listen

GitHub
1.1k 165 较难 1 次阅读 2天前AGPL-3.0图像开发框架Agent
AI 解读 由 AI 自动生成,仅供参考

listen 是一款专为去中心化金融(DeFi)与人工智能结合而打造的高性能开源框架,被誉为"DeFAI 领域的瑞士军刀”。它最初作为 Solana 链上的算法交易工具包诞生,现已进化为支持跨链投资组合管理的 AI 智能体核心引擎。

listen 主要解决了在高速变化的区块链环境中,AI 代理难以实时获取数据、安全管理钱包并高效执行复杂交易策略的痛点。通过集成实时交易监控、多去中心化交易所(DEX)自动_swap_以及 Jito MEV 捆绑技术,它能确保交易以极低延迟和最优价格完成,同时提供详尽的性能指标追踪。

该工具最适合区块链开发者、量化交易研究员以及希望构建自主交易 AI 智能体的技术团队使用。虽然它也驱动着面向普通用户的 Listen App,但其核心价值在于为开发者提供了基于 Rust 语言的模块化架构,包括多租户流管理器和委托钱包管理器。

listen 的独特亮点在于其与 Rig Agent Kit 框架的无缝集成,允许 AI 智能体直接调用链上工具并执行交易逻辑。其架构采用 ClickHouse 进行海量数据索引,支持 Prometheus 监控,并兼容 Solana 与 EVM 多条公链。无论是想快速搭建交易机器人,还是研究跨链资产管理的 AI 策略,listen 都提供了一个即插即用且高度可扩展的技术底座。

使用场景

一位专注于 Solana 生态的量化交易开发者,正试图构建一个能自动捕捉新币上线机会并执行跨 DEX 套利的 AI 代理。

没有 listen 时

  • 数据延迟高:自行搭建链上监听器难以跟上 Solana 的高吞吐量,导致获取价格和交易信号时存在秒级延迟,错失最佳入场点。
  • 开发链路割裂:需要分别编写代码对接 Jupiter、Raydium 等多个 DEX API,还要单独处理 Jito MEV 捆绑发送,集成工作量巨大且容易出错。
  • 状态管理复杂:AI 代理缺乏统一的钱包委托管理和多租户流控制机制,难以安全地同时运行多个策略实例。
  • 监控盲区:缺乏原生的 Prometheus 集成和实时交易指标,策略运行时的性能瓶颈和失败交易难以被即时发现。

使用 listen 后

  • 毫秒级响应:利用 listen 内置的 Substreams 索引器和 Clickhouse OLAP 数据库,AI 代理能实时获取清洗后的链上数据,将信号延迟压缩至毫秒级。
  • 一站式执行:通过 listen 的交易引擎,代理可直接调用统一的接口在 Pump.fun 或 Jupiter V6 执行 swaps,并自动通过 Jito bundles 发送交易,大幅降低开发门槛。
  • 安全的代理架构:借助 RIG Agent Kit 和委托钱包管理器,开发者能轻松构建支持多策略并行的 AI 代理,且无需在代码中硬编码私钥,提升了安全性。
  • 可观测性增强:内置的 Prometheus 监控和详细的订单执行日志,让开发者能清晰追踪每一笔交易的滑点和成功率,快速迭代优化策略。

listen 将复杂的链下基础设施封装为标准化模块,让开发者能从繁琐的底层对接中解放出来,专注于打造更智能的 DeFi 交易策略。

运行环境要求

操作系统
  • Linux
GPU

未说明

内存

未说明

依赖
notes该工具主要基于 Rust 开发,非 Python 项目。需要安装 Rust nightly 工具链、protoc 编译器以及系统构建依赖(build-essential, pkg-config, libssl-dev)。可选配置 Jito MEV 需要 auth.json。默认配置针对 Solana 主网,使用前需仔细检查代码并配置 fund.json(Solana 密钥对格式)。可通过 Docker Compose 快速启动仪表盘服务。
python不需要 (基于 Rust)
Rust (nightly toolchain)
protoc
build-essential
pkg-config
libssl-dev
Docker
Docker Compose
listen hero image

快速开始


 

listen 最初作为 Solana 的算法交易瑞士军刀工具包起步,如今其使命已演变为成为 AI 跨链投资组合管理代理的首选框架。

它为 Listen 应用 提供支持,快来体验一下 listen 框架的强大功能吧。

Listen 架构

graph TB
    subgraph "Rig Agent Kit by Listen"
        RAK[RIG 代理工具包]
        RAK_MT[多租户流管理器]
        RAK_WALLET[委托钱包管理器]
        RAK --> RAK_MT
        RAK --> RAK_WALLET
    end

    subgraph "Listen 交易引擎"
        LTE[交易引擎]
        ORDER_COL[订单收集器]
        PIPE[管道执行器]
        EXEC[订单执行器]

        ORDER_COL --> PIPE
        PIPE --> EXEC
        LTE --> ORDER_COL
    end

    subgraph "Listen 数据服务"
        LDS[数据服务]
        SUB[Substreams 索引器]
        DB[(Clickhouse OLAP)]
        PRICE[价格流]

        SUB -->|索引 Solana 区块| DB
        LDS --> PRICE
        LDS --> DB
    end

    %% 外部系统
    MOBILE[移动应用]
    CHAIN((区块链))
    PRIVY((Privy))
    WALLET[(Solana/EVM 钱包)]

    %% 连接
    RAK -->|工具调用| CHAIN
    RAK -->|执行交易| LTE
    LDS -->|定价更新| LTE
    LDS -->|丰富数据| MOBILE
    MOBILE -->|用户意图| RAK
    LTE -->|签名并发送交易| CHAIN
    DB -->|查询数据| RAK
    RAK_WALLET -->|集成| PRIVY
    PRIVY --> WALLET

功能特性

  • 🔍 实时交易监控
  • 💱 支持多 DEX 交换(Pump.fun、Jupiter V6 API 或 Raydium)
  • 🚀 借助 Jito MEV 批次实现极速交易
  • 📊 价格跟踪与指标分析
  • 🧰 代币管理实用工具
  • 📈 支持 Prometheus 集成的性能监控

以及更多!

它可与 $arc rig framework 框架即插即用,使 AI 代理能够与 Solana 区块链交互。示例请参见: src/agent.rs 及其输出 image

关于代理相关的内容,更多信息请参考:rig-onchain-kit

如需了解完整功能列表,请查看 cargo run 的 CLI 输出或访问文档

快速入门

要体验 listen-rs,您可以使用 UI:

填写 .env.example./dashboard/.env.example 文件,并将其复制到 .env./dashboard/.env 中,然后运行:

docker compose up

之后您可以通过 http://localhost:4173 访问仪表板。

[!WARNING] listen-rs 正在快速迭代中,部分功能可能尚未完善,且可能存在破坏性变更。

系统要求

  1. 系统依赖

    • Rust(包含 nightly 工具链)
    • protoc
    • build-essential
    • pkg-config
    • libssl-dev
  2. 配置

    • .env.example 复制到 .env
    • 设置用于 JITO 认证的 auth.json 文件(可选,gRPC HTTP/2.0 搜索客户端)
    • 填充 fund.json

两个密钥对均采用 solana-keygen 格式,即 64 字节数组,前 32 字节为私钥,后 32 字节为公钥。

快速开始

# 安装依赖
sudo apt install protoc build-essential pkg-config libssl-dev

# 构建
cargo build --release

# 启动服务
./run-systemd-services.sh

使用示例

交易监控

cargo run -- listen \
  --worker-count [COUNT] \
  --buffer-size [SIZE]

代币兑换

cargo run -- swap \
  --input-mint sol \
  --output-mint EPjFWdd5AufqSSqeM2qN1xzybapC8G4wEGGkZwyTDt1v \
  --amount 10000000

[!WARNING] 默认配置适用于主网的小额交易。请确保在测试网上使用时进行正确配置,并在执行前仔细检查代码。

指标与监控

Listen 内置了指标服务,可通过 localhost:3030/metrics 查看。可视化步骤如下:

  1. 启动 Prometheus:
prometheus --config=prometheus.yml
  1. 访问指标:localhost:3030/metrics

Grafana 应显示类似以下内容:

image

高级用法

交换性能剖析

可以安装 stackcollapse.pl 工具,方法如下:

gh repo clone brendangregg/FlameGraph && \
  sudo cp FlameGraph/stackcollapse.pl /usr/local/bin && \
  sudo cp FlameGraph/flamegraph.pl /usr/local/bin

使用 DTrace 对交换性能进行剖析,生成火焰图:

./hack/profile-swap.sh
image

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|4天前
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|5天前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

148.6k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

108.1k|★★☆☆☆|2天前
开发框架图像Agent

gemini-cli

gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。

100.8k|★★☆☆☆|今天
插件Agent图像

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|3天前
插件开发框架