在 NVIDIA DGX Spark 上使用更快的模型和多节点集群运行本地 AI Agent

自主、长时间运行的 AI 智能体的兴起带来了一类新的计算需求，即需要维持大型上下文窗口、生成并发子智能体，并在不依赖云端的情况下持续迭代的任务。安全和隐私方面的担忧也在加速向本地智能体的转变。

开发者通过在自己拥有的硬件上运行自主智能体，并由 NVIDIA NemoClaw 编排执行，可以将敏感上下文保留在设备端，保持对智能体可访问内容的直接控制，并消除按 token 计费的成本。

NVIDIA DGX Spark 旨在用于在本地构建和运行自主智能体。在 Computex 2026 上，NVIDIA 正在显著简化实现这一目标的流程，推出一条从开箱到数分钟内运行 AI 智能体的精简路径（不包括初始模型下载时间，该时间取决于网络速度）。此外，Qwen3.6 的模型性能也有所提升，并为需要扩展到单台设备之外的团队提供了引导式多节点集群设置。

本文将介绍这些更新对构建智能体式 AI 系统的开发者意味着什么，包括如何安装 NVIDIA NemoClaw、它会设置哪些内容，以及如何在 DGX Spark 上使用 OpenClaw 构建并运行你的第一个智能体。

先决条件

• 首次下载模型需要有效的互联网连接
• 熟悉终端，以便进行可选的配置步骤

从开箱到运行本地代理

让本地 AI 代理运行起来，在过去通常需要找到合适的模型、配置推理后端、安装运行时，并将它们串联起来。即使对经验丰富的开发者来说，这个过程也可能耗费大半天时间。新的简化版 NemoClaw 安装路径改变了这一点。

对于新系统，体验始于 DGX Spark 的开箱和首次设置。最新版本的 DGX Spark 系统软件，即 2026 年 6 月发布版，提供了迄今最精简的开箱体验（OOBE），让用户能够更快使用本地代理。在此版本中，初始设置期间不再默认安装无线更新，从而缩短设置时间，让用户更快进入 Ubuntu 桌面。

NemoClaw 是一个开源蓝图，将三项内容打包到一次安装中：开放模型、代理框架（如 Hermes Agent 或 OpenClaw）以及 NVIDIA OpenShell 运行时。OpenShell 是一个安全的沙盒执行环境，旨在更安全地运行自主代理。它为代理循环添加了访问控制、隐私保护和操作护栏。结合设备端推理，这为开发者的代理式工作负载提供了更强的默认安全与隐私态势。

步骤 1：安装 NemoClaw

下图 1 展示了从 OOBE 完成到 DGX Spark 上运行 NemoClaw 代理的完整路径。

完成 OOBE 后，DGX Spark 会重启并打开 build.nvidia.com/spark，其中醒目显示 NemoClaw playbook，用于引导式演练。运行这一条命令即可安装 Node.js（如有需要）、安装 OpenShell、克隆最新稳定版 NemoClaw、构建 CLI，并运行板载向导以创建沙盒。

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

安装向导会引导你完成设置：

1. 接受 NemoClaw 和 OpenClaw 许可证——输入 yes 进行确认
2. 运行快速安装——输入 Y 进行确认
3. 本地 Ollama 已设置完成，并已自动下载 Qwen3.6-35B

了解如何在您的 DGX Spark/GB10 系统上安装 NemoClaw 的更多信息：从在 DGX Spark 上使用 NemoClaw 开始 →

第 2 步：访问你的 agent

安装完成后，你就可以自定义你的 agent。

首先，使用 WebUI 进行交互：

nemoclaw <sandbox name> gateway-token --quiet

然后在浏览器中打开带有 token 的 URL：http://127.0.0.1:18789/#token=<WEBUI_TOKEN>。请严格使用 127.0.0.1——网关源检查要求使用它（而不是 localhost）。

发送一条快速测试消息——“hello”或“what can you do?”——以确认整个技术栈已启动运行。本地 Ollama 模型已被选中；NemoClaw 会在入门引导期间自动完成此配置。

步骤 3：构建你的第一个智能体

在你的沙盒运行后，NemoClaw Applications 操作手册提供了四个可直接运行的智能体，帮助你开始使用——每个都包含策略设置、入门提示词和个性化指导：

• Daily Personal News Digest——一个定时的晨间简报，会扫描你的主题并将结构化摘要发布到 Telegram
• 软件开发代理——读取本地项目目录，制定计划，编写并审查自己的代码，全程不使用除本地推理之外的任何出站网络连接
• 演示文稿和文档审阅器——在文件发出之前进行红队审查，返回一份按严重程度排序的问题清单，列出不一致之处、无来源依据的声明以及可访问性问题
• 日历协商代理——一个负责日程安排的幕僚长，将“我们什么时候可以会面？”的邮件往来转化为已确认的日历事件

步骤 4：进一步自定义

沙盒运行后，用于塑造代理行为的主要杠杆包括：

• 系统提示词——从仪表板编辑代理的指令，以塑造其响应方式以及在采取行动前应询问的内容。更具体的提示词会产生更可靠的代理。
• 工具权限——OpenShell 网络策略控制代理可以调用哪些外部目标。更窄的权限可以减少意外行为。
• 集成——如果你在引导设置期间启用了消息渠道，则已经可以在那里联系到该代理。用手机给它发送一条消息，它会使用同一个本地模型进行响应。

开发者可以通过替换不同模型、调整 OpenShell 权限，以及将智能体连接到本地工作流来进一步自定义。要使用不同模型启动一个新的沙盒，请运行 nemoclaw onboard --fresh --gpu，并在向导中选择不同的模型。请注意，--fresh 会销毁并重新创建现有沙盒；使用 --name <new-name> 可以创建一个额外的沙盒，而不影响现有沙盒。完整的 NemoClaw 安装说明和模型目录可在 NVIDIA NGC 上获取。

提示：从小范围开始。首次运行时，为智能体分配一个单一且范围明确的任务，例如基于本地文档“summarize a file”或“answer a question”。在扩展其权限之前，先确认响应和工具调用看起来正确。

在迭代过程中，有几个值得随时备查的命令：

使用 Qwen3.6-35B 的 DGX Spark 智能体

开发者可以在 vLLM 上使用 NVIDIA 的 NVFP4 量化检查点并结合 MTP 优化，体验 Qwen 3.6 35B 等顶级智能体模型最高达 2.6 倍的推理速度提升。其他改进包括：改进了 vLLM CUDA Graph 对通过 FlashInfer 实现 MTP 的支持、跨 FlashInfer MoE 内核的 BF16 自动调优，以及 TinyGEMM 和 cuBLAS BF16 路径。

扩展规模：NVIDIA Sync 中的集群助手

对于需要比单台 DGX Spark 所能提供的更多内存或吞吐量的开发者，NVIDIA Sync 中的集群助手可自动完成将两到四台 DGX Spark 连接成高带宽集群的过程。

集群在模型层面很重要：两个 DGX Spark 节点可提供 256 GB 统一内存（足以支持约 400B 参数模型），四个节点可提供 512 GB。这足以运行大型 MoE 模型、包含多个并发推理实例的多智能体流水线，或受益于分布式内存的微调任务。

设置集群需要配置 ConnectX-7 网络。每台 DGX Spark 都配有支持 200 Gbps RoCE 的 ConnectX-7 NIC，但要正确使用它们，需要配置 netplan、设置节点间 SSH 信任、验证每条链路的带宽，并了解目标拓扑的正确 IP 分配方案。集群助手通过 Sync 内部的引导式工作流程简化网络配置。

Sync 配置的内容

从已加入 Sync 的设备开始，集群助手会逐步执行：系统就绪检查（OTA 版本、sudo 访问权限）、CX-7 拓扑检测（使用在每个节点上并行运行的探针，并结合 LLDP/BPDU 证据与接口和 IP 检查）、IP 规划与冲突消除以及 netplan 应用、通过 ib_write_bw / ib_write_lat 进行带宽和延迟验证，以及使用通过 CX-7 fabric 路由的密钥进行节点间 SSH 设置。

支持的物理配置包括：双节点直连（单根 QSFP 线缆，无交换机）、三节点环形（三根 QSFP 线缆，每个节点的两个 CX-7 端口均启用），以及通过 QSFP 交换机连接的二至四个节点，其最低要求如下：

• 至少 4 个 QSFP56-DD 端口
• 可拆分为 25/50/100/200/400 G
• 建议每端口最大端口速率为 200G-400G
• 一个 1/10GbE 管理以太网端口
• 支持 RoCE v2
• 交换容量/吞吐量：最低 0.8-1.6 Tbps

有关 NVIDIA Sync 集群助手和受支持拓扑的文档，请参阅 NVIDIA Sync 文档。

了解更多关于 DGX Spark 的信息

这三项功能现已全部可用：

• NemoClaw 简化安装：从 DGX Spark 上的 NemoClaw 开始 →
• NemoClaw 应用示例：设置 NemoClaw 代理示例 →
• 将 DGX Spark 接入 NVIDIA Brev：在 NVIDIA Brev 上注册你的 DGX Spark →

开始构建

Computex 2026 上的 DGX Spark 更新减少了构建生产级本地代理的两大障碍：首个代理的启动时间，以及运行大型模型所需算力的获取。简化的 NemoClaw 安装流程让开发者从开箱即可运行一个以 Qwen3.6-35B 为默认模型、并内置安全执行环境的 OpenClaw 代理。对于需求更多的团队，Sync 中的集群助手消除了启动多节点集群的专业知识门槛，并可提供完整的 ConnectX-7 性能。

开始在 NVIDIA DGX Spark 上构建 →