🧪 Neue Tutorials in Arbeit — vom Roboterarm bis zum Sensor
Juxi Technology Wiki

Deutsch

English
简体中文
繁體中文
日本語
한국어
Français
Español
Italiano
Português (Brasil)
Português (Portugal)

Deutsch

English
简体中文
繁體中文
日本語
한국어
Français
Español
Italiano
Português (Brasil)
Português (Portugal)

Darstellung

🤗Shop
/
Offizielle Website

Agentic AI — NemoClaw auf dem 8-GB-Orin-Nano ​

Ihr Kit kann NVIDIA NemoClaw ausführen — einen Always-on-Agenten für autonome Aufgaben, installiert mit einem einzigen Befehl. Diese Seite behandelt, was NemoClaw ist, die offizielle Installation, die Agent-Skills darum herum, ehrliche Erwartungen an 8 GB und die Sicherheitsentscheidungen, die es erfordert.

Was NemoClaw ist ​

NVIDIA beschreibt NemoClaw als „eine Sammlung offener Blueprints für den Bau autonomer Agenten“ — Always-on-KI-Systeme, die über reale Workflows hinweg schlussfolgern, planen und handeln. Es bündelt Agent-Harnesses (OpenClaw, Hermes, LangChain Deep Agents) mit Komponenten des NVIDIA Agent Toolkit: Nemotron-Modelle, NeMo und die Laufzeit-Richtlinien von OpenShell.

OpenShell ist die Sicherheitsschicht: „die sichere Runtime darin, die durchsetzt, worauf der Agent zugreifen kann: Dateien, Netzwerke, Anmeldedaten und Tools.“

NemoClaw ist Alpha-Software — NVIDIA bezeichnet es als „Early preview“ (seit 2026-03-16). Produktseite: https://www.nvidia.com/en-us/ai/nemoclaw · Build-a-Claw-Hub: https://www.nvidia.com/en-us/ai/build-a-claw/

Installation — der offizielle einzelne Befehl ​

Führen Sie auf dem Kit NVIDIAs Installer aus:

bash
curl -fsSL https://www.nvidia.com/nemoclaw.sh | bash

Damit wird das Standard-Harness OpenClaw installiert. Zwei weitere sind über eine Umgebungsvariable wählbar:

bash
curl -fsSL https://www.nvidia.com/nemoclaw.sh | NEMOCLAW_AGENT=hermes bash
curl -fsSL https://www.nvidia.com/nemoclaw.sh | NEMOCLAW_AGENT=langchain-deepagents-code bash

Auf diesem Kit erkennt der Installer Jetson automatisch (Orin und Thor) und wendet zuerst die JetPack-Host-Konfiguration an; unter L4T 39.x lädt er das Modul br_netfilter nur, wenn es fehlt (ohne es scheitert die DNS-Auflösung der Sandbox und das Onboarding hängt bei „Setting up OpenClaw inside sandbox“). Wenn Sie Ollama auswählen, installiert der Installer es ebenfalls: „Das Skript installiert außerdem ollama (falls ollama ausgewählt ist), sodass Sie es nicht vorher manuell installieren müssen“ (NVIDIA-Mitarbeiter). NVIDIAs Website dokumentiert dieses Gerät: „Install OpenClaw on Your NVIDIA Jetson Orin Nano“ — „ein vollständig lokaler KI-Personal-Assistent auf dem Jetson … keine Cloud-APIs nötig.“

Wichtig — NemoClaws Plattform-Support-Matrix (v1.1, 2026-09-04) hat keine Jetson-Zeile; ihre getesteten Plattformen sind Linux (Ubuntu 24.04) und DGX OS Spark. Die Orin-Nano-Unterstützung ist in der Praxis real — der Installer erkennt das Board und NVIDIA dokumentiert den Ablauf —, aber sie ist nicht als formell unterstützt veröffentlicht, rechnen Sie also mit Ecken und Kanten.

Anforderungen, die hier zählen (von NVIDIAs NemoClaw-Voraussetzungsseite):

AnforderungMinimum / EmpfohlenAuf diesem Kit
RAM8 GB / 16 GB8 GB gesamt — an der Untergrenze
Freier Speicherplatz20 GBKein integrierter Speicher; microSD oder NVMe verwenden (Schnellstart)
Node.js / npm22.19+ / 10+Separat installieren
Container-RuntimeDocker Engine / Desktop / ColimaSocket-Fix: sudo usermod -aG docker $USER, dann newgrp docker

Nach der Installation — die erste Sitzung ​

NVIDIA-Mitarbeiter verweisen für den Orin-Ablauf auf den Jetson-AI-Lab-Walkthrough (Anbieter-Leitfaden):

  1. curl -fsSL https://ollama.com/install.sh | sh — oder überspringen; der NemoClaw-Installer kann Ollama ebenfalls installieren.
  2. Laden Sie ein Tool-Calling-Modell der 4B-Klasse, etwa Nemotron3 Nano 4B (das Beispiel nemotron-3-nano:30b des Leitfadens zielt auf größere Geräte).
  3. curl -fsSL https://www.nvidia.com/nemoclaw.sh | bash
  4. Onboarding: Wählen Sie Ollama als Modellquelle und die strengste Sandbox-Richtlinienstufe, die noch funktioniert.
  5. source ~/.bashrc, dann nemoclaw my-assistant connect; starten Sie den Agenten mit openclaw tui.

Agent-Skills ​

NVIDIA liefert außerdem Agent-Skills — paketierte Workflows im offenen Agent-Skills-Format, die KI-Coding-Assistenten (Claude Code, Cursor, Codex) um gerätespezifische Automatisierung erweitern. Zwei Domänen sind für diese Ära dokumentiert:

  • Physical AI (Robotik). Isaac ROS liefert einen Katalog von Agent-Skills — laut NVIDIA Aufgaben wie das Aktivieren des Isaac-ROS-Entwicklungscontainers und das Hochfahren des Mission-Control-Cloud-Stacks. Der Katalog liegt unter https://github.com/nvidia/skills (die Kategorie „Physical AI“), installiert mit npx (Node.js ist nicht Teil der Standard-Isaac-ROS-Umgebung). Isaac ROS 5.0 ergänzt eine isaac-ros-activate-CLI und einen Early-Access-Skill migrate-node-to-rosidl-buffer. Siehe Robotik.
  • Video-Pipelines. Die Release Notes zu L4T r39.2.1 führen „Agent skills for video pipelines“ unter den What's-New-Einträgen auf.

Eine ehrliche Lücke: Die Quellen dieser Seite dokumentieren NVIDIAs Agent-Skills für Isaac ROS (Physical AI) und für Video-Pipelines; keine davon dokumentiert einen NemoClaw-spezifischen Skill-Katalog.

Realistische Erwartungen für 8 GB ​

Ein Always-on-Agent, ein lokales Modell und der Ubuntu-Desktop passen nicht alle gleichzeitig komfortabel auf dieses Kit. Das dokumentierte Budget:

  • Nutzbarer Speicher: ~7,6 GB, nicht 8 GB. NVIDIA: „Von den 8 GB physischem DRAM sind nach Firmware- und Kernel-Reservierungen rund 7,6 GB nutzbar.“
  • 8 GB ist die Untergrenze von NemoClaw, kein Komfortbereich. Die Voraussetzungen nennen 8 GB als Minimum und 16 GB als empfohlen: „Auf Maschinen mit weniger als 8 GB RAM kann diese kombinierte Nutzung den OOM-Killer auslösen. Wenn Sie keinen Speicher hinzufügen können, konfigurieren Sie mindestens 8 GB Swap, um das Problem auf Kosten langsamerer Leistung zu umgehen.“ Der Speicher dieses Kits ist fest — planen Sie die Swap-Datei ein (Speichereffizienz). Das Hochladen des ~2,4 GB großen Sandbox-Images hat auf einem 8-GB-Orin-Nano bereits OOM ausgelöst.
  • Agent und Desktop belegen Speicher, bevor das Modell lädt. Ein Community-Leitfaden in NVIDIAs Foren beziffert die OpenClaw-Runtime auf bis zu ~1 GB; das Deaktivieren des grafischen Desktops gibt bis zu ~865 MB frei (NVIDIAs Zahl), und eine Community-Messung veranschlagt GNOME mit über 600 MB.
  • Das Scheitern an übergroßen Modellen ist in einem Community-Bericht in NVIDIAs Foren dokumentiert. Ollama scheiterte auf einem 8-GB-Board beim Laden eines 7,4 GB großen und eines 16 GB großen Modells: cudaMalloc failed: out of memory ... failed to allocate buffer for kv cache. Die Dateigröße allein ist nicht der Fit-Test — der KV-Cache muss in dieselben 8 GB passen.

Was passt, laut den Quellen: NVIDIAs validierte Ollama-Standardwerte (qwen3.6:35b, nemotron-3-nano:30b, qwen3.5:9b) sind für größere Maschinen dimensioniert; der Jetson-AI-Lab-Leitfaden rät, mit einem Tool-Calling-Modell der 4B-Klasse zu beginnen — „Es kann funktionieren, aber rechnen Sie mit schwächerer Leistung als bei den Modellen der 30B-Klasse“; und NVIDIAs Speicher-Blog setzt den optimierten 4-Bit-Rahmen bei LLMs bis ~10B und VLMs bis ~4B Parameter an — eine Obergrenze für ein dediziertes Setup, kein Budget, das auch noch Desktop und Agent trägt.

NVIDIA veröffentlicht keine Token/s-Zahlen für Ollama auf diesem Gerät; behandeln Sie externe Geschwindigkeitsangaben mit Vorsicht (siehe Lokale LLM-Inferenz).

Juxi-Hinweis: Planen Sie für ein tragbares Always-on-Setup hier den Headless-Modus, ein quantisiertes Modell der 4B-Klasse und NVMe-Speicher für die 20-GB-Anforderung und die Swap-Datei ein. Das entspricht dem, was die Quellen stützen; alles Größere ist unverifiziert.

Ollama- und Agent-Hinweise — von NVIDIA-Mitarbeitern bestätigt ​

NVIDIA-Mitarbeiter haben den Ablauf Orin Nano + JetPack 7.2 + Ollama in den Entwicklerforen debuggt und Ollama im September 2026 erneut auf JetPack 7.2.1 verifiziert.

  • Prüfen Sie zuerst die GPU. ollama ps sollte in der Spalte PROCESSOR 100% GPU anzeigen; wenn dort CPU steht, wird der Agent sehr langsam sein.

  • Dokumentierter Fehlerfall (Juni 2026). Mit NemoClaw + Ollama auf einem frisch geflashten JetPack-7.2-Orin-Nano öffnete sich openclaw tui, antwortete aber nie („Autocompaction could not recover this turn“). NVIDIA reproduzierte es: Ollama hatte die GPU-Erkennung übersprungen (CPU-Fallback), und das Kontextfenster der Sandbox umfasste nur 4096 Token. Der Fix der Mitarbeiter schrieb diese Zeilen in /etc/systemd/system/ollama.service.d/override.conf:

    ini
    Environment="OLLAMA_HOST=127.0.0.1:11434"
Environment="OLLAMA_CONTEXT_LENGTH=32768"
Environment="OLLAMA_IGPU_ENABLE=1"
Environment="GGML_BACKEND_PATH=/usr/local/lib/ollama/cuda_v13/libggml-cuda.so"
Environment="LD_LIBRARY_PATH=/usr/local/lib/ollama:/usr/local/lib/ollama/cuda_v13"

    dann sudo systemctl daemon-reload && sudo systemctl restart ollama; innerhalb der Sandbox (nemoclaw my-assistant connect) wurde contextWindow in .openclaw/openclaw.json auf 32768 erhöht und der Konfigurations-Hash aktualisiert. Der Melder bestätigte, dass Ollama danach auf der GPU lief.

  • Aktueller Stand: Dieser Workaround sollte nicht nötig sein. Mitarbeiter, Mitte 2026: „Das Problem ist im neuesten Ollama-Release behoben. Der Workaround (override.conf) ist nicht mehr erforderlich.“ Auf JetPack 7.2.1 funktioniert der Upstream-Installer und ollama ps meldet 100% GPU; die Zeile „WARNING: Unsupported JetPack version detected“ ist harmlos. Testen Sie zuerst die Standardinstallation.

  • Wenn Ollama weiterhin auf CPU zurückfällt: Aktualisieren Sie zuerst Ollama. Ein Foren-Nutzer behob einen hartnäckigen Fallback, indem er das veraltete Verzeichnis /usr/local/lib/ollama/cuda_v12 löschte (von Mitarbeitern bestätigte Entfernung). Behalten Sie override.conf als letzte Rückfalloption — NVIDIA hat damit auf genau diesem Kit erfolgreich gearbeitet.

Sicherheit für Always-on-Agenten ​

Ein Always-on-Agent ist ein Programm mit Anmeldedaten und Tool-Zugriff, das weiterarbeitet, während Sie nicht hinsehen. Auf einem Gerät, das Ihre Daten enthält, ist das ein echtes Risiko: Ein Agent mit Tool- und Shell-Zugriff kann hier alles lesen, ändern oder senden, was er erreichen kann.

Nutzen Sie die Richtlinienschicht. NVIDIA beschreibt OpenShell als „die sichere Runtime darin, die durchsetzt, worauf der Agent zugreifen kann: Dateien, Netzwerke, Anmeldedaten und Tools.“ Wählen Sie beim Onboarding die strengste Sandbox-Richtlinienstufe, die die Aufgabe noch erfüllt (der Jetson-AI-Lab-Walkthrough rät zur strengsten Stufe).

Anmeldedaten. Geben Sie dem Agenten begrenzte, widerrufbare Anmeldedaten — dedizierte Schlüssel und Konten, niemals Ihre persönlichen. Alles, was der Agent lesen kann, kann er kopieren; alles, was er nutzen kann, kann ihm untergeschoben werden. Messaging-Integrationen handeln mit Ihrer Identität: NVIDIAs Orin-Nano-Seite zeigt ein OpenClaw-+-WhatsApp-Beispiel — verwenden Sie also ein dediziertes Konto oder eine dedizierte Nummer.

Netzwerkexponierung. Halten Sie lokale Dienste auf localhost — NVIDIAs Mitarbeiter-Konfiguration für Ollama bindet es hier an 127.0.0.1 (OLLAMA_HOST=127.0.0.1:11434). Setzen Sie Agent-Dashboards, Steuerungs-APIs oder Modellserver nicht dem offenen Internet aus; nutzen Sie für den Fernzugriff einen Tunnel oder VPN, den Sie kontrollieren. Die Installation benötigt Docker (Engine/Desktop/Colima, laut den obigen Anforderungen) plus einen sandboxten Container-Cluster (das OpenShell-Gateway betreibt intern k3s) und sudo-Zugriff.

Betriebsgewohnheiten. Starten Sie unter Aufsicht — beobachten Sie, was der Agent tut, bevor Sie ihn unbeaufsichtigt lassen. Geben Sie ihm keinen Zugriff, den Sie nicht widerrufen oder rückgängig machen können, und halten Sie Backups plus einen Wiederherstellungspfad bereit (siehe Flashen & Updates). NemoClaw ist Alpha-Software („Early preview“); behandeln Sie die Sandbox als eine Schicht unter mehreren, nicht als die einzige.

Achtung — da dieser Stack lokal läuft („keine Cloud-APIs nötig“), sind die Sicherheitsgrenzen Ihr Gerät, Ihr Netzwerk und Ihre Anmeldedaten. Prüfen Sie alle drei, bevor Sie einen Agenten laufen lassen.

Quellen ​

Status: Entwurf, Überprüfung durch cheny steht aus. Basiert auf NVIDIAs offizieller Dokumentation, Beiträgen in den NVIDIA-Entwicklerforen und dem Anbieter-Leitfaden von Jetson AI Lab, zum angegebenen Datum; noch nicht auf physischer Hardware durch Juxi Technology verifiziert.

NVIDIA® und Jetson™ sind Marken der NVIDIA Corporation. Diese Seite wird von Juxi Technology veröffentlicht und ist keine Veröffentlichung von NVIDIA.