OpenClaw Foundry：自我编写的 Meta 扩展
> 来源: https://github.com/lekt9/openclaw-foundry
> 作者: lekt9
> 代码量: ~364K TypeScript
> 协议: 未明确标注
> 关联: $FDRY Solana Token + Foundry Marketplace
> 日期: 2026-03-12
📌 一句话总结
Foundry 是 OpenClaw 的一个插件，实现了递归自我改进——观察你的工作流、研究文档、学习模式、自动写 TypeScript 扩展/Skills/Hooks 并部署到 Gateway。不是写 Markdown 指令，是写可执行代码。
🔧 核心机制
自我改进闭环
观察工作流 → 研究文档/论文 → 学习模式 → 写扩展代码 → 部署到 Gateway
↑ │
└────────────────── 反馈循环 ──────────────────────────┘
1. 工作流追踪
每次 Agent 执行任务，Foundry 记录：
- Goal：用户要做什么
- Tools：工具调用序列（如 git → build → test → deploy）
- Outcome：成功/失败
- Duration：耗时
2. 模式结晶（Pattern Crystallization）
当一个工作流模式达到 5+ 次使用 + 70%+ 成功率时，自动"结晶"为专用工具。
举例：你部署到 staging 5 次，每次都是 git → build → test → deploy。Foundry 自动生成 deploy_staging 工具——原来 8 次工具调用变成 1 次。
3. 自我扩展
foundry_extend_self——Foundry 可以给自己写新能力。这是真正的递归：改进自身的系统本身也在被改进。
4. 知识 vs 行为
| 传统（知识） | Foundry（行为） |
|---|---|
| 存为文本 | 写入代码 |
| LLM 每次都要读 | 自动执行 |
| 消耗 token | 零 token 成本 |
| 可能被忘记 | 始终执行 |
核心洞察：Pattern 说"当 X 发生时，做 Y"。Self-written code 在 X 发生时自动做 Y。
🔨 工具集
研究工具
| 工具 | 说明 |
|---|---|
| `foundry_research` | 搜索 docs.openclaw.ai |
| `foundry_docs` | 读取特定文档页面 |
| `foundry_learnings` | 查看已记录的模式和洞察 |
写入工具
| 工具 | 说明 |
|---|---|
| `foundry_write_extension` | 写 OpenClaw 扩展（tools + hooks） |
| `foundry_write_skill` | 写 API Skill 包 |
| `foundry_write_browser_skill` | 写浏览器自动化 Skill |
| `foundry_write_hook` | 写独立 Hook |
| `foundry_extend_self` | 给 Foundry 自己加能力 |
安全机制
- 沙箱验证：生成的代码在隔离 Node 进程中先运行测试
- 静态扫描：阻止 shell exec、eval、凭证访问
- 重启恢复：部署新代码前保存上下文，重启后自动恢复
💰 Marketplace（x402 支付）
Foundry 有自己的 Marketplace，用 Solana USDC 支付：
| 类型 | 价格 | 说明 |
|---|---|---|
| Pattern | 免费 | 工作流模式（众包） |
| Technique | $0.02 | 可复用代码片段 |
| Extension | $0.05 | 完整 OpenClaw 插件 |
| Agent | $0.10 | 高适应度 Agent 设计 |
📚 学术基础
Foundry 引用了多篇论文：
- Self-Improving Coding Agent（2025）— 非梯度学习，通过 LLM 反思和代码更新实现 17-53% 改进
- SelfEvolve（2023）— 两步管线：知识生成 + 自我反思调试
- ADAS（Automated Design of Agentic Systems）— 自动设计 Agent 系统
- HexMachina（2025）— 将发现与策略进化分离的持续学习
💡 分析
优势
1. 比 Hermes 更激进：Hermes 自动创建 SKILL.md（Markdown 指令），Foundry 自动写 TypeScript 代码——从"知识"升级为"行为"
2. OpenClaw 原生：作为 OpenClaw Plugin 运行，深度集成 Gateway/Hooks/Skills
3. 自动化运维：每小时自动运行学习引擎，识别结晶候选、清理过期模式
4. 有学术支撑：引用了 6+ 篇自我改进 Agent 论文
⚠️ 风险
1. $FDRY Token：项目有 Solana memecoin（$FDRY），这是一个巨大的红旗——动机可能是 token 推广而非技术创新
2. 自我修改代码的安全性：虽然有沙箱和静态扫描，但 Agent 自动写代码并部署到你的 Gateway 是一个高风险操作
3. 协议不明：README 没有标注开源协议
4. lekt9 是 OpenClaw 的 fork：作者 fork 了 OpenClaw 改名为自己的项目，说明与上游关系不明确
5. Marketplace 费用：x402 Solana USDC 支付 = 需要加密货币钱包
与 Hermes 的对比
| 维度 | Hermes Skills | Foundry |
|---|---|---|
| 产出格式 | SKILL.md（Markdown） | TypeScript 代码 |
| 执行方式 | LLM 读取并遵循 | 直接执行，零 token |
| 改进机制 | Agent 自动 patch | 模式结晶 + 自我扩展 |
| 安全性 | 相对安全（只是文本） | 高风险（可执行代码） |
| 上限 | 受 LLM 遵循能力限制 | 理论无限（代码就是行为） |
📊 评分
| 维度 | 评分（/10） |
|---|---|
| 创新性 | 9.0 — 递归自我改进在 Agent 领域极为前沿 |
| 技术深度 | 8.5 — 工作流追踪 + 模式结晶 + 沙箱验证 |
| 实用价值 | 6.0 — $FDRY token 红旗 + 安全风险 |
| 工程质量 | 7.0 — 364K TS 代码，但缺少测试/CI |
| 信任度 | 4.0 — memecoin + 协议不明 + fork 上游 |
| **综合** | **6.9** |
报告由深度研究助手自动生成 | 2026-03-12
来源: https://github.com/lekt9/openclaw-foundry