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

Português (Portugal)

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

Português (Portugal)

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

Aparência

🤗Loja
/
Site oficial

IA agêntica — NemoClaw no Orin Nano de 8 GB ​

O seu kit pode executar o NVIDIA NemoClaw, um agente autónomo sempre ativo, instalado com um único comando. Esta página aborda o que é o NemoClaw, a instalação oficial, as competências de agente que o rodeiam, expectativas honestas para 8 GB e as decisões de segurança que exige.

O que é o NemoClaw ​

A NVIDIA descreve o NemoClaw como «uma coleção de blueprints abertos para construir agentes autónomos» — sistemas de IA sempre ativos que raciocinam, planeiam e agem em fluxos de trabalho do mundo real. Agrega harnesses de agentes (OpenClaw, Hermes, LangChain Deep Agents) com componentes do NVIDIA Agent Toolkit: modelos Nemotron, NeMo e controlos de política em tempo de execução do OpenShell.

O OpenShell é a camada de segurança: «o runtime seguro no seu interior que impõe aquilo a que o agente pode aceder: ficheiros, redes, credenciais e ferramentas.»

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

Instalação — o único comando oficial ​

No kit, execute o instalador da NVIDIA:

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

Isto instala o harness predefinido, o 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 deteta automaticamente o Jetson (Orin e Thor) e aplica primeiro a configuração de host do JetPack; no L4T 39.x, carrega o módulo br_netfilter apenas quando este falta (sem ele, o sandbox falha a resolução de DNS e a integração inicial fica presa em "Setting up OpenClaw inside sandbox"). Se selecionar o Ollama, o instalador também o instala: «O script também instala o ollama (se o ollama for selecionado), pelo que não precisa de o instalar manualmente primeiro» (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 Jetson; as suas plataformas testadas são Linux (Ubuntu 24.04) e DGX OS Spark. O suporte do Orin Nano é real na prática — o instalador deteta a placa e a NVIDIA documenta o fluxo — mas não está publicado como formalmente suportado, pelo que deve esperar arestas por limar.

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

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

Após a instalação — primeira sessão ​

Os funcionários da NVIDIA apontam para o tutorial do Jetson AI Lab (guia do fornecedor) para o fluxo do Orin:

  1. curl -fsSL https://ollama.com/install.sh | sh — ou ignore este passo; o instalador do NemoClaw também pode instalar o Ollama.
  2. Obtenha um modelo da classe 4B com chamada de ferramentas, como o Nemotron3 Nano 4B (o exemplo nemotron-3-nano:30b do guia destina-se a dispositivos maiores).
  3. curl -fsSL https://www.nvidia.com/nemoclaw.sh | bash
  4. Integração inicial: selecione o Ollama como fonte de modelo e escolha o nível de política de sandbox mais restrito que funcione.
  5. source ~/.bashrc e depois nemoclaw my-assistant connect; inicie o agente com openclaw tui.

Competências de agente ​

A NVIDIA também disponibiliza competências de agente — fluxos de trabalho empacotados no formato aberto Agent Skills que estendem assistentes de programação com IA (Claude Code, Cursor, Codex) com automatização específica do dispositivo. Estão documentados dois domínios para esta era:

  • Physical AI (robótica). O Isaac ROS inclui um catálogo de competências de agente — segundo a NVIDIA, tarefas como ativar o contentor de desenvolvimento do Isaac ROS e colocar em funcionamento 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 acrescenta uma CLI isaac-ros-activate e uma competência de acesso antecipado migrate-node-to-rosidl-buffer. Consulte Robótica.
  • Pipelines de vídeo. As notas de versão do L4T r39.2.1 listam "Agent skills for video pipelines" entre os itens das novidades.

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

Expectativas realistas para 8 GB ​

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

  • A memória utilizável é ~7.6 GB, não 8 GB. NVIDIA: «dos 8 GB de DRAM física, cerca de 7.6 GB são utilizáveis após as reservas do firmware e do kernel.»
  • 8 GB é o mínimo do NemoClaw, não uma zona de conforto. Os pré-requisitos indicam 8 GB como mínimo e 16 GB como recomendado: «Em máquinas com menos de 8 GB de RAM, esta utilização combinada pode acionar o OOM killer. Se não puder adicionar memória, configure pelo menos 8 GB de swap para contornar o problema, à custa de um desempenho mais lento.» A memória deste kit é fixa — planeie o ficheiro de swap (Eficiência de memória). O envio da imagem de sandbox de ~2.4 GB já acionou o OOM num Orin Nano de 8 GB.
  • O agente e o ambiente de trabalho ocupam 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 ambiente de trabalho gráfico liberta até ~865 MB (número da NVIDIA), e uma medição da comunidade coloca o GNOME em mais de 600 MB.
  • A falha com modelos demasiado grandes está documentada num relato da comunidade nos fóruns da NVIDIA. O Ollama numa placa de 8 GB não conseguiu carregar um modelo de 7.4 GB nem um de 16 GB: cudaMalloc failed: out of memory ... failed to allocate buffer for kv cache. O tamanho do ficheiro, por si só, não é o teste de compatibilidade — a KV cache tem de caber nos mesmos 8 GB.

O que cabe, segundo as fontes: as predefinições validadas do Ollama pela NVIDIA (qwen3.6:35b, nemotron-3-nano:30b, qwen3.5:9b) são dimensionadas para máquinas maiores; o guia do Jetson AI Lab diz para começar com um modelo da classe 4B com chamada de ferramentas — «Pode funcionar, mas conte com um desempenho mais fraco do que os modelos da classe 30B»; e o blogue de memória da NVIDIA situa o envelope otimizado de 4 bits em LLMs até ~10B e VLMs até ~4B parâmetros — um teto para uma configuração dedicada, não um orçamento que também acomode um ambiente de trabalho e um agente.

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

Nota da Juxi: para uma configuração sempre ativa viável neste kit, planeie o modo sem monitor, um modelo quantizado da classe 4B e armazenamento NVMe para o requisito de 20 GB e o ficheiro de swap. Isto corresponde ao que as fontes suportam; qualquer coisa maior não está verificada.

Notas sobre o Ollama e os agentes — confirmadas por funcionários da NVIDIA ​

Os funcionários da NVIDIA depuraram o fluxo Orin Nano + JetPack 7.2 + Ollama nos seus fóruns de desenvolvedores e voltaram a verificar o Ollama no JetPack 7.2.1 em setembro de 2026.

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

  • Falha documentada (junho de 2026). Com o NemoClaw + Ollama num 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: o Ollama tinha ignorado a descoberta da GPU (recurso à CPU) e a janela de contexto do sandbox era de apenas 4096 tokens. A correção dos funcionários escreveu 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 aumentado para 32768 em .openclaw/openclaw.json e o hash da configuração atualizado. O autor do relato confirmou que o Ollama passou então a ser executado na GPU.

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

  • Se o Ollama continuar a recorrer à CPU: atualize primeiro o Ollama. Um utilizador do fórum resolveu um recurso persistente à CPU eliminando o diretório obsoleto /usr/local/lib/ollama/cuda_v12 (remoção confirmada por funcionários). Mantenha o override.conf como último recurso — foi o que a NVIDIA utilizou com êxito neste kit exato.

Segurança para agentes sempre ativos ​

Um agente sempre ativo é um programa com credenciais e acesso a ferramentas que continua a trabalhar enquanto não está a vigiar. Num dispositivo que guarda os seus dados, isso é um risco real: um agente com acesso a ferramentas e à shell pode aqui ler, alterar ou enviar tudo o que conseguir alcançar.

Utilize a camada de políticas. A NVIDIA descreve o OpenShell como «o runtime seguro no seu interior que impõe aquilo a que o agente pode aceder: ficheiros, redes, credenciais e ferramentas». Durante a integração inicial, escolha o nível de política de sandbox mais restrito que ainda faça o trabalho (o tutorial do Jetson AI Lab aconselha o nível mais restrito).

Credenciais. Dê ao agente credenciais com âmbito limitado e revogáveis — chaves e contas dedicadas, nunca as suas pessoais. Tudo o que o agente pode ler, pode copiar; tudo o que pode utilizar, pode ser induzido a utilizar. As integrações de mensagens atuam com a sua identidade: a página do Orin Nano da NVIDIA mostra um exemplo de OpenClaw + WhatsApp, pelo que deve usar uma conta ou um número dedicados.

Exposição de rede. Mantenha os serviços locais em localhost — a configuração dos funcionários da NVIDIA para o Ollama aqui vincula-o a 127.0.0.1 (OLLAMA_HOST=127.0.0.1:11434). Não exponha painéis de agentes, APIs de controlo ou servidores de modelos à internet aberta; para acesso remoto, utilize um túnel ou VPN que controle. A instalação requer o Docker (Engine/Desktop/Colima, segundo os requisitos acima), além de um cluster de contentores em sandbox (o gateway do OpenShell executa k3s internamente) e acesso sudo.

Hábitos de operação. Comece com supervisão — observe o que o agente faz antes de o deixar sem vigilância. Não lhe dê acesso que não possa revogar ou anular, e mantenha cópias de segurança e um caminho de recuperação (consulte Gravação e atualizações). O NemoClaw é software alfa ("Early preview"); encare o sandbox como uma camada entre várias, não como a única.

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

Fontes ​

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

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