使用NVIDIA DGX Spark构建本地AI智能体

在当今 AI 智能体技术爆发的时代，NVIDIA 的开源项目 NemoClaw 无疑是企业用户和技术爱好者眼中的明星项目。它不仅继承了 OpenClaw 强大的通用智能体能力: 理解复杂指令、自主编写代码、操作文件以及控制浏览器。更重要的是，通过底层的 NVIDIA OpenShell 运行时，它提供了一个更安全、完全隔离的沙盒环境。

当你拥有一台像 NVIDIA DGX Spark 这样的顶级桌面 AI 超级计算机（配备 GB10 Grace Blackwell 超级芯片，拥有 1 PFLOPS 的算力和 128GB 的 LPDDR5x 统一内存）时，将 NemoClaw 与本地大型语言模型结合，是释放这台机器潜力的最佳方式。

本文将带你了解 NemoClaw 的核心优势，并提供一个极简的部署方案，让你能够轻松地在 DGX Spark 上运行一个基于本地 Qwen3.5 35B 模型的安全智能体。

为什么选择NemoClaw？

NVIDIA NemoClaw 是一个开源软件堆栈，它简化了运行 OpenClaw 实时助手的过程——只需一条命令。它安装了 NVIDIA OpenShell 运行时，来添加基于策略的隐私和安全护栏，让用户能够更多地控制其智能体的行为和数据处理：

沙盒隔离：每个 AI 智能体都在其自身隔离的 OpenShell 沙盒内运行，通过策略强制控制文件访问、网络活动和数据泄露——而且由于这些控制独立于智能体进程之外，无论是智能体本身还是任何恶意的提示词注入都无法覆盖它们。

隐私路由：拦截智能体发出的请求，自动剥离 PII（个人身份信息）和凭证等敏感数据，然后根据你组织的隐私策略将请求路由到本地或外部的 AI 模型。

安全能力演进：当智能体学习新技能或尝试安装新工具时，每一项新能力都要受到相同的安全策略控制。

为什么选择 DGX Spark + 本地大模型？

本地部署具有无与伦比的优势：

零成本无限试错：复杂的智能体任务（如代码调试、网络信息提取）通常需要消耗大量的 token。使用本地模型，你不再需要担心 API 账单，可以让智能体自由工作。

压榨硬件潜力：DGX Spark 的 128GB 统一内存和 273 GB/s 内存带宽可以轻松容纳像 Qwen3.5 35B 这样的开源模型，这些模型兼具强大的推理和编程能力，让你享受极低的推理延迟。

极简部署方案

第1步：准备环境

确保你的 DGX Spark 上已安装 Docker，并且 Ollama 服务已启动。以下过程以 Qwen 3.5 模型为例（DGX Spark 运行 35B 模型毫不费力）：

# 拉取 Qwen3.5 35B 模型
ollamapull qwen3.5:35b-a3b

第2步：运行一键部署脚本

克隆辅助脚本并运行它：

# 获取辅助部署脚本
gitclonehttps://github.com/HeKun-NVIDIA/nemoclaw-setup.git
cdnemoclaw-setup


# 授予执行权限并运行
bash nemoclaw-setup.sh

脚本执行期间的终端交互指南：

脚本将自动检测本地 Ollama 服务并列出已安装的模型。

Detectedlocalinference option: Ollama
LocalOllamaisrunningonlocalhost:11434
UselocalOllamaforinference? [Y/n]: Y
Ollama models:
1) qwen3.5:35b-a3b
2) llama3:8b
Choose model [1]:1

输入你要使用的模型编号（例如，1）并按回车键。

接下来，它将进入 NemoClaw 的官方引导流程。在第 3 步，它会询问是否创建或覆盖沙盒：

Sandbox'my-assistant'already exists. Recreate it? [y/N]: y

输入 y 确认创建。

在第 4 步选择推理方法时，你必须选择 Local Ollama：

Selectan inference provider:
1) OpenAI
2)LocalvLLM
3)LocalOllama
Choice:3

选择 3，然后输入你在第一步中选择的模型名称（例如，qwen3.5:35b-a3b）。

在第 7 步选择策略预设时，只需按回车键应用默认推荐配置（通常包括 pypi 和 npm 访问权限）。

脚本将在最后输出以下消息，表明网络路由已成功配置，桥接了沙盒与主机 Ollama 之间的通信：

Patchinggateway inference route...
 Gateway inference route updated to http://172.17.0.1:11434/v1
─────────────────────────────────────────────────
Browser access:
http://127.0.0.1:18789/
─────────────────────────────────────────────────

第 3 步：远程访问 UI

作为一个例子，假设 IP 地址是 192.168.8.117，你想通过 MacBook 上的浏览器访问 UI。然后在您的电脑上打开一个新终端并设置 SSH 端口转发：

# 将本地端口 18789 转发到 DGX Spark 的端口 18789
ssh-N -L18789:127.0.0.1:18789nvidia@192.168.8.117

保持此终端打开。然后打开你的浏览器并访问部署成功后终端提示的链接（例如）：

http://127.0.0.1:18789/#token=ed53e52784cebb810eef349d946aeeca9574c49feb3e15df6852f17473a752b9
（注意：此链接将在上述终端命令执行完毕后显示。请直接复制终端中显示的带有token的链接）。

此时，NemoClaw 极具未来感的控制台界面将显示出来。

与本地智能体聊天

在聊天界面中，你可以直接向 NemoClaw 发送指令。为了验证它正在使用指定的本地模型，你可以问它：“你好，NemoClaw，你的本地大模型是什么？”

它会回复其底层的大模型名字：

智能体回复示例：

你好 Ken！本地运行的大模型是 Qwen3.5:35b-a3b！

详情：

模型系列：Qwen3.5（Qwen 系列的最新版本）

参数量：35B（350 亿参数）

提供商：Inference（通过 API 调用的模型）

模型ID：inference/qwen3.5:35b-a3b

现在，你可以开始给它分配各种任务，例如“帮我写一个贪吃蛇网页游戏并运行它”，同时利用 DGX Spark 带来的推理速度和完全本地化、隐私安全的 AI 智能体体验。

进阶：如何一键更换模型？

得益于 DGX Spark 的 128GB 内存，你可以轻松尝试更大更强的模型。例如，最近流行的国内开源推理模型 DeepSeek-R1；DGX Spark 可以轻松运行其 70B 版本（deepseek-r1:70b）。

如果你想更换模型，无需手动编辑复杂的配置文件。你只需要在终端中指定环境变量并重新运行辅助脚本：

# 提前拉取模型（可选，但推荐）
ollamapull deepseek-r1:70b
# 一键切换并重建沙盒
NEMOCLAW_MODEL=deepseek-r1:70b NEMOCLAW_RECREATE_SANDBOX=1bash nemoclaw-setup.sh

辅助脚本会自动为你销毁旧沙盒，重建它，并配置所有网络路由。这只需几分钟，你的 NemoClaw 智能体就会带着新的 DeepSeek 大脑重新开始。

在本地智能体的世界里玩得开心！

- 附录1：OpenClaw 风险防范六大核心建议

- 内容来源：国家网络与信息安全信息通报中心

- 附录2：防范OpenClaw安全风险，工信部提出“六要六不要”

- 内容来源：工业和信息化部网络安全威胁和漏洞信息共享平台（NVDB）

|作者：Ken He NVIDIA 企业级开发者社区经理 & 高级讲师