NemoClaw
NemoClaw 是 NVIDIA 推出的一款开源参考栈，旨在简化 OpenClaw 常驻助手的运行流程。它通过集成 NVIDIA OpenShell 运行时，为自主智能体提供了额外的安全保障，有效解决了在本地环境中运行 AI 代理时面临的安全隐患问题。NemoClaw 不仅包含必要的运行时组件，还预置了 NVIDIA Nemotron 等开源模型，让用户能更快上手构建自己的智能体应用。
NemoClaw 特别适合开发者、AI 研究人员以及对智能体技术感兴趣的技术爱好者。它提供了一个沙盒化的执行环境，结合 Docker 或 Kubernetes 进行容器管理，确保了隔离性和稳定性。需要注意的是，NemoClaw 目前处于 Alpha 预览阶段，界面和 API 可能会随设计迭代而变化，尚未达到生产就绪状态。因此，它更适合作为早期实验和反馈收集的平台，帮助用户在安全的环境中探索 AI 智能体的潜力。
使用场景
某金融科技公司的高级工程师正在开发一个 7x24 小时运行的自动化交易验证助手，该助手需实时访问敏感的财务 API 并执行决策。
没有 NemoClaw 时
- 在宿主机直接运行 Agent 导致进程权限过大，一旦模型被对抗攻击可能窃取核心财务数据。
- 手动搭建 Docker 沙箱环境极其繁琐，常因内存不足触发 OOM Killer 导致服务意外中断。
- 缺乏统一的推理管理框架，不同版本的 Nemotron 模型配置冲突严重，维护成本极高。
- 网络策略难以精细控制，Agent 可能意外连接外部恶意服务器进行隐蔽的数据外传。
使用 NemoClaw 后
- NemoClaw 通过 OpenShell 运行时提供强制隔离的沙箱，确保 Agent 无法越权访问宿主文件系统。
- 预置优化后的容器镜像自动管理资源，有效规避低配机器上的内存溢出问题并提升稳定性。
- 集成官方推荐的 Nemotron 模型栈，实现开箱即用的安全推理能力无需重复配置依赖库。
- 内置安全策略网关限制网络出站流量，从底层阻断潜在的数据泄露路径并增强审计能力。
NemoClaw 通过标准化的安全沙箱方案，让开发者能安心部署高权限的自主智能体应用。
运行环境要求
- Linux
- macOS
- Windows
未说明
最低 8 GB，推荐 16 GB
快速开始
NVIDIA NemoClaw: 在 OpenShell 中运行 OpenClaw 的参考栈
NVIDIA NemoClaw 是一个开源参考栈，旨在更安全地简化运行 OpenClaw 常驻助手的过程。 它安装了 NVIDIA OpenShell 运行时（属于 NVIDIA Agent Toolkit 的一部分），为运行自主代理提供额外的安全性。 它还包含开源模型，例如 NVIDIA Nemotron。
Alpha 软件
NemoClaw 于 2026 年 3 月 16 日起提供早期预览。 该软件尚未准备好用于生产环境。 随着设计迭代，接口、API 和行为可能会在不另行通知的情况下发生变化。 该项目分享出来是为了收集反馈并支持早期实验。 在项目演进过程中，我们欢迎社区提出问题和讨论。
快速开始
按照以下步骤开始使用 NemoClaw 并设置您的第一个沙箱化 OpenClaw 代理。
ℹ️ 注意
NemoClaw 在接入期间会在沙箱内创建一个全新的 OpenClaw 实例。
前置条件
开始前请检查前置条件，确保您拥有运行 NemoClaw 所需的软件和硬件。
硬件
| 资源 | 最低要求 | 推荐配置 |
|---|---|---|
| CPU | 4 vCPU | 4+ vCPU |
| RAM | 8 GB | 16 GB |
| Disk | 20 GB free | 40 GB free |
沙箱镜像压缩后约为 2.4 GB。在推送镜像期间，Docker 守护进程、k3s 和 OpenShell 网关会与导出管道一起运行，后者将解压后的层缓冲在内存中。在内存小于 8 GB 的机器上，这种组合使用可能会触发 OOM killer（内存溢出杀手）。如果您无法增加内存，配置至少 8 GB 的交换空间可以绕过该问题，但代价是性能变慢。
软件
| 依赖项 | 版本 |
|---|---|
| Linux | Ubuntu 22.04 LTS 或更高版本 |
| Node.js | 22.16 或更高版本 |
| npm | 10 或更高版本 |
| 容器运行时 | 已安装并运行的受支持运行时 |
| OpenShell | 已安装 |
容器运行时支持
| 平台 | 支持的运行时 | 备注 |
|---|---|---|
| Linux | Docker | 今日主要支持路径 |
| macOS (Apple Silicon) | Colima, Docker Desktop | 受支持 macOS 设置的推荐运行时 |
| macOS | Podman | 尚不支持。NemoClaw 目前依赖于 macOS 上 OpenShell 对 Podman 的支持。 |
| Windows WSL | Docker Desktop (WSL 后端) | 受支持的目标路径 |
macOS 首次运行清单
在崭新的 macOS 机器上，请按以下顺序安装前置条件：
安装 Xcode Command Line Tools：
xcode-select --install安装并启动受支持的容器运行时：
- Docker Desktop
- Colima
运行 NemoClaw 安装程序。
这可以避免 macOS 上最常见的两个首次运行失败：
- 缺少安装程序和 Node.js 工具链所需的开发工具
- 未安装或运行受支持的容器运行时时的 Docker 连接错误
💡 提示
对于 DGX Spark，请遵循 DGX Spark 设置指南。它在运行标准安装程序之前涵盖了 Spark 特定的前置条件，例如 cgroup v2 和 Docker 配置。
安装 NemoClaw 并接入 OpenClaw 代理
下载并运行安装脚本。 如果尚未安装 Node.js，脚本会先安装它，然后运行引导式接入向导以创建沙箱、配置推理并应用安全策略。
curl -fsSL https://www.nvidia.com/nemoclaw.sh | bash
如果您使用 nvm 或 fnm 管理 Node.js，安装程序可能不会更新当前 Shell 的 PATH。
如果安装后找不到 nemoclaw，请运行 source ~/.bashrc（zsh 用户则为 source ~/.zshrc）或打开新终端。
安装完成后，摘要将确认运行环境：
──────────────────────────────────────────────────
Sandbox my-assistant (Landlock + seccomp + netns)
Model nvidia/nemotron-3-super-120b-a12b (NVIDIA Endpoints)
──────────────────────────────────────────────────
Run: nemoclaw my-assistant connect
Status: nemoclaw my-assistant status
Logs: nemoclaw my-assistant logs --follow
──────────────────────────────────────────────────
[INFO] === Installation complete ===
与代理聊天
连接到沙箱，然后通过 TUI（文本用户界面）或 CLI（命令行界面）与代理聊天。
连接到沙箱
运行以下命令连接到沙箱：
nemoclaw my-assistant connect
这将使您连接到沙箱 Shell sandbox@my-assistant:~$，您可以在其中运行 openclaw 命令。
OpenClaw TUI
在沙箱 Shell 中，运行以下命令打开 OpenClaw TUI，它将启动交互式聊天界面。
openclaw tui
向代理发送测试消息并验证是否收到响应。
ℹ️ 注意
TUI 最适合交互式来回对话。如果您需要长响应（如大型代码生成输出）的完整文本，请使用 CLI。
OpenClaw CLI
在沙箱 Shell 中，运行以下命令发送单条消息并打印响应：
openclaw agent --agent main --local -m "hello" --session-id test
这会将完整响应直接打印在终端中，避免依赖 TUI 视图来处理长输出。
卸载
要移除 NemoClaw 及安装过程中创建的所有资源，请在沙箱外的终端中运行：
curl -fsSL https://raw.githubusercontent.com/NVIDIA/NemoClaw/refs/heads/main/uninstall.sh | bash
该脚本会移除沙箱、NemoClaw 网关和提供者、相关的 Docker 镜像和容器、本地状态目录以及全局 nemoclaw npm 包。它不会移除共享的系统工具，如 Docker、Node.js、npm 或 Ollama。
| 标志 | 效果 |
|---|---|
--yes |
跳过确认提示。 |
--keep-openshell |
保留已安装的 openshell 二进制文件。 |
--delete-models |
同时移除 NemoClaw 拉取的 Ollama 模型。 |
例如，若要跳过确认提示：
curl -fsSL https://raw.githubusercontent.com/NVIDIA/NemoClaw/refs/heads/main/uninstall.sh | bash -s -- --yes
工作原理
NemoClaw 安装 NVIDIA OpenShell 运行时，然后创建一个沙箱化的 OpenClaw 环境，其中每个网络请求、文件访问和推理调用都由声明式策略管理。nemoclaw CLI (命令行界面) 编排整个堆栈：OpenShell 网关、沙箱、推理提供者和网络策略。
| 组件 | 角色 |
|---|---|
| 插件 | 用于启动、连接、状态和日志的 TypeScript CLI 命令。 |
| 蓝图 | 版本化的 Python 工件，用于编排沙箱创建、策略和推理设置。 |
| 沙箱 | 隔离的 OpenShell 容器，运行 OpenClaw，并实施策略控制的出站流量和文件系统。 |
| 推理 | 通过 OpenShell 网关路由的提供者模型调用，对代理透明。 |
蓝图的生命周期遵循四个阶段：解析工件、验证其摘要、规划资源，并通过 OpenShell CLI 应用。
当出现问题时，错误可能源自 NemoClaw 或其底层的 OpenShell 层。运行 nemoclaw <name> status 检查 NemoClaw 级别的健康状况，运行 openshell sandbox list 检查底层沙箱状态。
推理
来自代理的推理请求不会直接离开沙箱。OpenShell 拦截每个调用并将其路由到你配置期间选择的提供者。
支持的（非实验性）配置路径：
| 提供者 | 备注 |
|---|---|
| NVIDIA Endpoints | integrate.api.nvidia.com 上的精选托管模型。 |
| OpenAI | 精选 GPT 模型加上 Other... 用于手动输入模型。 |
| 其他 OpenAI 兼容端点 | 用于代理和兼容网关。 |
| Anthropic | 精选 Claude 模型加上 Other... 用于手动输入模型。 |
| 其他 Anthropic 兼容端点 | 用于 Claude 代理和兼容网关。 |
| Google Gemini | Google 的 OpenAI 兼容端点。 |
在配置期间，NemoClaw 会在创建沙箱之前验证所选的提供者和模型：
- OpenAI 兼容提供者：先尝试
/responses，然后尝试/chat/completions - Anthropic 兼容提供者：尝试
/v1/messages - 如果验证失败，向导会提示你在继续之前修复选择
凭据保存在主机上的 ~/.nemoclaw/credentials.json 中。沙箱只能看到路由的 inference.local 端点，看不到你的原始提供者密钥。
标准配置流程支持本地 Ollama。本地 vLLM 仍处于实验阶段，macOS 上的本地主机路由推理除了需要本地服务本身可在主机上访问外，仍依赖于 OpenShell 的主机路由支持。
主机端状态与配置
NemoClaw 将其面向操作者的状态保存在主机上，而不是沙箱内。 以下是新用户通常需要的定位的主要文件：
| 路径 | 用途 |
|---|---|
~/.nemoclaw/credentials.json |
配置期间保存的提供者凭据 |
~/.nemoclaw/sandboxes.json |
注册的沙箱元数据，包括默认沙箱选择 |
~/.openclaw/openclaw.json |
NemoClaw 在迁移流程中快照或恢复的主机 OpenClaw 配置 |
可选服务和本地访问的常见环境变量包括 TELEGRAM_BOT_TOKEN、ALLOWED_CHAT_IDS 和 CHAT_UI_URL。
对于正常的沙箱设置和重新配置，建议使用 nemoclaw onboard 而不是手动编辑这些文件。
保护层
沙箱启动时带有默认策略，控制网络出站和文件系统访问：
| 层级 | 保护内容 | 何时应用 |
|---|---|---|
| 网络 | 阻止未经授权的出站连接。 | 运行时热重载。 |
| 文件系统 | 防止在 /sandbox 和 /tmp 之外进行读写。 |
沙箱创建时锁定。 |
| 进程 | 阻止权限提升和危险系统调用。 | 沙箱创建时锁定。 |
| 推理 | 将模型 API 调用重定向到受控后端。 | 运行时热重载。 |
当代理尝试访问未列出的主机时，OpenShell 会阻止请求并在 TUI (文本用户界面) 中显示以供操作者批准。
配置沙箱策略
沙箱策略定义在声明式的 YAML 文件中，并由 OpenShell 运行时强制执行。
NemoClaw 提供了默认策略文件 nemoclaw-blueprint/policies/openclaw-sandbox.yaml，该策略拒绝所有网络出站流量，除非明确列出了端点。
操作员可以通过以下方式自定义策略：
| 方法 | 方式 | 范围 |
|---|---|---|
| 静态 | 编辑 openclaw-sandbox.yaml 并重新运行 nemoclaw onboard。 |
重启后持久化。 |
| 动态 | 在运行的沙箱上运行 openshell policy set <policy-file>。 |
仅当前会话；重启后重置。 |
NemoClaw 在 nemoclaw-blueprint/policies/presets/ 中包含了用于常见集成的预设策略文件，例如 PyPI、Docker Hub、Slack 和 Jira。可以直接应用预设，或将其作为起始模板使用。
NemoClaw 是一个开源项目——我们仍在确定哪些预设将作为默认发布。如果您有建议，请提交 issue 或参与 discussion。
当代理尝试访问策略未覆盖的端点时，OpenShell 会阻止请求，并在 TUI（文本用户界面）(openshell term) 中显示出来，以便操作员实时批准或拒绝。批准的端点仅在当前会话中持久化。
如需分步说明，请参阅 自定义网络策略。如需了解底层执行细节，请参阅 OpenShell 的 策略架构 和 沙箱策略 文档。
关键命令
主机命令（nemoclaw）
在主机上运行这些命令以设置、连接和管理沙箱。
| 命令 | 描述 |
|---|---|
nemoclaw onboard |
交互式设置向导：网关、提供者、沙箱。 |
nemoclaw <name> connect |
打开沙箱内的交互式 shell。 |
openshell term |
启动 OpenShell TUI 用于监控和审批。 |
nemoclaw start / stop / status |
管理辅助服务（Telegram 桥接、隧道）。 |
有关所有命令、标志和选项，请参阅完整的 CLI（命令行接口）参考。
了解更多
有关 NemoClaw 的更多信息，请参阅文档。
- 概述：了解 NemoClaw 的功能及其组成部分。
- 工作原理：了解插件、蓝图和沙箱生命周期。
- 架构：了解插件结构、蓝图生命周期和沙箱环境。
- 推理配置文件：了解 NemoClaw 如何配置路由推理提供者。
- 网络策略：了解出站控制和策略自定义。
- CLI 命令：了解完整的命令参考。
- 故障排除：排查常见问题及解决步骤。
- Discord：加入社区进行提问和交流。
许可证
本项目采用 Apache License 2.0 许可。
版本历史
v0.0.2v0.0.1latestv0.0.6v0.0.5v0.0.4v0.0.3常见问题
相似工具推荐
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。
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
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。
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。