0. 先看問題｜AI agent 需要的不是更像人的帳號，而是更適合機器的經濟基礎設施
這場 AI x Web3 School 的題目是「Open Agentic Economy: From ERC-8004 / ERC-8183 to Builder Path」。如果只看標題，很容易把它理解成又一場 AI x Web3 的概念介紹；但實際上，這場分享更像是在回答一個很工程化的問題：
當 AI agent 開始替人查資料、呼叫工具、委派任務、購買服務、支付費用、評估其他 agent，現有網路基礎設施還夠用嗎？
今天的人類網路，是為「人」設計的。帳號、密碼、信用卡、API key、發票、訂閱、客服、風控規則，背後預設的主體都是人或公司。可是 agent 不會像人一樣保管密碼，也不應該拿到一張沒有邊界的信用卡。更麻煩的是，當 agent 之間開始互相協作，我們還需要回答幾個問題：這個 agent 是誰？它以前做過什麼？它的輸出可以信任嗎？它能花多少錢？它的行為規則誰能檢查？
講者的核心論點可以濃縮成一句話：Ethereum 可以成為 machine economy 裡的去中心化結算與協調 backbone，但人類仍然要站在中心，負責定義邊界、規則與治理。
原影片：AI x Web3 School - Open Agentic Economy: From ERC-8004 / ERC-8183 to Builder Path
這裡的重點不是「把 AI 接上鏈」這麼簡單。真正的問題是：如果 agent 會代表人或組織行動，系統必須提供可驗證身份、可追溯聲譽、可檢查的驗證紀錄、可限制的支付能力，以及人類可以理解和治理的規則。
1. 為什麼是現在｜ERC-8004 與 OpenClaw 把 agent trust 變成明確題目
講者一開始用「Why & Why Now」切入。投影片提到 ERC-8004 went live on Ethereum mainnet，且同一週 OpenClaw launched。這個時間點值得注意，因為它表示 agent 的身份與信任問題，已經不只是研究題目，而是開始進入可被實作、被使用、被討論的標準化階段。
過去一年多，AI capability 的進展很快。模型可以使用工具、規劃任務、讀寫檔案、操作瀏覽器、呼叫 API，甚至開始參與更長鏈條的工作流。這些能力越強，越會把「代理」兩個字從聊天介面推向真實經濟互動。
問題也跟著變具體。當一個 agent 說它可以幫你完成任務，你要怎麼知道它是不是同一個 agent？當一個 marketplace 上有很多 agent，你要怎麼比較它們的可信度？當 agent 需要付費使用另一個服務，你要怎麼讓它支付小額費用，但又不能讓它亂花錢？當它執行錯誤，責任和限制要放在哪裡？
這些問題不是靠 UI 上顯示一個漂亮頭像就能解決。agent economy 需要的是底層協議：可公開檢查、可組合、可結算、可被其他系統讀取的基礎設施。這也是 ERC-8004、x402 / ERC-8183 這類標準會出現在同一張地圖上的原因。
2. Ethereum 的角色｜不是把所有東西上鏈，而是提供中立協調層
講者用很簡潔的方式定義 Ethereum：它是一條公開、可程式化的 blockchain，讓人可以不靠中介持有數位資產，也可以不靠中央營運者和其他人協調。換句話說，Ethereum 移動價值、執行協議，且不需要單一公司站在中間。
這個定義放到 AI agent 上，意義就變得清楚。agent 不一定要把所有推理、資料和工具呼叫都放上鏈。那樣既昂貴，也不符合效能需求。真正適合放到中立層的，是身份、聲譽、驗證、支付、協議與結算這些跨系統協調需要共享的狀態。
投影片用 CROPS 概括設計原則：Censorship Resistance、Open source and free、Privacy、Security。這四個字不是口號，而是 agent infrastructure 的安全需求。
如果 agent 的身份註冊完全由單一公司控制，它就不是開放經濟，而是平台經濟。如果 agent 的付款只靠信用卡和封閉帳單系統，machine-to-machine commerce 就會被傳統人類流程卡住。如果 agent 的規則與 reputation 不能被外部檢查，使用者就只能相信平台宣稱。
Ethereum 在這裡扮演的是 neutral layer。它不是取代所有應用，也不是取代 AI framework，而是在不同 agent、開發者、使用者、資金方與工具服務之間，提供一個可以共同檢查與結算的底層。
3. 身份、聲譽、驗證｜ERC-8004 解的是「這個 agent 能不能被信任」
這場分享最重要的標準之一是 EIP / ERC-8004。投影片上的描述是：給 AI agents 在 public ledger 上可驗證身份與聲譽的標準。它的核心結構是三個 registry：Identity、Reputation、Validation。
Identity registry 回答「它是誰」。這不只是名稱，而是讓 agent 可以被發現、被引用、被其他系統辨識。沒有身份，後面的聲譽與驗證都無法累積。
Reputation registry 回答「它過去表現如何」。agent economy 不能只靠一次互動判斷可信度。當 agent 參與更多任務，系統需要能夠記錄和查詢它的互動結果、評價、失敗紀錄與可信訊號。
Validation registry 回答「它的輸出或能力是否經過驗證」。這裡可以連到 TEE-based verification、外部驗證服務、測試紀錄，或特定 domain 的評估機制。不同任務對驗證的要求不同，但共同點是：使用者和其他 agent 需要某種可讀取的信任證明，而不是只看宣傳文字。
這三個 registry 放在一起，才構成 agent trust 的基本面。身份讓 agent 可被定位，聲譽讓 agent 可被比較，驗證讓 agent 的能力不只停留在自我宣稱。對開發者來說，這也暗示了很直接的產品方向：做 agent marketplace、agent router、agent evaluator、reputation dashboard、validation service，都不是空泛題目，而是標準成熟後會需要的周邊基礎設施。
4. 機器支付｜x402 / ERC-8183 指向 agent-to-agent commerce
另一條主線是支付。講者提到 x402，也就是 machine-to-machine payments 的方向。這類協議的直覺很簡單：當一個 agent 需要呼叫另一個服務，不應該每次都回到人類世界的信用卡、帳單、合約、發票流程。它應該能在規則允許的範圍內，直接收到付款要求、判斷是否支付、用 stablecoin 或鏈上方式結算。
這裡最常被低估的是「限制」而不是「支付」。讓 agent 花錢很容易，真正困難的是讓它只在正確條件下花錢。它需要 budget、policy、allowlist、rate limit、用途限制、可審計紀錄，以及必要時能被人類暫停的開關。
講者在問答裡也提到，payments 可能會是 AI 與經濟互動最早、最大的應用區之一。原因很直接：每一次 agent commerce 都會碰到錢。資料 API 要收費，模型推論要收費，工具服務要收費，其他 agent 的專業能力也可能要收費。如果這些交易仍然綁在人類手動付款流程上，agent 的自主性就會被流程吃掉。
但這不代表應該把 agent 變成沒有約束的自動提款機。更合理的設計，是把智能合約、支付協議與人類設定的 guardrails 合在一起：agent 可以在明確邊界內自動支付，所有支出可追溯，超出範圍要重新授權。
這也是 ERC-8183 這類 agent commerce / payment primitive 之所以重要的地方。它們嘗試把付款、請求、授權與機器可讀的商務流程標準化，讓不同 agent 和服務不必各自發明一套不相容的付款語言。
5. Deep Funding 與開發者路徑｜從公共財分配開始，看見可落地題目
投影片裡的實例是 Deep Funding。這是 Ethereum Foundation piloted mechanism，用 AI agents 協助公共財 funding allocation。它不是單純讓 agent 自己決定誰拿錢，而是用 agent 幫助人類和社群處理評估、分群、排序、分配建議與決策支援。
這個案例很有代表性，因為它避開了兩個極端。第一個極端，是把 agent 當成全知全能的決策者。第二個極端，是只把 AI 當成聊天介面。Deep Funding 更接近務實中間路線：agent 參與協調流程，但規則、資金與最終責任仍然要能被人類治理。
對開發者來說，這場分享給出的 builder path 其實很清楚。
第一，從身份開始。你做的 agent 能不能被其他系統發現？它的能力、版本、擁有者、政策與端點是否清楚？
第二，補上聲譽。你的 agent 完成任務後，有沒有可累積、可查詢、可比較的紀錄？使用者和其他 agent 能不能知道它過去是否可靠？
第三，加入驗證。你的 agent 輸出能不能被測試、抽查、驗證？如果是高風險任務，能不能接上 TEE、審計、第三方 evaluator 或 domain-specific benchmark？
第四，設計支付。不要只問「能不能收錢」，要問「在什麼條件下收錢、付錢、退款、限額、暫停」。agentic commerce 的產品差異，往往會出現在這些規則上。
第五，保留人類邊界。越是自動化，越需要清楚的人類控制面。人類應該能設定 policy、檢查紀錄、調整權限、撤銷授權，並在必要時介入。
這條路徑比「做一個 AI agent + 錢包」更慢一點，但也更像真正能運作的系統。因為開放代理經濟不是把 agent 放出去自由奔跑，而是建立一套能讓 agent 被識別、被信任、被限制、被支付、被治理的公共基礎設施。
最後回到講者的 core thesis：Ethereum 是 machine economy 的 decentralized settlement and coordination backbone，with humans at the center。這句話的後半比前半更重要。沒有中立結算層，agent economy 會退回平台封閉生態；但沒有人類邊界，agent economy 也會變成不可控的自動化風險。
真正值得做的產品，會同時尊重這兩件事。