Franklin Agent：持有 USDC 钱包自主付费执行任务的 AI 经济智能体

BlockRunAI/Franklin · The AI agent with a wallet — spends USDC autonomously to get real work done. Apache-2.0, TypeScript.

GitHub原文发布未知首次收录 2026-10-04上架 2026-10-07 07:05

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

Franklin Agent 是一个基于 TypeScript 的自主经济智能体，可持有 USDC 钱包并通过 x402 微支付协议为模型调用、实时市场数据、搜索与媒体生成等付费服务自动付款。它以交易信号为核心场景，能购买行情数据、提出交易计划供用户确认，并跨会话持续追踪目标与记录交易日志。支持 Solana、Base 与 Arc 三条链的 USDC 钱包，也支持在 BlockRun 预付账户充值后使用 API key 付费，两种方式可互换。可从 55+ 供应商中按任务选择模型，以 YOPO（You Only Pay Outcome）模式按实际消耗结算，钱包余额即硬性预算上限。

# x402 # USDC # llm-agent # wallet # multi-model

核心能力与快速开始

★ 556 · TypeScript

能做什么: 以聊天为主界面，用户给定目标和预算，Franklin 自行决定调用哪些模型、工具和付费 API。通过 USDC 钱包（Solana/Base/Arc）经 x402 协议按次链上结算，或通过 BlockRun 预付余额配合 API key 付款，两种支付模式可同时配置并以 key 优先、可用 --wallet 覆盖。可从 55+ 模型供应商中按任务路由模型。交易信号场景中可购买 CoinGecko 等实时行情，并在本地计算 RSI、MACD、布林带与波动率等指标，可给出带止损/风险回报比的交易计划供用户批准。支持跨会话的长周期目标、与钱包绑定的交易日志、记忆和花费统计（franklin stats / franklin balance）。提供 CLI、VS Code 扩展和桌面 Beta。
适用场景: 用于需要 AI 自主购买实时数据并执行多步任务的场景，例如加密货币行情研究与交易信号生成、交易计划与风险位计算、跨会话的长期研究目标跟进、自动购买搜索/媒体生成等付费 API 完成的市场营销或运营任务。也适合希望用钱包或 API key 统一管理 AI 调用开支、避免订阅与速率限制的用户。
项目形态: 可直接使用的工具
部署方式: 以 npm 全局包形式安装（npm install -g @blockrun/franklin）或直接 npx 运行；另提供 VS Code 扩展与 macOS/Windows 桌面 Beta（未签名测试构建）。桌面版本地优先，会话历史默认保存在本地。其余服务器端部署条件未说明。
主要依赖: 需要 Node.js 20.19+（推荐 Node 22 LTS），低于该版本会因 ERR_REQUIRE_ESM 崩溃。付费能力需要一条 USDC 钱包（Solana/Base/Arc）或 BlockRun 预付 API key（brk_live_...）；免费模型（NVIDIA Nemotron、Qwen3 Coder、Llama 4 Maverick）无需钱包。
使用限制: 需要为其提供资金才能使用付费模型与 API：钱包模式下 USDC 余额即为硬性上限，余额为空即停止；API key 模式需注册 BlockRun 账户并充值。API key 模式下聊天费用为按 token 与公布费率估算而非精确值。桌面版仍为 Beta，暂无签名公开下载与自动更新，Shell 命令和访问工作区外文件需逐次批准。Team Mode 与 Studio 适配器未包含在当前版本中。
许可证: Apache-2.0
最近推送: 2026-10-03 13:04

官方入门核对 README 依据 ↗

资料检查：2026-10-04 07:00 · 卡片整理：2026-10-07 07:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

作为 TypeScript 编写的自主经济智能体，程序员可安装 npm 包 @blockrun/franklin 并在终端或 VS Code 扩展中使用，让智能体按任务从 55+ 供应商中选择模型、调用付费 API 并执行代码、研究等任务，同时通过钱包余额控制预算。

查看内容依据

Franklin Agent is an **autonomous economic agent** — an AI that holds a USDC wallet and spends it to get real work done

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

产品经理

产品经理可借助该智能体进行市场数据购买、搜索与媒体生成等付费服务调用，以支持用户研究、需求分析和数据分析等工作，并按实际消耗结算控制成本。

查看内容依据

It buys live market data, proposes trade plans you approve before a cent moves, pursues long-running goals across sessions, keeps a wallet-bound trading journal, and picks the best model per task from 55+ providers.

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

open_deep_research：使用多模型与搜索工具构建开源深度研究智能体

该项目是一个开源的深度研究智能体应用，能够根据用户提供的主题，借助人工智能检索多个来源并汇总信息，自动完成研究流程。用户可选择模型提供商、设置 API Key、调整搜索深度与输出格式，并将最终报告导出为文本文件。README 说明其面向 Windows 10/11 环境，查询通过用户自己的 API Key 处理，历史记录不存储于外部服务器。

HumanStudy-Bench：面向 AI 智能体评估的人类被试实验标准化回放基准

HumanStudy-Bench 是一个标准化测试平台，用于让 AI 智能体回放人类被试实验。它由三部分构成：按已发表实验协议进行重建的执行引擎、一个持续扩充的可运行社会科学研究集合，以及从行为、效应和科学结论层面进行的评估。初始收录 12 项研究，覆盖认知、策略互动和社会心理学。项目提供直接提交 PR 的贡献路径（复制现有 study 目录结构、本地验证脚本、提交 PR），另有处于升级中的 HumanStudy-Hub 平台自动建研究路径。仓库结构包含 studies、src、playground、agent_pipeline、generation_pipeline、scripts、docs 和 tests。

simplicio-loop：跨 LLM 的自主循环编排器，端到端完成工作项

simplicio-loop 是一个与运行时无关的自主循环编排器（以 /simplicio-loop 调用），配合六个卫星技能与加速器，可将 Claude、Codex、Copilot、Gemini、Cursor 或本地模型等强 LLM 变成自驱工作体。它从 GitHub Issues、Jira、Azure DevOps 等来源发现工作项，去重后按机器规模自动扩展智能体集群，经实现、验证（实际运行代码）、开 PR、处理 CI/评审反馈、合并并持续跟进，覆盖 discover → understand → decide → act → verify → correct → record → repeat 全生命周期。项目强调契约先行、隔离工作树并行执行、独立验证与可回滚、追加式事件与凭证账本、跨会话记忆与暂存检测，并提供多会话协调（coordinator.py）、PR Definition of Done 审查、缺陷去重记忆、多追踪器回写等能力。声明在基准 #17 中估算可减少约 90% token，并提供 35 个运行时（3 个保证 + 32 个尽力而为）与 50 个扩展点。

AI Engineering: Deep Dives：从零构建 LLM 应用的动手课程合集

这是一套从零开始、动手构建的 AI 工程课程系列，包含 17（README 中亦称 25）个独立仓库级深潜教程，覆盖 API 调用、提示工程、RAG、评测、Agent、提示注入与防护、生产化等主题。每个概念对应可运行的小型 Python 脚本，多数首个可运行示例无需 API Key，强调离线优先、供应商无关、不依赖框架，仅需基础 Python。另含 bonus 深潜（Agent Harness、上下文工程、AI 数据工程、GenAI 安全、多模态、实时语音、ML 基础、微调、MCP、本地模型、推理平台、可观测性、架构、测试与交付、结构化数据、专业工具）以及 TypeScript 配套版本。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。