🧪 Novos tutoriais em andamento — do braço robótico ao sensor
Juxi Technology Wiki

Português (Brasil)

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

Português (Brasil)

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

Aparência

🤗Loja
/
Site oficial

IA agêntica — NemoClaw no Orin Nano de 8 GB ​

Seu kit pode executar o NVIDIA NemoClaw, um agente autônomo sempre ativo, instalado com um único comando. Esta página cobre o que é o NemoClaw, a instalação oficial, as habilidades de agente ao redor dele, expectativas honestas para 8 GB e as decisões de segurança que ele exige.

O que é o NemoClaw ​

A NVIDIA descreve o NemoClaw como "uma coleção de blueprints abertos para construir agentes autônomos" — sistemas de IA sempre ativos que raciocinam, planejam e agem em fluxos de trabalho do mundo real. Ele empacota harnesses de agentes (OpenClaw, Hermes, LangChain Deep Agents) com componentes do NVIDIA Agent Toolkit: modelos Nemotron, NeMo e os controles de política em tempo de execução do OpenShell.

O OpenShell é a camada de segurança: "o runtime seguro dentro dele que impõe o que o agente pode acessar: arquivos, redes, credenciais e ferramentas."

O NemoClaw é software alpha — a NVIDIA o rotula "Early preview" (desde 2026-03-16). Página do produto: https://www.nvidia.com/en-us/ai/nemoclaw · Hub Build-a-Claw: https://www.nvidia.com/en-us/ai/build-a-claw/

Instalação — o comando único oficial ​

No kit, execute o instalador da NVIDIA:

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

Isso instala o harness padrão, OpenClaw. Outros dois podem ser selecionados com uma variável de ambiente:

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

Neste kit, o instalador detecta automaticamente o Jetson (Orin e Thor) e aplica primeiro a configuração de host do JetPack; no L4T 39.x ele carrega o módulo br_netfilter somente quando ele está ausente (sem ele, o sandbox falha na resolução DNS e o onboarding trava em "Setting up OpenClaw inside sandbox"). Se você selecionar o Ollama, o instalador também o instala: "O script também instala o ollama (se o ollama for selecionado), então você não precisa instalá-lo manualmente antes" (funcionários da NVIDIA). O site da NVIDIA documenta este dispositivo: "Instale o OpenClaw no seu NVIDIA Jetson Orin Nano" — "um assistente pessoal de IA totalmente local no Jetson … sem necessidade de APIs de nuvem."

Importante — a matriz de suporte de plataformas do NemoClaw (v1.1, 2026-09-04) não tem linha do Jetson; suas plataformas testadas são Linux (Ubuntu 24.04) e DGX OS Spark. O suporte ao Orin Nano é real na prática — o instalador detecta a placa e a NVIDIA documenta o fluxo — mas não é publicado como suporte formal, então conte com imperfeições.

Requisitos que importam aqui (da página de pré-requisitos do NemoClaw da NVIDIA):

RequisitoMín. / recomendadoNeste kit
RAM8 GB / 16 GB8 GB no total — no limite mínimo
Disco livre20 GBSem armazenamento embutido; use microSD ou NVMe (Início rápido)
Node.js / npm22.19+ / 10+Instale separadamente
Runtime de contêinerDocker Engine / Desktop / ColimaCorreção de socket: sudo usermod -aG docker $USER, depois newgrp docker

Após a instalação — primeira sessão ​

Funcionários da NVIDIA indicam o walkthrough do Jetson AI Lab (guia do fabricante) para o fluxo do Orin:

  1. curl -fsSL https://ollama.com/install.sh | sh — ou pule esta etapa; o instalador do NemoClaw também pode instalar o Ollama.
  2. Baixe um modelo da classe de 4B com uso de ferramentas (tool-calling), como o Nemotron3 Nano 4B (o exemplo nemotron-3-nano:30b do guia tem como alvo dispositivos maiores).
  3. curl -fsSL https://www.nvidia.com/nemoclaw.sh | bash
  4. Faça o onboarding: selecione o Ollama como fonte de modelo e escolha o nível mais restrito de política de sandbox que funcione.
  5. source ~/.bashrc, depois nemoclaw my-assistant connect; inicie o agente com openclaw tui.

Habilidades de agente ​

A NVIDIA também distribui habilidades de agente (agent skills) — fluxos de trabalho empacotados no formato aberto Agent Skills que estendem assistentes de código de IA (Claude Code, Cursor, Codex) com automação específica do dispositivo. Dois domínios estão documentados para esta era:

  • IA física (robótica). O Isaac ROS distribui um catálogo de habilidades de agente — segundo a NVIDIA, tarefas como ativar o contêiner de desenvolvimento do Isaac ROS e subir a stack de nuvem Mission Control. O catálogo está em https://github.com/nvidia/skills (a categoria "Physical AI"), instalado com npx (o Node.js não faz parte do ambiente padrão do Isaac ROS). O Isaac ROS 5.0 adiciona uma CLI isaac-ros-activate e uma habilidade de acesso antecipado migrate-node-to-rosidl-buffer. Veja Robótica.
  • Pipelines de vídeo. As notas de versão do L4T r39.2.1 listam "Habilidades de agente para pipelines de vídeo" entre os itens do What's New.

Uma lacuna honesta: as fontes desta página documentam habilidades de agente da NVIDIA para o Isaac ROS (IA física) e para pipelines de vídeo; nenhuma documenta um catálogo de habilidades específico do NemoClaw.

Expectativas realistas para 8 GB ​

Um agente sempre ativo, um modelo local e o desktop do Ubuntu não cabem confortavelmente neste kit ao mesmo tempo. O orçamento documentado:

  • A memória utilizável é de ~7,6 GB, não 8 GB. NVIDIA: "dos 8 GB de DRAM física, cerca de 7,6 GB são utilizáveis após as reservas de firmware e kernel."
  • 8 GB é o piso do NemoClaw, não uma zona de conforto. Os pré-requisitos listam 8 GB como mínimo e 16 GB como recomendado: "Em máquinas com menos de 8 GB de RAM, esse uso combinado pode acionar o OOM killer. Se você não puder adicionar memória, configure pelo menos 8 GB de swap para contornar o problema, ao custo de desempenho mais lento." A memória deste kit é fixa — planeje o arquivo de swap (Eficiência de memória). O push da imagem de sandbox de ~2,4 GB já acionou OOM em um Orin Nano de 8 GB.
  • O agente e o desktop consomem memória antes de o modelo carregar. Um guia da comunidade nos fóruns da NVIDIA estima o runtime do OpenClaw em até ~1 GB; desativar o desktop gráfico libera até ~865 MB (número da NVIDIA), e uma medição da comunidade coloca o GNOME em mais de 600 MB.
  • A falha por modelo grande demais está documentada em um relato da comunidade nos fóruns da NVIDIA. O Ollama em uma placa de 8 GB falhou ao carregar um modelo de 7,4 GB e um de 16 GB: cudaMalloc failed: out of memory ... failed to allocate buffer for kv cache. O tamanho do arquivo sozinho não é o teste de compatibilidade — o cache KV precisa caber nos mesmos 8 GB.

O que cabe, segundo as fontes: os padrões validados do Ollama pela NVIDIA (qwen3.6:35b, nemotron-3-nano:30b, qwen3.5:9b) são dimensionados para máquinas maiores; o guia do Jetson AI Lab diz para começar com um modelo da classe de 4B com uso de ferramentas — "Pode funcionar, mas espere desempenho mais fraco que os modelos da classe de 30B"; e o blog de memória da NVIDIA coloca o envelope ajustado de 4 bits em LLMs de até ~10B e VLMs de até ~4B parâmetros — um teto para uma configuração dedicada, não um orçamento que também sustenta um desktop e um agente.

A NVIDIA não publica números de tokens por segundo para o Ollama neste dispositivo; trate com cuidado alegações externas de velocidade (veja Inferência de LLM local).

Nota da Juxi: para uma configuração sempre ativa viável aqui, planeje o modo headless, um modelo quantizado da classe de 4B e armazenamento NVMe para o requisito de 20 GB e o arquivo de swap. Isso corresponde ao que as fontes sustentam; qualquer coisa maior não é verificada.

Ollama e notas de agentes — confirmadas por funcionários da NVIDIA ​

Funcionários da NVIDIA depuraram o fluxo Orin Nano + JetPack 7.2 + Ollama nos seus fóruns de desenvolvedores, e reverificou o Ollama no JetPack 7.2.1 em setembro de 2026.

  • Verifique a GPU primeiro. O ollama ps deve mostrar 100% GPU na coluna PROCESSOR; se mostrar CPU, o agente será muito lento.

  • Falha documentada (junho de 2026). Com NemoClaw + Ollama em um Orin Nano recém-gravado com JetPack 7.2, o openclaw tui abria mas nunca respondia ("Autocompaction could not recover this turn"). A NVIDIA reproduziu: o Ollama tinha pulado a descoberta de GPU (fallback para CPU), e a janela de contexto do sandbox era de apenas 4096 tokens. A correção dos funcionários gravou estas linhas em /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"

    depois sudo systemctl daemon-reload && sudo systemctl restart ollama; dentro do sandbox (nemoclaw my-assistant connect), o contextWindow foi elevado para 32768 no .openclaw/openclaw.json e o hash da configuração foi atualizado. O relator confirmou que o Ollama então rodou na GPU.

  • Status atual: esta solução alternativa não deve ser necessária. Funcionários da NVIDIA, meados de 2026: "o problema está corrigido na versão mais recente do ollama. A solução alternativa (override.conf) não é mais necessária." No JetPack 7.2.1 o instalador do upstream funciona e o ollama ps reporta 100% GPU; a linha "WARNING: Unsupported JetPack version detected" é inofensiva. Teste primeiro a instalação padrão.

  • Se o Ollama ainda recorrer à CPU: atualize o Ollama primeiro. Um usuário do fórum resolveu um fallback persistente excluindo o diretório obsoleto /usr/local/lib/ollama/cuda_v12 (remoção confirmada pelos funcionários). Mantenha o override.conf como recurso de última instância — foi o que a NVIDIA usou com sucesso neste kit exato.

Segurança para agentes sempre ativos ​

Um agente sempre ativo é um programa com credenciais e acesso a ferramentas que continua trabalhando enquanto você não está olhando. Em um dispositivo que guarda seus dados, isso é um risco real: um agente com acesso a ferramentas e shell aqui pode ler, alterar ou enviar qualquer coisa que consiga alcançar.

Use a camada de política. A NVIDIA descreve o OpenShell como "o runtime seguro dentro dele que impõe o que o agente pode acessar: arquivos, redes, credenciais e ferramentas." Durante o onboarding, escolha o nível mais restrito de política de sandbox que ainda dê conta do trabalho (o walkthrough do Jetson AI Lab aconselha o nível mais restrito).

Credenciais. Dê ao agente credenciais com escopo limitado e revogáveis — chaves e contas dedicadas, nunca as suas pessoais. Tudo o que o agente pode ler, ele pode copiar; tudo o que ele pode usar, ele pode ser induzido a usar. Integrações de mensagens agem com a sua identidade: a página do Orin Nano da NVIDIA mostra um exemplo de OpenClaw + WhatsApp, então use uma conta ou número dedicado.

Exposição de rede. Mantenha serviços locais no localhost — a configuração dos funcionários da NVIDIA para o Ollama aqui o vincula a 127.0.0.1 (OLLAMA_HOST=127.0.0.1:11434). Não exponha dashboards de agentes, APIs de controle ou servidores de modelo à internet aberta; para acesso remoto, use um túnel ou VPN que você controla. A instalação precisa do Docker (Engine/Desktop/Colima, conforme os requisitos acima) mais um cluster de contêineres em sandbox (o gateway do OpenShell roda k3s internamente) e acesso sudo.

Hábitos de operação. Comece supervisionado — observe o que o agente faz antes de deixá-lo sem vigilância. Não lhe dê acesso que você não possa revogar ou desfazer, e mantenha backups e um caminho de recuperação (veja Gravação e atualizações). O NemoClaw é software alpha ("Early preview"); trate o sandbox como uma camada entre várias, não como a única.

Atenção — como esta stack roda localmente ("sem necessidade de APIs de nuvem"), a fronteira de segurança é o seu dispositivo, a sua rede e as suas credenciais. Revise as três antes de deixar um agente em execução.

Fontes ​

Status: rascunho, pendente de revisão por cheny. Baseado na documentação oficial da NVIDIA, em posts dos fóruns de desenvolvedores da NVIDIA e no guia do fabricante do Jetson AI Lab, nas datas indicadas; ainda não verificado em hardware físico pela Juxi Technology.

NVIDIA® e Jetson™ são marcas registradas da NVIDIA Corporation. Esta página é publicada pela Juxi Technology e não é uma publicação da NVIDIA.