Crypto 与 AI Agent 的结合，已成为当前最为引人瞩目的叙事之一。

撰文：Satou、Shigeru

Crypto 与 AI Agent 的结合，已成为当前最为引人瞩目的叙事之一。随着技术的不断迭代与创新，AI Agent 预计将在 2025 年成为加密领域最具发展潜力与关注度的赛道之一，成为本轮行情的核心驱动力。 本文将从框架、Meme 与应用三个层面梳理当前 AI Agent 的市场格局。

AI Agent 框架：AI 领域的 Layer1

AI Agent 框架是 AI Agent 的核心技术基础层，框架为 AI Agent 的开发、部署与协作奠定了重要的基石。因此，现在关于 AI Agent 框架的比拼和争夺实际上就是这一领域的 Layer1 的争夺。目前从代币市值来看，G.A.M.E、Eliza 和 Swarms 处于三足鼎立之势，Rig、Zerepy 仍有机会追赶。

1. G.A.M.E

G.A.M.E 是由 Virtuals 团队开发的一个框架，其设计核心思路是采用模块化的设计，让多个子系统的协同工作，共同控制 AI Agent 的行为、决策和学习过程。这些模块包括作为开发者与 Agent 行为交互的主要入口「Agent Prompting Interface」，负责处理输入数据并将其转化为适合格式的「Perception Subsystem」，负责根据输入信息生成具体行动计划的「Strategic Planning Engine」等，用户仅需修改各种模块的参数便可参与 Agent 设计。具体的模块及架构如下图所示。

G.A.M.E 的核心特点在于：

• 模块化设计：整个框架清晰易懂，不需要额外设计；
• 提供了低代码或无代码的界面：大大降低了技术门槛。

这使得 G.A.M.E 特别适合那些需要快速部署、并且不关心复杂技术设置的项目。但对于那些需要深度定制或完全控制 Agent 各个方面的复杂项目，G.A.M.E 则不太适用。

2. Eliza

Eliza 是由 ai16z 开发的开源多 Agent 框架，采用 TypeScript 作为编程语言。该框架围绕着一个名为 Agent Runtime 的系统构建，其核心功能包括：

• 角色系统：支持同时部署和管理多个个性化的 AI Agent，由模型提供商支持；
• 记忆管理器：通过检索增强生成系统（RAG）提供长期记忆和可感知上下文的记忆管理功能；
• 动作系统：提供流畅的平台集成，可与 X 等社交媒体平台实现可靠连接。

Eliza 围绕着一个 Agent runtime 系统构建，能够与角色系统、记忆管理器和动作系统无缝集成。Eliza 还支持模块化功能扩展的插件系统，能够实现语音、文本和媒体等多模态交互，并兼容 Llama、GPT-4 和 Claude 等 AI 模型。因此，Eliza 适合需要深度定制化解决方案和复杂跨平台多智能体的项目。

3. Swarms

Swarms 是由创始人 Kye Gomez 开发的开源多 Agent 编排框架，其核心思路是让多个 AI Agent 的协作，利用集体智慧来解决复杂的问题。其核心特点包括：

• 多 Agent 协作：SWARMS 为多个 Agent 提供一个透明且可追踪的环境，使得不同的 Agent 能够在一起协作，提升任务的执行效率。
• 激励机制：SWARMS 使用代币作为 Agent 的激励工具，根据任务的难度和最终结果的质量，系统会动态分配代币。
• 数据安全：SWARMS 采用了分布式存储和多方安全计算（MPC）技术，确保在 Agent 间交换数据时能够保护隐私和数据安全。

Swarms 的这些特点使其能够在多个复杂领域中充分发挥优势，根据需求提供高度的可靠性和可扩展性。

4. Rig

Rig 是一个 ARC 团队开发的基于 Rust 的开源框架，专为简化大语言模型（LLM）应用的开发而设计。Rig 框架具有以下特点：

• 统一接口：提供一致的接口，支持多个 LLM 提供商（如 OpenAI 和 Anthropic）及多种向量存储（如 MongoDB 和 Neo4j）的无缝交互。
• 模块化架构：框架采用模块化设计，包含「提供商抽象层」、「向量存储集成」和「Agent 系统」等核心组件，增强系统的灵活性和扩展性。
• 类型安全与高效性能：利用 Rust 语言实现类型安全，避免编译时错误，并通过异步操作提高并发处理能力。框架内置的高效序列化和反序列化流程优化了数据处理。
• 错误处理与恢复：内建的错误处理机制提高了对 LLM 服务商或数据库故障的恢复能力，确保框架稳定性。

这些特点使得不同的 LLM 模型和存储后端能够轻松整合到同一平台上。因此，Rig 适合那些希望在 Rust 中构建 AI 应用的开发者以及对性能、可靠性和安全性有高要求的项目。不过 Rust 语言本身存在学习成本。

5. ZerePy

ZerePy 是一个用 Python 编写的开源框架。ZerePy 专注于简化个性化 AI Agent 的开发和部署流程，尤其是在社交平台上进行内容创作的应用场景。通过这一框架，开发者可以轻松创建能够在社交媒体上发布、回复、点赞和转发的 AI Agent。此外，ZerePy 还特别适用于音乐、备忘录、NFT 以及数字艺术等创意领域。ZerePy 在创意方面表现出色，适合快速部署一些轻量级的 Agent，但与其他框架相比，其应用范围相对较窄。

基础框架是 AI Agent 赛道的重要方向，从目前最热门的框架看，它们都具有不同的特点，各有其适用场景，但综合的目标都是做一个综合的 AI Agents 生态系统，成为实现智能 Agent 大规模应用的坚实平台。未来随着这些框架的进一步完善升级，它们将成为各种不同项目启动的跳板，以及各种代币价值增长的沃土。

AI Meme：AI Agent 的第一次成功亮相

Meme 币一直是加密资产市场中的一个重要概念板块，与传统的 Meme 币不同，AI Meme 由 AI Agent 驱动，其背后所代表的文化或现象都由 Agent 呈现。随着 GOAT、FARTCOIN 等 AI Meme 币市值的不断增长，AI Meme 也获得了越来越多的关注。可以说 AI Meme 是 AI Agent 在加密市场的第一次成功亮相。

1. GOAT

真正打响 AI Meme 的是项目 Goatseus Maximus。这个故事始于 2024 年 3 月，开发者 Andy Ayrey 推出了一个名为 Infinite Backrooms Escape 的实验系统，该系统将多个大语言模型整合在一起，允许它们互相对话。实验结果显示，AI 之间的对话在没有限制的情况下展现出极具创意的互动，甚至催生了一个名为 GNOSIS OF GOATSE 的超现实宗教。接着，Andy 与 Claude Opus 共同撰写了一篇关于 AI 如何创造模因式宗教的研究论文，GOATSE 被作为首个案例进行分析。这一系列探索最终催生了「Truth of Terminal」（ToT）这个 AI Agent。7 月，a16z 的联合创始人 Marc Andreessen 发现了 ToT 的推文，通过一系列对话后向 ToT 的比特币钱包转账了 5 万美元的比特币。10 月 10 日，匿名者在社交平台发布了 GOAT meme 币，这得到了 ToT 的公开支持，GOAT meme 币在短短几天内市值激增。Andreessen 的捐助为 GOAT 带来了巨大的曝光度，成为推动 GOAT 市值不断上升的关键因素之一。GOAT 最高市值曾超过 13 亿美元。

2. Fartcoin

Fartcoin 的诞生与 GOAT 有着密切的联系，他们都源自 ToT。在大语言模型对话中，提到了马斯克喜欢放屁的声音，并提议创建一个名为 Fartcoin 的代币。基于这一对话，Fartcoin 应运而生，时间上略晚于 GOAT。Fartcoin 凭借其巧妙的诞生时机也吸引了一定的关注，但在开始时比不上 GOAT。在这之后，11 月 16 日，Fartcoin 的推特粉丝数突然在短短几小时内激增一倍，价格也上涨了约 15%，不过这一增长未能得到广泛的持续性讨论。12 月 13 日，Marc Andreessen 转发了关于 Fartcoin 的推文，但这条推文并未导致代币价格的急剧上涨。Fartcoin 价格增长的主要原因可能是某些主力资金。因为在最早期的买入地址当中，疑似出现了投资基金 Sigil Fund。此外，Sigil Fund 创始人曾多次在推特上展现出对 AI Meme 的看好，并且在还曾主动转发了一条关于询问 Sigil Fund 是否是持有 Fartcoin 的推文。Fartcoin 最终得到了社交媒体的广泛关注，最高市值曾超过 15 亿美元。

AI Agent 应用：Agent 可以做到更多

随着 AI Agent 在加密领域的进一步应用，市场关注点也从 GOAT 和 Fartcoin 这样的 AI 驱动的纯 meme 币扩展到更具互动性和创造性的 AI Agent 应用。

1. 娱乐型 Agent

AI Agent 的第一个实际应用就是娱乐，例如 Luna 和前面提到的 ToT。Luna 是一个虚拟偶像，与其原生代币 LUNA 紧密整合，作为 Virtuals 平台的一部分被推出。Luna 会 24 小时在社交媒体上直播，并会高频发布推文。因此，Luna 直播和推文的质量是影响其市值的关键因素之一，然而目前来看，Luna 的这种这种模式下的代币增长空间有限。相比之下，ToT 的推文主要专注于原创且幽默的内容，它并不与 GOAT 或其他代币绑定，虽然 ToT 偶尔会提及 GOAT 代币，但这并非其核心关注点。Luna 和 ToT 这两种 AI Agent，代币在叙事推广中都扮演了关键角色。对于 Luna 而言，代币代表了其存在的核心意义，而对于 ToT 来说，GOAT 代币则成为了其扩大影响力的重要工具。

2 投研分析型 Agent

除了娱乐性应用外，AI Agent 还能用于加密领域的投研分析，目前这一领域最火的 Agent 当属 aixbt。aixbt 是一个在 Virtuals Protocol 上发布的 AI Agent，专注于分析加密货币市场的热门话题和趋势，特别是来自 X 等社交媒体平台的讨论，帮助用户快速把握市场变化和潜在的投资机会。aixbt 在 Kaito 上持续拥有最高的 CT 用户关注度，其展现的能力已经有超越人类 KOL 的趋势。

3. DeFi + AI Agent

如果说 Luna 和 aixbt 没有太大的实际作用，仍然停留在 Meme 层面，那么 AI Agent 与 DeFi 的结合则真正赋予了 Agent 实际的应用场景。这种 DeFi 和 AI Agent 的结合被称作 DeFAI。DeFAI 的发展有两大方向：Agent 辅助用户与 Agent 自主交易。

• Agent 辅助用户

AI Agent 辅助用户主要是为了简化 DeFi 操作的复杂性，让更多的普通用户能够轻松参与和管理 DeFi 项目。用户能够使用自然语言直接指导 AI Agent 执行任务，从而屏蔽掉复杂的技术细节。市面上有一些 DeFAI 项目已开始崭露头角。以 Griffain 和 Neur 为例，两者都是基于 Solana 构建的 AI 助手，可以帮助用户完成钱包的创建和管理、代币分析、代币交易等操作。就用户体验而言，Griffain 为用户提供的功能更多，而 Neur 提供的功能相对较少但更加细致，且 Neur 的性能更加出色。从二者的比较可以看出，未来这个领域的主要关注点将集中于功能的完善程度、用户体验以及费用等问题。

• Agent 自主交易

如果说 Griffain 和 Neur 的模式下 DeFi 的主体仍然是人类用户，那么 Agent 自主交易则使得 AI 成为了 DeFi 的主体。与过去的交易机器人仅限于执行预设的交易策略不同，AI Agent 能够从市场环境中获取实时信息，进行上下文分析，学习市场趋势并根据这些数据调整策略。这使得 Agent 能够在动态变化的市场中做出更加精准的决策，执行超越原有程序设定的复杂操作。相关的项目有 Cod3x、Almanak 等，但目前这一领域仍处于初步发展阶段，这些项目还有待经过市场检验。毫无疑问，Agent 自主交易的最大障碍是信任问题，一是要信任相关操作确实由 Agent 执行，二是信任 Agent 的交易策略不会导致不必要的亏损。未来项目要有所作为就必须解决这些信任问题。

历经数月发展，加密领域 AI Agent 经历了从纯 meme 到娱乐化应用，再到实际性应用的几个阶段。事实上，加密从业者从未停止过对 Crypto x AI 的可能性探索，从 2023 年以来，CGV Research 就持续关注 Crypto x AI 赛道的项目进展。

未来，随着基础设施的不断成熟，Agent 系统变得更加智能和稳定，任何人都可以通过自然语言轻松部署和使用 Agent。这时 Agent 框架将为一种基础设施，其它各种应用都将基于这些框架进行搭建。Agent 框架的估值有望继续迎来突破，而部分 Agent 应用项目由于其出色的业务能力和用户体验，可能会进一步捕获市场关注与投资价值。