自主、长期运行的 AI 智能体的兴起带来了一种新型计算需求，即维护大型上下文窗口、生成并发子智能体，以及在不依赖云的情况下持续迭代的任务。安全和隐私问题也加速了向本地代理的转变。
开发者通过 NVIDIA NemoClaw 编排执行在其拥有的硬件上运行自主代理，可以在设备上保留敏感的上下文，保留对代理访问内容的直接控制，并消除每词元成本。
NVIDIA DGX Spark 旨在本地构建和运行自主智能体。在 Computex 2026 上，NVIDIA 大幅简化了从开箱到运行 AI 智能体的过程，只需几分钟即可完成 (不包括初始模型下载，这取决于网络速度) 。此外，Qwen3.6 和引导式多节点集群设置也提高了模型性能，适用于需要扩展到单个设备以外的团队。
本文将介绍这些更新对开发者构建代理式 AI 系统的意义，包括如何安装 NVIDIA NemoClaw、NemoClaw 设置的内容，以及如何在 DGX Spark 上使用 OpenClaw 构建和运行您的首个智能体。
预备知识
- 用于下载初始模型的主动互联网连接
- 熟悉终端可选配置步骤
从开箱到运行本地智能体
过去，让本地 AI 智能体运行涉及采购合适的模型、配置推理后端、安装运行时并将其连接在一起。即使对于经验丰富的开发者来说，这个过程也可能需要一天的大部分时间。新的精简版 NemoClaw 安装路径改变了这一点。
对于新系统，首先要体验开箱和首次设置 DGX Spark。DGX Spark 系统软件的最新版本 2026 年 6 月版本，提供更精简的开箱即用体验 (OOBE) ，因此用户可以更快地联系本地代理。借助此版本，在初始设置期间，默认情况下将不再安装无线更新，从而缩短设置时间，让用户更快地访问 Ubuntu 桌面。
NemoClaw 是一个开源蓝图，可将三项功能打包到一次安装中：开放模型、智能体线束 (例如，Hermes Agent 或 OpenClaw) 以及 NVIDIA OpenShell 运行时。OpenShell 是一个安全的沙盒执行环境，旨在更安全地运行自主代理。它为智能体循环增加了访问控制、隐私保护和操作护栏。结合设备端推理，这可为开发者提供更强大的默认安全和隐私状态，以处理代理式工作负载。
第 1 步：安装 NemoClaw
下图 1 显示了从 OOBE 完成到在 DGX Spark 上运行 NemoClaw 代理的完整路径。
完成 OOBE 后，DGX Spark 会重启并打开 build.nvidia.com/spark，并在 NemoClaw 剧本的醒目位置进行引导式演示。运行此命令以安装 Node.js (如有需要) ，安装 OpenShell，克隆最新的稳定版 NemoClaw，构建 CLI，然后运行板载向导以创建沙盒。
curl -fsSL https://www.nvidia.com/nemoclaw.sh | bash |
安装向导将引导您完成设置：
- 接受 NemoClaw 和 OpenClaw 许可证 — 输入“Yes” (是) 进行确认
- 运行 express install — 通过输入 Y 进行确认
- 设置本地 Ollama 并自动下载 Qwen3.6-35B
详细了解如何在 DGX Spark/ GB10 系统上安装 NemoClaw：从 DGX Spark 上的 NemoClaw 开始 →
第 2 步：联系代理
安装完成后，您就可以自定义代理了。
首先，使用 WebUI 进行交互：
nemoclaw <sandbox name> gateway-token --quiet |
然后在浏览器中打开标记化 URL：http://127.0.0.1:18789/#token=<WEBUI_TOKEN>。精确使用 127.0.0.1– 网关原点检查需要它 (不是 localhost) 。
发送快速测试消息 "hello 或“what can you do?”，以确认整个堆栈已启动。本地 Ollama 模型已被选中；NemoClaw 会在引导过程中自动进行配置。
第 3 步：构建首个智能体
在沙盒运行后，NemoClaw 应用手册提供了四个可立即运行的智能体，每个智能体都有策略设置、入门提示和个性化指导：
- Daily Personal News Digest (每日个人新闻摘要) – 预先安排的上午简报会，内容包括您的主题，并在 Telegram 上发布结构化摘要
- 软件开发智能体 — 读取本地项目目录、构建计划、编写和审查自己的代码，除了本地推理之外，没有任何出站网络
- Deck 和 Document Reviewer — 在文件发布前对其进行红色小组检查，返回按严重程度排名的不一致、未经来源声明和可访问性问题清单
- Calendar Negotiator — 调度办公室主任，将“我们何时可以见面？”线程转换为已确认的日历活动
第 4 步：进一步自定义
沙盒运行后，塑造智能体行为的主要手段包括：
- 系统提示 — 编辑控制面板中智能体的指令，调整智能体的响应方式，以及智能体在行动前应该询问的内容。更具体的提示会产生更可靠的智能体。
- 工具权限 — OpenShell 网络策略控制代理可以调用的外部目标。权限范围缩小可减少意外行为。
- 集成 — 如果您在入职培训期间启用了消息渠道，则表示可以在此处联系智能体。通过手机向它发送消息，它将使用相同的本地模型进行响应。
开发者可以通过交换不同的模型、调整 OpenShell 权限以及将智能体连接到本地工作流，进一步进行自定义。要使用其他模型启动新的沙盒，请运行 nemoclaw onboard --fresh --gpu，并在向导过程中选择其他模型。请注意 – fresh 会破坏并重建现有沙盒 – 使用 --name <new-name> 创建额外的沙盒，而不会影响现有沙盒。完整的 NemoClaw 安装说明 和型号目录可在 NVIDIA NGC 上获取。
小贴士：缩小范围。在首次运行时，为智能体指定一项范围广泛的单一任务，例如在本地文档中“总结文件”或“回答问题”。在扩展其权限之前，验证响应和工具调用是否正确。
在您进行迭代时，一些命令值得您随身携带：
| 命令 | 它的作用 |
|---|---|
nemoclaw <sandbox name> status |
显示沙盒状态和推理运行状况 |
nemoclaw <sandbox name> logs --follow |
实时串流沙盒日志 |
nemoclaw list |
列出所有已注册的沙盒 |
使用 Qwen3.6-35B 的 DGX Spark 代理
借助采用 MTP 优化的 NVIDIA NVFP4 量化检查点，开发者可以在 vLLM 上使用顶级代理式模型 (如 Qwen 3.6 35B) ，体验高达 2.6 倍的推理速度。进一步改进了 vLLM CUDA Graph 对使用 FlashInfer 的 MTP、跨 FlashInfer MoE 内核的 BF16 自动调整、TinyGEMM 和 cuBLAS BF16 路径的支持。
纵向扩展：NVIDIA Sync 中的集群助手
对于需要超过单个 DGX Spark 所能提供的内存或吞吐量的开发者，NVIDIA Sync 中的集群助手可自动完成将两到四个 DGX Spark 单元连接到高带宽集群的过程。
模型级别的集群十分重要：两个 DGX Spark 节点提供 256 GB 的统一内存 (足以容纳约 400B 参数模型) ，四个节点提供 512 GB。这足以运行大型 MoE 模型、具有多个并发推理实例的多智能体工作流，或者微调受益于分布式内存的作业。
设置集群需要配置 ConnectX-7 网络。每个 DGX Spark 都有支持 200 Gbps RoCE 的 ConnectX-7 网卡，但要正确使用它们，需要配置 netplan、设置节点到节点的 SSH 信任、验证每个链路的带宽，以及了解目标拓扑的正确 IP 分配方案。集群助手通过 Sync 中的引导式工作流简化了网络配置。
Sync 的配置
从已在 Sync 中注册的设备开始，集群助手将完成：系统就绪性检查 ( OTA 版本、sudo 访问) 、使用在每个节点上并行运行的探针进行 CX-7 拓扑检测，并将 LLDP/ BPDU 证据与接口和 IP 检查相结合、IP 规划和解冲突以及 netplan 应用、通过 ib_write_bw / ib_write_lat 验证带宽和延迟，以及节点间 SSH 设置
支持的物理配置包括双节点直接连接 (单根 QSFP 线缆，无交换机) 、三节点环形连接 (三根 QSFP 线缆，每个节点均有两个 CX-7 端口处于活动状态) ，以及通过 QSFP 交换机实现的两到四个节点，最低要求如下所示：
- 至少 4 个端口 QSFP56-DD
- 突破 25/ 50/ 100/ 200/ 400G
- 建议每个端口的最高端口速度为 200G-400G
- 1 个 1/ 10GbE 管理以太网端口
- 支持 RoCE v2
- 交换容量/ 吞吐量：最低 0.8 -1.6 Tbps
有关 NVIDIA Sync 集群助手和支持的拓扑的文档，请参阅 NVIDIA Sync 文档。
详细了解 DGX Spark
这三种功能现已推出：
- NemoClaw 简化安装： 从 DGX Spark 上的 NemoClaw 开始 →
- NemoClaw 应用示例：设置示例 NemoClaw 智能体 →
- 将 DGX Spark 引入 NVIDIA Brev：在 NVIDIA Brev 上注册您的 DGX Spark →
开始构建
Computex 2026 上的 DGX Spark 更新减少了构建生产级本地智能体的两大障碍：创建首个智能体所需的时间以及访问运行大型模型所需的计算能力。
经过简化的 NemoClaw 安装可让开发者从开箱到运行中的 OpenClaw 智能体，并将 Qwen3.6-35B 作为默认模型和内置的安全执行环境。对于需要更多资源的团队，Sync 中的集群助手消除了专业知识障碍，无法启动具有完整 ConnectX-7 性能的多节点集群。
