在当今AI智能体技术爆发的时代，NVIDIA的开源项目NemoClaw无疑是企业用户和技术爱好者眼中的明星项目。它不仅继承了OpenClaw强大的通用智能体能力: 理解复杂指令、自主编写代码、操作文件以及控制浏览器。更重要的是，通过底层的NVIDIA OpenShell运行时，它提供了一个更安全、完全隔离的沙盒环境。
当你拥有一台像NVIDIA DGX Spark这样的顶级桌面AI超级计算机（配备GB10 Grace Blackwell超级芯片，拥有1 PFLOPS的算力和128GB的LPDDR5x统一内存）时，将NemoClaw与本地大型语言模型结合，是释放这台机器潜力的最佳方式。
本文将带你了解NemoClaw的核心优势，并提供一个极简的部署方案，让你能够轻松地在DGX Spark上运行一个基于本地Qwen3.5 35B模型的安全智能体。
为什么选择NemoClaw？
NVIDIA NemoClaw是一个开源软件堆栈，它简化了运行OpenClaw实时助手的过程——只需一条命令。它安装了NVIDIA OpenShell运行时，来添加基于策略的隐私和安全护栏，让用户能够更多地控制其智能体的行为和数据处理：
- 沙盒隔离：每个AI智能体都在其自身隔离的OpenShell沙盒内运行，通过策略强制控制文件访问、网络活动和数据泄露——而且由于这些控制独立于智能体进程之外，无论是智能体本身还是任何恶意的提示词注入都无法覆盖它们。
- 隐私路由：拦截智能体发出的请求，自动剥离PII（个人身份信息）和凭证等敏感数据，然后根据你组织的隐私策略将请求路由到本地或外部的AI模型。
- 安全能力演进：当智能体学习新技能或尝试安装新工具时，每一项新能力都要受到相同的安全策略控制。
为什么选择DGX Spark + 本地大模型？
本地部署具有无与伦比的优势：
- 零成本无限试错：复杂的智能体任务（如代码调试、网络信息提取）通常需要消耗大量的token。使用本地模型，你不再需要担心API账单，可以让智能体自由工作。
- 压榨硬件潜力：DGX Spark的128GB统一内存和273 GB/s内存带宽可以轻松容纳像Qwen3.5 35B这样的开源模型，这些模型兼具强大的推理和编程能力，让你享受极低的推理延迟。
极简部署方案
第1步：准备环境
确保你的DGX Spark上已安装Docker，并且Ollama服务已启动。以下过程以Qwen 3.5模型为例（DGX Spark运行35B模型毫不费力）：
# 拉取 Qwen3.5 35B 模型
ollama pull qwen3.5:35b-a3b
第2步：运行一键部署脚本
克隆辅助脚本并运行它：
# 获取辅助部署脚本
git clone https://github.com/HeKun-NVIDIA/nemoclaw-setup.git
cd nemoclaw-setup
# 授予执行权限并运行
bash nemoclaw-setup.sh
脚本执行期间的终端交互指南：
脚本将自动检测本地Ollama服务并列出已安装的模型。
Detected local inference option: Ollama
Local Ollama is running on localhost:11434
Use local Ollama for inference? [Y/n]: Y
Ollama models:
1) qwen3.5:35b-a3b
2) llama3:8b
Choose model [1]: 1
输入你要使用的模型编号（例如，1）并按回车键。
接下来，它将进入NemoClaw的官方引导流程。在第3步，它会询问是否创建或覆盖沙盒：
Sandbox 'my-assistant' already exists. Recreate it? [y/N]: y
输入y确认创建。
在第4步选择推理方法时，你必须选择Local Ollama：
Select an inference provider:
1) OpenAI
2) Local vLLM
3) Local Ollama
Choice: 3
选择3，然后输入你在第一步中选择的模型名称（例如，qwen3.5:35b-a3b）。
在第7步选择策略预设时，只需按回车键应用默认推荐配置（通常包括pypi和npm访问权限）。
脚本将在最后输出以下消息，表明网络路由已成功配置，桥接了沙盒与主机Ollama之间的通信：
Patching gateway inference route...
✓ Gateway inference route updated to http://172.17.0.1:11434/v1
─────────────────────────────────────────────────
Browser access:
http://127.0.0.1:18789/
─────────────────────────────────────────────────
第3步：远程访问UI
作为一个例子，假设IP地址是192.168.8.117，你想通过MacBook上的浏览器访问UI。然后在您的电脑上打开一个新终端并设置SSH端口转发：
# 将本地端口 18789 转发到 DGX Spark 的端口 18789
ssh -N -L 18789:127.0.0.1:18789 nvidia@192.168.8.117
保持此终端打开。然后打开你的浏览器并访问部署成功后终端提示的链接（例如）：
http://127.0.0.1:18789/#token=ed53e52784cebb810eef349d946aeeca9574c49feb3e15df6852f17473a752b9
（注意：此链接将在上述终端命令执行完毕后显示。请直接复制终端中显示的带有token的链接）。
此时，NemoClaw极具未来感的控制台界面将显示出来。
与本地智能体聊天
在聊天界面中，你可以直接向NemoClaw发送指令。为了验证它正在使用指定的本地模型，你可以问它：“你好，NemoClaw，你的本地大模型是什么？”
它会回复其底层的大模型名字：
智能体回复示例：
👋 你好 Ken！本地运行的大模型是 Qwen3.5:35b-a3b！
详情：
- 模型系列：Qwen3.5（Qwen系列的最新版本）
- 参数量：35B（350亿参数）
- 提供商：Inference（通过API调用的模型）
- 模型ID：inference/qwen3.5:35b-a3b
现在，你可以开始给它分配各种任务，例如“帮我写一个贪吃蛇网页游戏并运行它”，同时利用DGX Spark带来的推理速度和完全本地化、隐私安全的AI智能体体验。
进阶：如何一键更换模型？
得益于DGX Spark的128GB内存，你可以轻松尝试更大更强的模型。例如，最近流行的国内开源推理模型DeepSeek-R1；DGX Spark可以轻松运行其70B版本（deepseek-r1:70b）。
如果你想更换模型，无需手动编辑复杂的配置文件。你只需要在终端中指定环境变量并重新运行辅助脚本：
# 提前拉取模型（可选，但推荐）
ollama pull deepseek-r1:70b
# 一键切换并重建沙盒
NEMOCLAW_MODEL=deepseek-r1:70b NEMOCLAW_RECREATE_SANDBOX=1 bash nemoclaw-setup.sh
辅助脚本会自动为你销毁旧沙盒，重建它，并配置所有网络路由。这只需几分钟，你的NemoClaw智能体就会带着新的DeepSeek大脑重新开始。
在本地智能体的世界里玩得开心！
内容来源：国家网络与信息安全信息通报中心
附录2：防范OpenClaw安全风险，工信部提出“六要六不要”
内容来源：工业和信息化部网络安全威胁和漏洞信息共享平台（NVDB）
