源自 Lemniscap 的深度研究系统梳理了「智能代理金融」从概念萌芽到面临现实挑战的全过程。以 &milo、Meridian、SendAI 以及 The Hive 等早期应用为例，这些产品不仅展示了人工智能作为链上新交互接口的潜力，也深刻暴露出在执行一致性、权限管控及安全验证方面的显著短板。研究核心观点认为，DeFi 要实现进阶突破，关键并非依赖更先进的算法模型，而是需要构建更具韧性的底层架构——确保每一次代理行为均可被验证、追溯且值得信任。
这不仅是技术层面的迭代，更是一场关于信任体系重构的社会实验。正如此文所强调的：DeFi 的未来里程碑，不在于体量的无限扩张，而在于对自动化机制的信赖程度。
时至 2025 年，DeFi 生态已焕然一新。
数据佐证了这一变革：单季度内机构资金净流入突破 100 亿美元大关；跨链活跃协议数量攀升至 3000 余个；全网总锁仓量（TVL）达到 1600 亿美元，同比增幅达 41%；去中心化交易所（DEX）与永续合约（Perps）的累计交易量更是迈入「万亿」级别。
随着 DeFi 规模膨胀，其复杂性呈指数级增长，普通用户难以全面掌握链上动态。若希望更多人能抓住新兴机遇，必须开发辅助用户做出明智决策的工具——这正是行业演进的核心方向。
与此同时，AI 已深度渗透日常生活，重塑了人们的自动化使用习惯。「智能代理金融」（Agentic Finance）应运而生，旨在由智能代理承担金融操作的导航与执行任务。
即便是如 Comet 这类基于浏览器的简易代理，也彰显了此类工具的快速迭代能力。正如 SendAI 创始人 Yash 分享的案例所示，当用户通过浏览器代理执行 DeFi 操作时，智能代理金融的应用前景便清晰可见。
这一愿景直观且诱人：用户无需再在繁杂的仪表盘或社交媒体长文中搜寻信息，只需告知 AI 目标，后续步骤将由其自动完成。
当前市场中主要涌现两类智能代理：
第一类为 Copilots（副驾驶），侧重于引导用户在 DeFi 生态中做出决策；第二类为 Quant Agents（量化代理），专注于专业策略的自动化执行，宛如「自动驾驶」模式。
两者虽处早期且各有不足，但共同指向了一种全新的、由 AI 驱动的 DeFi 交互范式。
「副驾驶」模式的智能代理
可将此类代理视作个人助手。用户无需手动查阅图表或在不同协议间切换，仅需使用自然语言提问，例如询问「当前热门代币」或「最高收益渠道」，代理即可直接回应并提供行动建议——如同拥有一位知识渊博且随时待命的伙伴。
以 &milo 为例，其副驾驶功能协助用户进行投资决策、资产再平衡及投资组合洞察获取，让用户在保持控制权的同时免除繁琐操作。
借助自然语言解释与智能提示，&milo 帮助用户理解仓位状况并比较收益机会，避免了在多个仪表盘中穿梭查找数据的痛苦。它展示了副驾驶型代理如何从简单的聊天机器人演变为功能完备的 DeFi 向导。
为了评估实际表现，我们对多款最新发布的产品进行了实测，亲身体验其处理真实 DeFi 任务的能力。
结果显示局限性依然存在：例如，代理能成功识别热门代币，却无法顺利完成买入操作；测试中出现两笔交易失败，系统提示「余额不足」，即便账户中拥有充足的 SOL 支付手续费。
The Hive 则采取了差异化路径——它将多个 DeFi 代理整合成「蜂群」，协同完成跨链操作、收益策略部署及清算防御等复杂任务，所有流程均通过简洁的聊天界面协调执行。这种由专用代理组成的网络，能够利用自然语言指令完成多步骤链上操作。
在对 The Hive 进行同样的买入指令测试时，系统虽准确识别出热门代币 WEED，但在执行购买环节却返回了错误的合约地址。
总体而言，Milo 展示了如何将投资组合管理工具融入流畅的用户流程，而 The Hive 则探索了多代理协同工作的可能性。随着能力提升，智能代理的专业分工日益明显。
例如，Meridian 聚焦于另一类用户群体——帮助初学者入门 DeFi。其采用移动端优先设计，配合清晰的引导，使换币、质押或查询收益等基础操作更加简便。
Meridian 在这些核心任务上表现稳定高效，更重要的是，它清楚自身边界。当用户提出超出范围的要求时，它会解释原因而非盲目尝试——这种「诚实」使其成为新手探索链上世界的可靠起点。
Meridian 创始人 Benedict 解释道：
「Meridian 让用户可以用自然语言进行安全的研究与操作。我们已将代理的研究功能免费向公众开放，网址是 meridian.app。注册 Meridian 移动端 App 的用户可使用代理的换币（swap）、多币种交换（multi-swap）以及投资组合购买功能。目前账户仍处于封测阶段，感兴趣的用户可通过 Twitter 联系 @bqbrady 申请体验。」
经测试发现，目前多数专注于 DeFi 导航的 AI 代理，更多仍扮演「教师」或「助手」角色，主要协助用户完成换币等基础操作。
若要使其可靠地处理流动性提供、杠杆仓位管理等复杂流程，仍需进一步的技术改进。
正如 Solana 基金会 AI 负责人 Rishin Sharma 所指出的：
「大型语言模型（LLMs）在处理宽泛任务时容易出现幻觉，也难以执行确定性操作。而类似 MCP 这样的函数调用机制，可能更适合将『行动计划』转化为实际执行。虽然 LLM 在构思和指导层面表现不错，但在精准执行上仍力不从心。要让智能代理金融真正可靠，必须超越 LLM，开发特定的函数调用机制、明确的执行策略、可验证性，以及安全的权限系统。换句话说，如今的智能代理执行层仍然发育不全——AI 的『大脑』已经足够聪明，但还缺一个能稳健行动的『身体』。」
「自动驾驶」模式的智能代理
如果说「副驾驶型」代理类似导师，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，更能实时监测市场、测试交易并以机器速度自动执行，将复杂的 DeFi 策略带入「全自动运行」时代。
SendAI 提供了一个正在成形的典型案例。它本身并非量化代理，而是一套供他人创建此类代理的工具包。其针对 Solana 设计的「Agent Kit」支持超过 60 种自主操作，涵盖代币兑换、新资产发行、借贷管理等，并能直接与 Jupiter、Metaplex、Raydium 等主流协议交互。
换言之，它为开发者搭建了一套「轨道系统」，使决策模型能直接接入链上执行环节。
SendAI 创始人 Yash 清晰地概括了他们的愿景：
「我们相信，每一个 AI 代理未来都会拥有自己的钱包。SendAI 正在构建这一体系所需的工具与经济层，使这些代理能够在 Solana 上执行任何操作。我们正在搭建一个平台，让这些代理具备上下文感知能力，并支持长时运行、持久且异步的复杂任务执行。」
与此同时，其他团队正致力于降低该能力的获取门槛。Lomen 负责精选策略，允许用户「一键部署」，大幅降低了无需编码即可享受量化自动化的门槛。
对于偏好自定义系统的「进阶玩家」，Unblinked 提供了由 AI 驱动的策略实验环境。它类似于交易领域的 Cursor：用户可在安全的沙盒环境中勾勒策略想法、运行优化，再决定是否投入真金白银。
部分平台选择通过多代理协作来完成任务。
例如 Almanak 结合「编程代理」与「回测代理」：用户用自然语言描述策略，AI 自动生成生产级代码，并通过超过 1 万次蒙特卡洛模拟进行回测，最终输出「上场即战」的策略成果。
另有团队将焦点放在实时市场优势上。
Giza 的 ARMA 代理在各借贷协议间主动调配资金，以最大化稳定币收益。不同于将资金锁定在单一池子，ARMA 持续监测利率、流动性与 Gas 成本，并动态调整资产配置。其旗舰代理已管理超过 1700 万美元 资金，宣称收益率较静态持仓高出 83%。
总体来看，这些量化代理大幅降低了时间成本，让普通用户也能接触原本属于专业团队的复杂策略。然而，这也揭示了自动化的脆弱性：面对数据延迟、协议暂停或市场剧烈波动，代理仍可能出错。
换言之，它们确实提升了效率，但远未达到「无敌」境界。
当前面临的难题
在与现有智能代理互动的过程中，一些共性问题逐渐浮现：它们有时会建议执行已失效的操作（如关闭的流动池）；依赖的数据往往滞后于链上真实状态；一旦多步骤计划中途出错，它们缺乏自我调整能力，反而反复尝试相同动作。
权限管理同样笨拙——用户要么需授予整个钱包完全访问权，要么必须手动批准每一步细微操作。测试环节亦显肤浅，模拟环境难以还原链上突发流动性变化或治理参数调整等「现实混乱」场景。
最严重的问题之一是：这些代理几乎均以「黑箱」方式运作。
用户无法知晓其读取了哪些输入、如何权衡选项、是否检查了实时状态，也不清楚为何选择执行某笔特定交易。缺乏签名验证的操作记录，使得核对「承诺结果」与「实际执行」的一致性变得困难。
用户只能在使用期间「看护」自动化过程，这不仅效率低下，也让性能评估变得艰难。
若缺乏一套能验证决策、证明行动严格遵循既定策略的机制，用户将无法区分「可靠系统」与「营销包装」。
对于大规模资本而言，DeFi 平台必须从「请相信我们」转向「请自行验证」。这也是构建「可审计、可治理、可信赖」智能代理金融基础设施的关键转折点。
基础设施缺口
核心痛点在于，现有系统缺乏使代理在大规模场景中保持可信、一致与安全的基础工具。要解决此问题，我们需要能够验证代理行为、确认执行结果并在各环境中遵循统一规则的基础设施。唯有如此，人们才敢放心地将资产交由其管理。
不过，大多数用户并不关心代理的「思考过程」，他们只关注输出结果是否正确、经过验证且处于安全边界内。在建立信任方面，「可验证的可靠性」优于单纯的「可见性」。
这正是「可验证可靠性（Verifiable Reliability）」的意义所在。代理无需记录每一步内部操作，但应在明确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。结果是：输出结果可供审计，普通用户也能立即获得信任。
这种验证层不必「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。关键在于——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
下一步需补齐的环节，是让协议「对代理友好」。
目前多数 DeFi 协议并未针对智能代理进行设计。它们需要提供更稳定、安全的执行接口：支持操作预览、安全重试，并基于一致的数据结构执行。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限制。一旦地基完善，用户无需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——不再仅是宣传口号。
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，杜绝「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，使代理能基于链上数据进行建模、决策与学习。同时，协议方应开放可「干跑（dry-run）」的操作接口，提供明确的错误代码、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，用户将摆脱「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所需的安全护栏与可验证证明。
现实时间表
展望未来六个月，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其在日常使用场景中的可靠性。
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。
总结
「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。但要实现大规模运作，它需要更好的「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 无法解决这些问题。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。
以上就是DeFi 的下一个里程碑还需要什么？的详细内容，更多关于DeFi破局：流动性与跨链的资料请关注其它相关文章！