智能體 AI——8 GB Orin Nano 上的 NemoClaw

你的套件可以執行 NVIDIA NemoClaw——一個以單一指令安裝的常駐自主智能體。本頁涵蓋 NemoClaw 是什麼、官方安裝方式、圍繞它的智能體技能、對 8 GB 的誠實預期，以及它要求你做的安全決策。

NemoClaw 是什麼

NVIDIA 將 NemoClaw 描述為「一套用於構建自主智能體的開放藍圖集合」——能夠推理、規劃並在真實工作流程中行動的常駐 AI 系統。它捆綁了智能體框架（OpenClaw、Hermes、LangChain Deep Agents）與 NVIDIA Agent Toolkit 組件：Nemotron 模型、NeMo 與 OpenShell 執行環境策略控制。

OpenShell 是安全層：「其內部的安全執行環境，強制限定智能體可以存取什麼：檔案、網路、憑證與工具。」

NemoClaw 是 alpha 軟體——NVIDIA 標記為「Early preview」（自 2026-03-16 起）。產品頁：https://www.nvidia.com/en-us/ai/nemoclaw · Build-a-Claw 資源中心：https://www.nvidia.com/en-us/ai/build-a-claw/

安裝——官方單一指令

在套件上執行 NVIDIA 的安裝程式：

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

這會安裝預設框架 OpenClaw。另外兩種可用環境變數選擇：

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

在本套件上，安裝程式會自動偵測 Jetson（Orin 與 Thor），並先套用 JetPack 主機配置；在 L4T 39.x 上，它只在缺少時載入 br_netfilter 模組（少了它，沙箱會無法完成 DNS 解析，初始設定會卡在「Setting up OpenClaw inside sandbox」）。如果你選擇 Ollama，安裝程式也會一併安裝：「腳本也會安裝 ollama（若有選取），因此你不必事先手動安裝」（NVIDIA 員工）。NVIDIA 網站記載了這台裝置：「Install OpenClaw on Your NVIDIA Jetson Orin Nano」——「Jetson 上完全本地的 AI 個人助理……不需要任何雲端 API。」

重要： NemoClaw 的平台支援矩陣（v1.1，2026-09-04）沒有 Jetson 資料列；它測試過的平台是 Linux（Ubuntu 24.04）與 DGX OS Spark。Orin Nano 的支援在實務上是真的——安裝程式會偵測到板卡，NVIDIA 也記載了這個流程——但它並未以正式支援的形式公布，所以請預期還會有粗糙之處。

這裡要緊的需求（出自 NVIDIA 的 NemoClaw 前置條件頁）：

需求	最低／建議	在本套件上
RAM	8 GB / 16 GB	總計 8 GB——正踩在門檻上
可用磁碟	20 GB	沒有內建儲存；請用 microSD 或 NVMe（快速開始）
Node.js / npm	22.19+ / 10+	需另行安裝
容器執行環境	Docker Engine / Desktop / Colima	Socket 修正：sudo usermod -aG docker $USER，然後 newgrp docker

安裝之後——第一次工作階段

NVIDIA 員工為 Orin 流程指向 Jetson AI Lab 實作指南（原廠指南）：

1. curl -fsSL https://ollama.com/install.sh | sh——或跳過這步；NemoClaw 安裝程式也能安裝 Ollama。
2. 下載一個 4B 等級的工具呼叫模型，例如 Nemotron3 Nano 4B（指南中的 nemotron-3-nano:30b 範例是給更大裝置用的）。
3. curl -fsSL https://www.nvidia.com/nemoclaw.sh | bash
4. 初始設定：選擇 Ollama 作為模型來源，並選擇仍能運作的最嚴格沙箱政策層級。
5. source ~/.bashrc，然後 nemoclaw my-assistant connect；用 openclaw tui 啟動智能體。

智能體技能

NVIDIA 也提供智能體技能——以開放 Agent Skills 格式打包的工作流程，用裝置特定的自動化來擴充 AI 編碼助手（Claude Code、Cursor、Codex）。這個時期有文件記載的有兩個領域：

• 實體 AI（機器人）。 Isaac ROS 提供一份智能體技能目錄——據 NVIDIA 所述，任務包括啟動 Isaac ROS 開發容器、拉起 Mission Control 雲端技術棧。目錄位於 https://github.com/nvidia/skills（「Physical AI」類別），以 npx 安裝（Node.js 不是標準 Isaac ROS 環境的一部分）。Isaac ROS 5.0 新增了 isaac-ros-activate CLI 與早期存取的 migrate-node-to-rosidl-buffer 技能。見機器人。
• 視頻管線。 L4T r39.2.1 發行說明在「What's New」項目中列有「視頻管線的智能體技能」。

一個誠實的缺口：本頁的來源記載了 NVIDIA 為 Isaac ROS（實體 AI）與視頻管線提供的智能體技能；沒有任何來源記載 NemoClaw 專屬的技能目錄。

對 8 GB 的務實預期

一個常駐智能體、一個本地模型與 Ubuntu 桌面，無法同時從容地裝進本套件。有文件記載的預算：

• 可用記憶體約 7.6 GB，而不是 8 GB。 NVIDIA：「8 GB 實體 DRAM 中，扣除固件與核心預留後約有 7.6 GB 可用。」
• 8 GB 是 NemoClaw 的門檻，不是舒適區。 前置條件把 8 GB 列為最低、16 GB 為建議：「在 RAM 少於 8 GB 的機器上，這樣合計的使用量可能觸發 OOM killer。如果無法加記憶體，請配置至少 8 GB swap 來繞過問題，代價是效能變慢。」本套件的記憶體是固定的——請規劃 swap 檔案（記憶體效率）。約 2.4 GB 的沙箱映像推送，已經在 8 GB 的 Orin Nano 上觸發過 OOM。
• 智能體與桌面會在模型載入之前先佔記憶體。 NVIDIA 論壇上的一份社群指南把 OpenClaw 執行環境估為最多約 1 GB；停用圖形桌面最多可釋出約 865 MB（NVIDIA 的數字），而一份社群測量把 GNOME 計為超過 600 MB。
• 過大模型的失敗案例，有 NVIDIA 論壇上的社群回報為證。 8 GB 板卡上的 Ollama 無法載入 7.4 GB 與 16 GB 的模型：cudaMalloc failed: out of memory ... failed to allocate buffer for kv cache。單看檔案大小不是裝不裝得下的判準——KV cache 也必須放進同一塊 8 GB。

依來源所述，什麼裝得下：NVIDIA 驗證過的 Ollama 預設值（qwen3.6:35b、nemotron-3-nano:30b、qwen3.5:9b）是為更大的機器準備的；Jetson AI Lab 指南說要從 4B 等級的工具呼叫模型開始——「它可以用，但效能可預期會比 30B 等級的模型弱」；NVIDIA 的記憶體部落格則把調校後的 4 位元上限訂在 LLM 最高約 10B、VLM 最高約 4B 參數——那是專用配置的上限，不是還能同時容納桌面與智能體的預算。

NVIDIA 沒有公布 Ollama 在此裝置上的每秒 token 數字；對外部的速度宣稱請謹慎看待（見本地 LLM 推論）。

鉅犀提示： 要在這裡得到可行的常駐配置，請規劃無頭模式、4B 等級的量化模型，以及能滿足 20 GB 需求與 swap 檔案的 NVMe 儲存。這與來源所述的內容一致；任何更大的配置都未經驗證。

Ollama 與智能體注意事項——NVIDIA 員工確認

NVIDIA 員工在其開發者論壇上除錯了 Orin Nano + JetPack 7.2 + Ollama 流程，並於 2026 年 9 月在 JetPack 7.2.1 上重新驗證了 Ollama。

• 先檢查 GPU。 ollama ps 應在 PROCESSOR 欄顯示 100% GPU；如果顯示 CPU，智能體會非常慢。

• 有文件記載的失敗案例（2026 年 6 月）。 在全新刷機的 JetPack 7.2 Orin Nano 上以 NemoClaw + Ollama 執行時，openclaw tui 開得起來但從不回應（「Autocompaction could not recover this turn」）。NVIDIA 重現了問題：Ollama 跳過了 GPU 探索（退回 CPU），而沙箱的上下文視窗只有 4096 token。員工的修正把以下幾行寫入 /etc/systemd/system/ollama.service.d/override.conf：

  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"

  然後執行 sudo systemctl daemon-reload && sudo systemctl restart ollama；在沙箱內（nemoclaw my-assistant connect），把 .openclaw/openclaw.json 中的 contextWindow 提高到 32768 並重新整理配置雜湊。回報者確認 Ollama 之後就在 GPU 上執行了。

• 現況：應該不再需要這個暫時解法。 員工於 2026 年年中表示：「此問題已在最新的 ollama 版本中修正。不再需要該暫時解法（override.conf）。」在 JetPack 7.2.1 上，上游安裝程式可用，ollama ps 回報 100% GPU；「WARNING: Unsupported JetPack version detected」這行無害。請先測試原版安裝。

• 如果 Ollama 仍然退回 CPU： 先更新 Ollama。一位論壇使用者刪除過時的 /usr/local/lib/ollama/cuda_v12 目錄後，修好了持續退回 CPU 的問題（員工確認可移除）。把 override.conf 留作最後手段——NVIDIA 就是在這款套件上用這個方法成功的。

常駐智能體的安全

常駐智能體是一個帶著憑證與工具存取權、在你沒盯著時仍持續運作的程式。在存放你資料的裝置上，這是真實的風險：一個擁有工具與 shell 存取權的智能體，可以讀取、修改或送出它能觸及的任何東西。

善用政策層。 NVIDIA 描述 OpenShell 為「其內部的安全執行環境，強制限定智能體可以存取什麼：檔案、網路、憑證與工具」。在初始設定時，選擇仍能完成工作的最嚴格沙箱政策層級（Jetson AI Lab 實作指南建議選最嚴格的層級）。

憑證。 給智能體限定範圍、可撤銷的憑證——專用的金鑰與帳號，絕不要用你個人的。智能體能讀到的任何東西，它都能複製；它能使用的任何東西，都可能被誘導去使用。通訊整合是以你的身分行動：NVIDIA 的 Orin Nano 頁面展示了 OpenClaw + WhatsApp 的範例，所以請使用專用帳號或號碼。

網路曝露。 讓本地服務待在 localhost——NVIDIA 員工在此的 Ollama 配置把它綁定到 127.0.0.1（OLLAMA_HOST=127.0.0.1:11434）。不要把智能體儀表板、控制 API 或模型伺服器曝露到公開網際網路；需要遠端存取時，請使用你能控制的通道或 VPN。安裝需要 Docker（Engine/Desktop/Colima，依上方需求）加上沙箱化的容器叢集（OpenShell 閘道在內部執行 k3s）與 sudo 權限。

操作習慣。 從有人看管開始——先觀察智能體做了什麼，再讓它無人看管。不要給它你無法撤銷或復原的權限，並保留備份與復原路徑（見刷機與更新）。NemoClaw 是 alpha 軟體（「Early preview」）；請把沙箱當成多層防護中的一層，而不是唯一的一層。

注意： 因為這個技術棧在本機執行（「不需要任何雲端 API」），安全邊界就是你的裝置、你的網路與你的憑證。讓智能體持續運作之前，請把這三者都檢查一遍。

資料來源

• NVIDIA NemoClaw 產品頁（查閱於 2026-09-26）——定義、框架、安裝指令、OpenShell。
• NVIDIA Build-a-Claw 資源中心（查閱於 2026-09-26）——Orin Nano 安裝章節。
• NemoClaw——前置條件與平台支援（查閱於 2026-09-26）
• NemoClaw——故障排除（Jetson 主機配置）（查閱於 2026-09-26）
• NVIDIA 開發者論壇——JetPack 7.2 上 Orin Super 的 NemoClaw（NVIDIA 員工修正）（查閱於 2026-09-26）
• NVIDIA 開發者論壇——Jetson 上的 Ollama（員工驗證）與 JetPack 7.2 GPU 加速（查閱於 2026-09-26）
• NVIDIA 技術部落格——在 NVIDIA Jetson 上最大化記憶體效率（查閱於 2026-09-26）
• NVIDIA 開發者論壇——可在 Orin Nano Super 8GB 上執行的 AI 模型（社群指南）（查閱於 2026-09-26）
• Jetson AI Lab——NemoClaw 教學（原廠指南）（查閱於 2026-09-26）
• Isaac ROS——Getting Started與發行說明（查閱於 2026-09-26）
• Jetson Linux r39.2.1 發行說明（PDF）（查閱於 2026-09-26）——「Agent skills for video pipelines」這項 What's New 內容。

狀態：草稿，待 cheny 審核。內容以所列日期的 NVIDIA 官方文件、NVIDIA 開發者論壇貼文與 Jetson AI Lab 原廠指南為依據；尚未由鉅犀科技在實體硬體上驗證。

---

NVIDIA® 與 Jetson™ 是 NVIDIA Corporation 的商標。本頁面由鉅犀科技發布，並非 NVIDIA 官方出版物。