DeFi 的智能进化：从自动化到 AgentFi 的演进路径-助攻财富

本文将重点聚焦于 DeFi 与 AI 的融合演进路径，梳理其从自动化到智能化的发展阶段，分析策略执行 Agent 的基础设施、场景空间与关键挑战。

作者：0xjacobzhao 及 ChatGPT 4o

感谢 Lex Sokolin（Generative Ventures）、Stepan Gershuni（cyber.fund）与 Advait Jayant（Aivos Labs）对本文提出的宝贵建议。撰写过程中亦征询了 Giza、Theoriq、Olas、HeyElsa、Almanak、Brahma.fi 等项目团队的意见反馈。本文力求内容客观、表述准确，由于部分观点涉及主观判断，难免存在偏差，敬请读者批判性阅读并予以理解。

在当前的加密行业中，稳定币支付与 DeFi 应用是少数已被验证具备真实需求与长期价值的赛道。与此同时，百花齐放的Agent 正逐渐成为 AI 产业中面向用户界面的实际落地形式，成为连接 AI 能力与用户需求的关键中间层。

在 Crypto 与 AI 的融合领域，尤其是在 AI 技术反哺 Crypto 应用的方向上，当前探索主要集中于三个典型场景：

对话交互型 Agent：以聊天、陪伴、助理类为主，尽管多数仍为通用大模型的套壳，但因开发门槛低交互自然，叠加通证激励，成为最早推向市场获取用户关注的形态。
信息整合型 Agent：聚焦线上与链上信息的智能整合。Kaito、AIXBT 等在线上但非链上的信息搜索整合领域已取得成功，而链上数据整合方向仍处于探索阶段尚无明显跑出项目。
策略执行型 Agent：以稳定币支付与 DeFi 策略执行为核心延展出 Agent Payment 与 DeFAI 两大方向。此类 Agent 更深度嵌入链上交易与资产管理逻辑，有望突破炒作瓶颈，形成具备金融效率与可持续收益的智能执行基础设施。

本文将重点聚焦于 DeFi 与 AI 的融合演进路径，梳理其从自动化到智能化的发展阶段，分析策略执行 Agent 的基础设施、场景空间与关键挑战。

DeFi 智能化三阶段：Automation、Copilot 与 AgentFi 的跃迁

在 DeFi 智能化的演进中，我们可以将系统能力划分为三个阶段：Automation（自动化工具）、Intent-Centric Copilot（意图驱动助手）与 AgentFi（链上智能体）。

Automation更像是规则触发器（Rule Trigger）：基于预设条件执行固定任务，如套利、再平衡、止盈止损等，无法生成策略，也无法独立运作。
Copilot引入了意图识别与语义解析能力，用户通过自然语言输入，系统进行理解、分解并建议执行路径，但最终仍需用户确认，执行链条不闭环。
AgentFi则代表完整的“感知 → 推理/策略生成 → 链上执行 → 演化”智能闭环，是具备链上自治执行与持续演化能力的智能体（Agent）。

要判断一个项目是否真正属于 AgentFi，需要看它是否满足以下五个核心标准中的至少三个：

自主感知链上状态/市场信号（不是静态输入，而是实时监测）
具备策略生成与组合能力（不是预设策略，而是能根据上下文自我制定行动计划）
可自主在链上执行操作（无需用户交互，能执行 swap/lend/stake 等复杂操作）
具有持久状态与演化能力（Agent 有生命周期，能长期运行并根据反馈自我调整）
具备 Agent-Native 架构（如专属 Agent SDK、托管执行环境、Agent 中间件等）

换句话说，自动化交易 ≠ Copilot，更 ≠ AgentFi：自动化交易只是“规则触发器”，Copilot虽能理解用户意图并提供操作建议，但仍依赖人为参与；而真正的 AgentFi，是“具备感知、推理与链上自主执行能力的智能体”，能在无需人工介入的前提下，完成策略闭环与持续演化。

DeFi 场景智能化适配性分析：

在 DeFi（去中心化金融）体系中，核心应用场景可大致划分为资产流通与交换类与收益型金融类。我们认为，这两类场景在智能化路径上的适配性存在显著差异：

一、资产流通与交换类场景

资产流通与交换类场景以原子化交互为主，包括 Swap交易、跨链桥、法币出入金等，其本质特征为“意图驱动单次原子化交互”，交易过程不涉及收益策略、状态维护与演化逻辑，大多适用于 Intent-Centric Copilot 的轻量化执行路径，并不属于 AgentFi 。

由于其工程门槛较低且交互简单，目前市场上大部分DeFAI类项目都处于这一阶段，这些并不构成 AgentFi 闭环智能体；但是对于少数高阶复杂Swap策略（如跨资产套利、永续对冲 LP、杠杆再平衡等场景）其实需要AI Agent的能力接入，目前尚处早期探索阶段。

二、资产收益类金融场景

资产收益类金融场景具备明确的收益目标、复杂的策略组合空间与动态的状态管理需求，天然契合 AgentFi 的“策略闭环自主执行”模型。其核心特征如下：

可量化的收益目标（APR / APY）便于 Agent 建立优化函数；
策略组合空间广阔，涵盖多资产、多期限、多平台、多交互流程；
操作需频繁管理与实时调整，适合由链上智能体（Agent）进行执行与维护。

受限于收益期限、波动频率、链上数据复杂度、跨协议整合难度及合规限制等多重因素，不同收益类场景在 AgentFi 维度的适配性与工程落地性存在显著差异，优先级建议如下：

高优先级业务落地方向：

借贷（Lending / Borrowing）：利率波动易追踪标准化执行逻辑，适合轻量型智能体。
流动性挖矿（Yield Farming）：池子动态频繁、策略组合空间大、收益浮动高，AgentFi 可显著优化年化回报与交互效率，但工程实现具有一定挑战性；

中长期可探索布局方向：

Pendle 收益权交易：时间维度与收益曲线清晰，适合 Agent 管理到期轮转与池间套利；
Funding Rate 套利：理论收益可观，需解决跨市场执行与链外交互挑战，工程难度大；
LRT 动态组合结构：静态质押不适配，可尝试LRT LP Lending 等策略自动调整。
RWA 多资产组合管理：短期内落地难，Agent可在组合优化与到期策略上提供辅助；

DeFi 场景智能化的项目介绍：

1. 自动化工具(Automation Infra)：规则触发与条件执行

Gelato 是 DeFi 自动化最早的基础设施之一，曾为 Aave、Reflexer 等协议提供条件触发型任务执行支持，但其现在已转型为 Rollup as a Service 服务商。目前链上自动化的主战场也转向 DeFi 资产管理平台（ DeFi Saver、Instadapp）。这些平台集成包括Limit Order设置、清算保护、自动调仓、DCA、网格策略等在内的标准化自动执行模块。此外我们看到部分更为复杂的Defi自动化工具平台项目：

Mimic.fi（https://www.mimic.fi/）

Mimic.fi是一个链上自动化平台，服务于 DeFi 开发者与项目方，支持在 Arbitrum、Base、Optimism 等链上构建可编程的自动化任务。其核心通过“if-then”规则触发器实现跨协议操作自动执行，架构分为 Planning（任务与触发定义）、Execution（意图广播与执行竞价）与 Security（三重验证与安全控制）三层。目前采用 SDK 接入方式，产品仍处于初期部署阶段。

AFI Protocol（https://www.afiprotocol.ai/）

AFI Protocol是一个算法驱动的 Agent 执行网络，支持 7×24 小时非托管自动化操作，聚焦解决 DeFi 中的执行分散、策略门槛与风险响应问题。其设计面向机构与高级用户，提供可编排策略、权限管理与 SDK 工具，并推出收益型稳定币 afiUSD 作为原生资产。目前处于 Sonic Labs 内测阶段，尚未公开上线或面向零售用户开放使用。

2. 意图驱动助手（Intent-Centric Copilot）: 意图表达与执行建议

2024 年底曾一度火热的 DeFAI 概念，撇除部分以 Meme 代币为主的投机炒作，绝大多数项目本质上属于 Intent-Centric Copilot类型 —— 即通过自然语言表达用户意图，系统反馈交易建议或完成基本链上操作。其核心能力仍停留在「意图识别 Copilot 式辅助执行」阶段，尚未形成完整的策略闭环与持续优化机制。不少产品在语义理解、跨协议调用与反馈响应等方面存在明显短板，用户体验普遍较差，功能边界也相对有限。

HeyElsa (https://app.heyelsa.ai/)

HeyElsa 是一款定位于 Web3 场景的 AI Copilot，通过自然语言交互赋能用户完成包括交易、跨链桥接、NFT 购买、止损设置、Zora 代币创建等多种链上操作。其作为一款多功能的对话式加密助手，覆盖从初级用户到高级交易者（包括高度活跃的 degen 群体），目前已支持 10 余条主流区块链的实时交互。当前平台日均交易量已达 100 万美元，日活跃用户维持在 3,000 至 5,000 之间，系统已集成收益优化策略与自动化意图执行模块，初步构建起 AgentFi 应用的基础能力框架。

Bankr (https://bankr.bot/)

Bankr 是一个集成 AI、DeFi 与社交场景的意图交易助手，用户可在 X 平台或专属终端通过自然语言发出指令，完成 Swap、限价单、跨链桥接、发币、NFT 铸造等操作，支持 Base、Solana、Polygon 与以太坊主网。Bankr 构建了完整的 Intent → 编译 → 执行链路，强调极简交易体验与社交环境内的无缝操作，并通过代币激励与收益分成机制激活生态。

Griffain (https://griffain.com/)

Griffain 是部署于 Solana 上的多功能 AI Agent 平台，支持用户与 Griffain Copilot 自然语言交互，实现资产查询、Swap、NFT 交易、LP 管理等链上操作。平台内置多个智能体模块，并鼓励社区参与 Agent 创建与共享。技术上基于 Anchor Framework 与 Jupiter、Tensor 等组件构建，强调移动端适配与前端可组合性。当前已支持 10 个核心 Agent 模块，具备较强执行能力与生态联动。

Symphony (https://www.symphony.io/)

Symphony 是面向 AI Agent 的链上执行基础设施，构建了涵盖意图建模、智能路径发现、RFQ 执行与账户抽象的全栈系统，目标是成为 DeFi 智能执行层的核心模块。平台已上线对话式助手 Sympson，具备行情查询与策略建议功能，但链上执行尚未开放。Symphony 提供 AgentFi 所需的核心组件，未来可支撑多 Agent 的协作执行与跨链操作。

Hey Anon (https://heyanon.ai/)

HeyAnon 是一个结合意图交互、链上执行与情报分析的 DeFAI 平台，支持多链部署（Ethereum、Base、Solana 等）与跨链桥接（LayerZero、deBridge）。用户可通过自然语言完成 Swap、借贷、Staking 等操作，并获取链上情绪与市场动态分析。尽管项目因创始人 Sesta 关注度高，但目前仍处于 Copilot 阶段，核心策略与执行智能尚未完全落地，长期发展仍需观察。

以上评分体系主要基于产品当前的可用性、用户体验以及公开路线图的执行可行性进行评估，具有一定主观性。请注意，本评估不涉及代码安全性检查，亦不构成投资建议，敬请理解。

3. AgentFi智能体：策略闭环与自主执行

我们认为，AgentFi 是 DeFi 智能化跃升之路上相较于 Intent Copilot 更高级的形态。Agent 具备独立的收益策略与链上自动执行能力，能显著提升用户的策略执行效率与资金利用率。2025年，我们欣喜的看到越来越多的AgentFi项目已落地或在规划产品，主要聚焦于借贷与流动性挖矿方向，代表项目包括 Giza ARMA、Theoriq AlphaSwarm、Almanak、Brahma、Olas 系列等。

Giza ARMA(https://arma.xyz/)

ARMA是 Giza 推出的智能代理产品，专为稳定币跨协议收益优化设计。它部署于 Base 网络，支持 Aave、Morpho、Compound、Moonwell 等多个主流借贷协议，具备跨协议再平衡、自动复利与智能换币等核心能力。ARMA 的策略系统可实时监测稳定币 APR、交易成本与收益差异，自动调整资金配置，实测收益显著高于静态持仓。其架构由智能账户、Session Key、核心代理逻辑、协议接入、风险管理与会计模块组成，确保在非托管模式下实现安全高效的自动化执行。

ARMA目前已完全上线并在不断迭代中，凭借模块化架构、安全机制与良好的早期运营数据，ARMA 成为 DeFi 自动化收益管理中最具落地性的 Agent 产品之一，是当前少数兼具理念深度与产品实用性的 AgentFi 项目。

参考研报《稳定币收益的新范式：AgentFi到XenoFi》链接：https://x.com/0xjacobzhao/status/1925226999699964158

Theoriq(https://www.theoriq.ai/)

Theoriq Alpha Protocol是一个专注于 DeFi 场景的多智能体协作协议，其核心产品 Alpha Swarm 专注于流动性管理，旨在构建“感知—决策—执行”的全链自动化闭环。由 Portal（链上信号感知）、Knowledge（数据分析与策略选择）、LP Assistant（策略执行）三类 Agent 组成，可在无需人工干预的情况下实现动态资产配置与收益优化。底层的 Alpha Protocol 提供 Agent 注册、通信、参数配置与开发工具支持，是整个 Swarm 协同系统的运行基础，被视为 DeFi 的“智能体操作系统”。通过 AlphaStudio，用户可浏览、调用并组合各类 Agent，构建模块化、可扩展的自动化交易策略网络。

作为 Kaito Capital Launchpad 首批项目，Theoriq 近日完成 8400 万美元社区募资并即将TGE，Theoriq于近期上线 AlphaSwarm Community Beta 测试网，主网版本亦即将正式发布。

参考研报《Theoriq研报：流动性挖矿收益的AgentFi演进》链接：https://x.com/0xjacobzhao/status/1948545449016918511

Almanak(https://almanak.co/)

Almanak 是一个面向 DeFi 策略自动化的智能 Agent 平台，结合非托管安全架构与 Python 策略引擎，帮助交易者与开发者部署可持续运行的链上策略。

平台核心由 Deployment（执行组件）、Strategy（策略逻辑）、Wallet（Safe Zodiac 安全模块）与 Vault（策略资产化）构成，支持收益优化、跨协议交互、流动性提供与自动交易。相较传统 DeFi 工具，Almanak 更强调 AI 助力的市场感知与风险管理能力，已具备 24/7 智能运行能力，并规划引入多智能体与 AI 决策系统，致力于打造下一代 AgentFi 基础设施。

Almanak 的策略系统是基于 Python 构建的状态机程序，作为每个 Agent 的“决策大脑”，可根据市场数据、钱包状态与用户设定条件自动制定与执行链上操作。平台提供完整的 Strategy Framework，支持链上交易、借贷、流动性提供等操作模块封装（Action Bundle），无需编写底层合约代码，并通过加密隔离、权限控制与监控机制保障策略私密性与运行安全。用户可通过 SDK 编写策略，未来还将支持自然语言创建策略，实现从复杂逻辑到无代码体验的平滑过渡。

目前产品已上线基于以太坊主网的USDC借贷Vault，而更复杂的交易策略处于测试阶段，需申请白名单访问。Almanak即将加入cookie.fun的cSNAPS campaign举行社区公募，值得期待。

Brahma (https://brahma.fi/)

Brahma定位为“智能资本协调层”（The Orchestration Layer for Internet Finance），致力于抽象链上账户、执行逻辑与链下支付流程，帮助用户与开发者高效协同管理链上与现实世界资产。通过 Smart Accounts、持续运行的链上 Agents 与 Capital Orchestration Stack，Brahma 为用户提供无需后端运维的智能化资金管理体验。

目前已上线的代表性 Agents：

Felix Agent：自动优化 feUSD 债仓利率，防止清算、节省利息；
Surge & Purge Agent：追踪波动并执行自动交易；
Morpho Agent：部署并再平衡 Morpho 金库资金；
ConsoleKit 框架：支持任意 AI 模型接入，统一执行策略与资产管理。

Olas (https://olas.network/)

Olas Network推出的AgentFi产品 BabyDegen系列包括Modius Agent 和 Optimus Agent ，均已链上部署，覆盖多链生态（Solana、Mode、Optimism、Base），并具备完整的链上交互能力、策略执行能力以及自主资产管理机制。

BabyDegen 是运行于 Solana 的 AI 交易代理，基于 CoinGecko 数据与社区策略库实现自动买卖，目前集成 Jupiter DEX 并处于 Alpha 测试阶段。
Modius Agent 面向 Mode 网络，聚焦于 USDC 与 ETH 投资组合管理，已集成 Balancer、Sturdy、Velodrome，支持用户设置偏好后 24/7 自动执行策略。
Optimus Agent则兼容 Mode、Optimism、Base 三大主网，集成更多协议如 Uniswap、Velodrome，提供灵活的多链策略组合，适用于中高级用户打造自动化资产管理体系。

Axal(https://www.getaxal.com/)

Axal 的核心产品 Autopilot Yield 提供一站式、非托管、可验证的收益管理体验，整合了 Aave、Morpho、Kamino、Pendle、Hyperliquid 等主流协议，并以链上策略执行风险控制为核心设计理念，赋能普通用户轻松进入复杂的链上收益网络。

Conservative 策略聚焦低风险、主流稳定收益场景，主要资金部署在 Aave 和 Morpho 等久经考验的平台，年化收益约 5–7%。通过 TVL 监控、止损机制和头部策略筛选实现稳健增值，适合追求资金安全与长期收益的用户。
Balanced 策略提供中等风险与更高收益潜力（10–20% APY），使用封装稳定币（如 feUSD、USDxL）、流动性提供、套利中性仓等策略。策略更加多元，收益构成复杂，通过 Axal 的自动监控与动态调整控制敞口。
Aggressive 策略面向高风险高收益偏好用户，策略涵盖高杠杆 LP、跨平台串联、低流动性资产做市、波动性捕捉等，年化收益理论上可超 50%。Axal 的智能代理可在策略层设置止损、自动退出与再部署逻辑，为用户在高风险环境下提供最后一道保护。

Fungi.ag(https://fungi.ag/)

Fungi.ag是一个专为 USDC 收益优化打造的全自动 AI Agent，可在 Aave、Morpho、Moonwell、Fluid 等多个借贷协议之间自动调配资金，根据收益率、费用和风险等因素实现最优资本配置。用户无需手动操作，只需授权 Session Key，便可在非托管模式下启用 Agent 自动执行策略。目前支持 Base 链，并计划拓展至 Arbitrum 和 Optimism。Fungi 还开放 Hypha 自定义策略脚本接口，支持社区开发 DCA、套利等策略，并通过 DAO 与社交平台实现共建生态。

ZyFAI （https://www.zyf.ai/）

ZyFAI 是一个部署在 Base 与 Sonic 网络上的 DeFi 智能助手平台，结合链上交互界面与 AI 辅助模块，帮助用户在不同风险偏好下进行智能资产管理。其核心分为三类策略：

Safe Strategy：专为保守型用户设计，聚焦如 Aave、Morpho、Compound、Moonwell、Spark 等经过审计与验证的主流协议，主打 USDC 的单边存款与稳定收益机会，强调资产安全与长期可靠性。
Yieldor Strategy：面向高风险偏好用户，需持有 2 万枚 ZFI 代币才能解锁，覆盖包括 Pendle、YieldFi、Harvest Finance、Wasabi 在内的高收益协议，支持 DEX LP、收益分割、杠杆 Vault 等复杂策略，未来还将扩展至 Looping 与 Delta-neutral 等结构化产品。
Airdrop Strategy：仍在开发中的未来策略，旨在获取更多空投激励。

AgentFi的现实路径与高阶畅想

毫无疑问，借贷(Lending)与流动性挖矿(Yield Farming)是AgentFi 最具真实价值以及短期内最容易落地的业务场景，其在Defi世界已成熟发展并且由于以下共性特征天然适合引入智能体：

策略空间广阔，可优化维度多借贷除了追逐最高收益外，可开展利率套利、杠杆循环、债务再融资、清算保护等策略；
流动性挖矿涵盖 APR 跟踪、LP 再平衡、复投复利、策略组合等丰富的策略编排空间。
高度动态，适合智能体实时感知与响应：利率变动、TVL 波动、奖励结构变化、新池上线、新协议出现等，都会影响最优策略路径，需动态调整。
存在执行窗口机会成本，自动化价值显著：资金未配置在最优池会拖低收益需自动迁移。

需要特别指出的是，借贷类 Agent 由于数据结构稳定、策略相对简单，具备较高的落地可行性，例如Giza的Arma等借贷类AgentFi项目已正式上线。而流动性挖矿的管理由于需实时响应价格波动、波动率变化及手续费累积情况，对 Agent 的数据感知、策略判断、链上执行提出极高要求。LP Agent 不仅要精准预测市场状态，还需在链上进行动态调仓与收益再分配操作，工程复杂度相对较高，这也是Theoriq等项目在攻克的难题。

除去借贷和流动性挖矿之外，依照AgentFi 的可适配性对中长期可探索布局方向有所畅想：

Pendle 收益权交易：时间维度与收益曲线清晰，适合 Agent 管理到期轮转与池间套利

Pendle 以其“收益拆分到期机制收益权交易”的独特结构，为 AgentFi 提供了天然的策略编排空间。其资产分为 PT（Principal Token）与 YT（Yield Token）两类，前者代表到期可赎回的本金，适合做稳健的固定收益配置；后者则是收益权，收益浮动且可用于投机、挖矿和套利。围绕这两类资产，用户可构建出固收持仓、YT farming、到期资金管理、利差套利与组合对冲等多种复杂策略。

在实际场景中，Pendle 存在不少用户痛点，亟需 AgentFi 解法：如高收益池大多集中在 1–3 个月短期，到期后需手动重新配置；不同池的 YT 收益率波动大，追踪与轮动成本高；而 PT YT 的组合策略又涉及复杂的定价判断与仓位再平衡。假设AgentFi 能够根据用户收益偏好与风险容忍度，完成从策略识别、流动性配置，到到期轮转与再部署的全流程自动化，将显著提升资金效率与使用体验。

Pendle 的“期限性、拆分性、动态性”三重特征非常契合 AgentFi 的策略表达与执行路径，特别是在自动复投、隐含收益套利、收益池轮动等方面，具有高频、高策略性的特征，非常适合构建“收益代理 Swarm”或 Portfolio Agent 系统。未来若能结合意图表达（如“年化 10%、6 个月可提”）与自动执行框架，Pendle 将成为 AgentFi 落地最具代表性的模块之一。

Funding Rate 套利：理论收益可观，但需解决跨市场跨链交互挑战工程难度大

尽管链上期权赛道因定价缺失、行权复杂、组合性差等原因逐渐冷却，但永续合约仍是当前链上衍生品中最具活跃度的场景之一，也为 AgentFi 提供结合点。围绕资金费率套利（Funding Rate Arbitrage）、基差交易（Basis Trading）与多平台对冲等策略，AgentFi 能够发挥感知、判断、执行和组合管理的智能能力。

在结构设计上，AgentFi 可嵌入四类关键模块：第一，数据感知模块支持实时抓取链上与 CEX的资金费率、持仓成本与市场深度；第二，智能决策模块根据套利阈值、杠杆水平与清算边界，动态判断是否开仓与调仓；第三，自动执行模块一旦触发条件即完成头寸部署或止盈平仓操作；第四，组合管理模块可支持多链、多账户、多策略的协同调度。

而现实挑战有：一是当前链上 AgentFi 多聚焦于智能合约交互，尚不具备直接接入 CEX API 的通用框架；二是高频策略对执行效率、Gas 成本与滑点控制要求极高；三是复杂套利场景通常需多个 Agent 分工合作，必须实现 Swarm 式协作。

Ethena 的资金费率套利已依赖高度自动化执行系统，虽然 Ethena 目前尚未具备 AgentFi 特征，但若未来倘若进一步开放策略模块，构建分布式 Agent Swarm，并通过意图驱动实现资金目标表达，其系统可能自然过渡为一套完整的 AgentFi 基础设施。

Staking 与 Restaking：天然不适配AgentFi但LRT 动态组合存在一定可能性

从整体上看，传统的 Staking 与 Restaking 并非 AgentFi 适宜的应用场景，其原因在于单链质押过程操作简单、收益稳定、决策单一且退出等待期较长，难以支撑 AgentFi 所强调的智能价值。

但在更复杂的 Staking 构造中，AgentFi 存在一定可用空间。包括其一专注操作可组合性的 LST/LRT 类型资产（如 stETH、rsETH），避免直接触碰 native ETH unstake 流程；其二，侧重构建 Restaking 抵押衍生品组合策略，绕开 unstaking 导致的时间滞后；其三，部署持续优化的监控型策略 Agent，动态评估 AVS 风险、APR 变动并重组头寸等

此外，目前Restaking 赛道亦面临结构性挑战：一方面市场热度快速冷却，另一方面供应端（质押 ETH）与需求端（AVS 安全需求）严重失衡，资产租赁缺乏实际应用场景。EigenLayer 与 Either.fi 等头部项目都已尝试转型。因此，Staking/Restaking 在未来可能成为 AgentFi 的模块化策略组件而非最核心的应用落地场景。

RWA资产：美债类协议并非理想场景，多资产组合管理结构具备探索价值

当前主流的 RWA 协议普遍以美国国债（T-bills）为底层资产，其设计重心在于为用户提供稳定、安全、合规的链上收益载体。然而，从 AgentFi 的视角来看，这类产品由于资产性质稳定（年化收益通常稳定在 4–5% 区间且利差极小，缺乏可供优化的策略空间）、操作频率低（明确的锁仓期限与再投资周期，不适合频繁轮动，也难以实现高频复利）、合规限制强（涉及投资人KYC 验证及地域限制）等特点，并不适合高频或策略驱动的智能代理嵌入。此外，各协议间的资产结构不互通，也限制了 Agent 进行组合路由与流动性聚合操作。

尽管如此，仍存在若干潜在方向可成为 AgentFi 的中长期拓展路径：

1. 多资产型 RWA 配置代理（RWA Multi-Asset Portfolio）：未来随着 RWA 产品逐步扩展至房产、信用债、应收账款等领域，用户有可能表达出“配置一篮子稳定收益资产并定期调整”的意图。配置型 Agent定期完成资产权重调整、到期资产再部署等操作，构建中长期的收益稳定器。

2. RWA 与 DeFi 的融合结构（RWA-as-Collateral & 托管复用）：部分协议正在探索将 tokenized T-bills 用作 DeFi 借贷系统的抵押资产。在此结构下，Agent 可协助用户自动完成存入操作、利率比较、抵押品调仓等，形成双收益路径。假设RWA 资产在 Pendle、Uniswap 等平台实现广泛流通，Agent 可跟踪不同平台上 Token 的折溢价与隐含收益变化，构建自动套利与滚动部署策略。随着市场成熟，未来或成为 AgentFi 在 RWA 领域的重要突破口。

Swap 交易组合，从 Intent 基建升级为 AgentFi 策略引擎

当前 DeFi 智能化生态中，Swap 交易通过引入账户抽象与 Intent 意图模式，隐藏复杂的DEX多链路径选择，以简洁输入驱动用户交易完成，显著降低了交互门槛。然而，这类系统仍停留在“原子级动作自动化”层面，缺乏对环境变动的实时感知与响应，也未引入目标导向的策略执行机制，尚不具备 AgentFi 的智能代理特征。

在 AgentFi 框架下，Swap 操作不再是单一动作，而是更大规模组合策略。例如，当用户表达“希望将 stETH 与 USDC 组合配置以获得最高收益”时，Agent 可以自动完成多次 Swap（如 USDC → ETH → stETH）、进行 Restaking、拆分 Pendle PT/YT、配置套利策略并回收收益。

进一步来看，Swap 在以下三类 AgentFi 场景中扮演关键角色：

组合收益策略的一环：作为资金调度中继站，Swap 支持 Agent 自动完成资产配置路径，提升策略执行效率。
跨市场套利 / delta 中性策略：通过链上不同价格源对比，Agent 可动态调整头寸、构建对冲组合。
交易行为风险防御：在检测到大额交易时，Agent 可自动评估滑点、分批执行并规避潜在 MEV 攻击。

因此，真正具备 AgentFi 特征的 Swap Agent，必须具备以下能力：动态策略感知、跨协议调度、资金路径最优化、交易时机判断与风险预防。而未来的 Swap Agent，应服务于多策略组合、动态仓位调节与跨协议价值捕捉，未来之路任重道远。

DeFi 智能化演进路线图：从自动化工具到智能体网络

综上所述，我们见证了从自动化工具到意图助手到智能体的 DeFi 智能化的演进路径

第一阶段为“自动化工具（Automation Infra）”，其特点是通过规则触发与条件执行，实现基础的链上操作自动化。例如基于时间、价格等预设条件触发交易或再平衡任务，代表系统多为底层执行框架，典型如 Gelato、Mimic 等项目。

第二阶段为“意图驱动助手(Intent-Centric Copilot)”，强调用户意图的表达与执行建议生成。此阶段的系统不再仅限于“做什么”，而是尝试理解用户“想要什么”，再提供最佳执行路径建议。代表项目如 Bankr 与 HeyElsa，主要通过意图识别与交互体验提升，降低 DeFi 使用门槛。

第三阶段是“AgentFi 智能体”，标志着策略闭环与链上自主执行的形成。Agent 能基于实时市场状态、用户偏好与策略逻辑自动完成感知、决策与执行，真正实现 7×24 小时非托管的链上资金管理。与此同时，AgentFi 在无需用户对每一步操作进行逐一授权的前提下，便可自主管理用户资金，这一机制引发了关于安全性与信任机制的重大讨论，亦成为 AgentFi 设计中不可回避的核心问题。代表项目包括 Giza ARMA、Theoriq AlphaSwarm、Almanak、Brahma等，均已在策略部署、安全架构与产品模块上具备一定落地能力，是当前 DeFi 智能体方向的中坚力量。

我们期待未来出现“AgentFi 高级智能体”形态，不仅实现自主执行，更可覆盖复杂的跨协议、跨资产业务场景，这是我们对未来 DeFi 智能化的高级形态的畅想：

Pendle 收益权交易：未来智能体将全面接管到期轮转与策略编排，资金效率极致释放。
Funding Rate 套利：跨链套利智能体有望精准捕捉资金费率差中的每一次机会。
Swap 策略组合：Swap是智能体多策略收益路径的关键节点，实现组合价值跃迁。
Staking 与 Restaking：智能体将持续优化的质押组合策略，动态平衡收益与风险。
RWA 资产管理：当链上世界迎来多元化实物资产，智能体配置全球稳定收益的资产。

DeFi 的智能进化：从自动化到 AgentFi 的演进路径