动监控自动化进程；开发团队可减少排错时间、集中精力创新；不同服务商的执行结果也能因共享基准而具备可比性——不再只是宣传口号。

必须改变的部分

解决方案其实并不复杂：让代理可验证（Provable），让协议为代理准备好（Agent-ready）。在代理与钱包之间增加策略层，并要求所有执行过程可追溯、可验证，而非「黑箱运行」。

例如，Termina 的 SVM 引擎 正是基于这一理念构建——它为 AI 代理提供真正的 Solana 运行时环境，让代理能基于链上数据建模、决策与学习。与此同时，协议方应开放可「干跑（dry-run）」的操作接口，明确的错误代码、可安全重试机制、核心数据结构（仓位、费用、健康度）的一致性，以及基于会话（Session）的权限控制。

当这些功能落地，用户就能摆脱「看护」代理的负担；团队能减少系统故障；机构投资者也终于能获得他们需要的安全护栏与可验证证明。

现实时间表

未来六个月内，预计改进最快的将是「副驾驶型」代理。更完善的数据管线将提升它们在日常使用场景中的可靠性。

在一年内，随着测试标准的增强，代理将能跨协议协调执行，人类只需批准关键步骤。更长远来看，随着基础设施成熟，智能代理可能会逐渐模糊为 DeFi 的默认交互层——不再是单独的「工具」，而成为人们日常与金融系统交互的主要方式。

结语

「智能代理金融」（Agentic Finance）正在降低参与门槛，让自动化不再只是专家的专属工具。但要真正大规模运作，它还需要更好的「地基」：实时数据、更安全的权限机制、更强的测试体系，以及更透明的执行结果。

仅靠更聪明的 AI 并不能解决这些问题。真正的进步，将来自底层结构的完善。

DeFi 的下一个里程碑，不仅是规模的增长，而是——对自动化的信任。而这一天，只有当 AI 代理不再只是展示用的「概念演示」，而是变成真正可靠的执行者时，才会真正到来。

「原文链接」