构建一个自主智能体需要模型、运行框架以及特定领域的工具。为了更安全地部署智能体，开发者还需要一个能够强制执行策略的运行时环境，以及用于优化和可观测性的工具，以确保执行的可靠性。
对于生产级智能体而言，挑战在于如何让这些智能体既具备能力，又能在访问真实企业系统和数据时保持安全。
本文将介绍这些组件如何协同工作，重点说明NVIDIA NemoClaw开放蓝图如何帮助开发者在自己拥有、可定制、可运行的技术栈上构建专用智能体。本文还提供了一些评判标准，帮助开发者将NemoClaw与已使用的运行框架（如OpenClaw、Hermes Agent或LangChain Deep Agents）进行整合。
智能体运行框架提供什么
一个智能体需要四个要素：
一个能够推理的模型。
一个定义智能体运作方式的运行框架。
扩展其能力的工具和技能。
一个管理智能体在生产环境中可访问内容和可执行操作的运行时环境。
NemoClaw与智能体运行框架协同工作
NemoClaw开放蓝图目前支持三种运行框架：
OpenClaw可以访问文件和应用程序、编写代码、生成子智能体，并在不同会话间保持上下文。它可以运行在用户自己的机器或服务器上，支持长时间运行的会话、记忆功能以及计划任务。
Hermes Agent由Nous Research开发，其设计理念是随着使用而不断改进。当团队纠正智能体的处理方式并重复执行工作流程时，Hermes会将这些模式记录为可持续使用的技能，供未来的工作复用。
LangChain Deep Agents为复杂的多步骤任务提供了一个可定制的运行框架。它将规划、基于文件的上下文管理、记忆以及向专用子智能体的任务委派结合在一起。
每种运行框架都为智能体提供了技能、工具、编排能力和记忆功能。
使用NemoClaw构建全栈生产级智能体
NemoClaw并非一个与现有运行框架竞争的产品，它也不是运行时环境。它是一系列蓝图的集合，可以在开发者选定的运行框架之上组装出一个开放的智能体技术栈。该技术栈将模型与运行框架的优化同运行时治理结合在一起。
每个NemoClaw蓝图都整合了四个组件：
一个经过调优的开放运行框架，例如Hermes Agent、LangChain Deep Agents或OpenClaw，这些框架均经过优化以配合NVIDIA Nemotron使用。
Nemotron开放模型。
用于优化的NVIDIA NeMo工具，包括用于观测和改进智能体执行情况的NVIDIA NeMo Relay，以及有助于提升吞吐量、降低成本和增强可靠性的路由能力。
NVIDIA OpenShell，这是一个安全运行时环境，用于管理智能体对文件、网络、凭证和工具的访问权限。
如果开发者已经在使用OpenClaw、Hermes Agent或LangChain Deep Agents进行开发，NemoClaw蓝图可以组装出周边技术栈，而无需重写智能体本身。
为什么协同优化模型与运行框架很重要
一个智能体由模型和运行框架共同构成。模型负责思考，而运行框架提供其运作所需的环境。当两者匹配时，模型能够专注于任务本身；当两者不匹配时，模型可能会反复请求上下文、提前终止，或陷入无法推进的循环中。
举例来说，LangChain通过调整提示词、工具和中间件，为Nemotron 3 Ultra调优了其Deep Agents运行框架，而无需重新训练模型。在已经具备较强基准表现的基础上，这种运行框架调优使Nemotron 3 Ultra达到了接近前沿水平的性能，而每次运行的成本相比领先的闭源模型降低了约10倍。
面向LangChain Deep Agents的NemoClaw蓝图直接打包了这些优化成果。每个使用LangChain Deep Agents搭配Nemotron 3 Ultra的开发者，都可以直接获取这些优化，而无需重复进行调优工作。经过调优的Nemotron 3 Ultra模型配置文件已通过LangChain在GitHub上发布。
两者各自的适用场景
使用OpenClaw、Hermes Agent或LangChain Deep Agents这类运行框架，来构建和试验智能体的技能、工具、记忆及编排逻辑。
使用NemoClaw蓝图，在一个开放技术栈上组装并运行专用智能体，该技术栈结合了经过调优的运行框架、模型、优化工具、遥测能力以及OpenShell运行时控制。
运行框架帮助你构建一个有能力的智能体。而NemoClaw蓝图帮助你在具备模型与框架优化、遥测能力及运行时治理的开放技术栈上运行这个智能体。
示例：基于Hermes构建的记忆驱动型首席助理
NemoClaw社区代码库中包含一个记忆驱动型首席助理的实现方案。该智能体维护着一个持久化、人类可读的模型，用于记录其所接触到的人物、项目、优先事项和工作模式，因此它不必在每次任务中都从零开始重建上下文。正如相关技术设计文档所述，它是作为NemoClaw的一个可部署Hermes配置文件构建的。
该方案展示了整个技术栈协同工作而非孤立运作的状态。OpenShell管理着智能体对文件系统、进程和网络的访问权限，并将用于托管推理和模型上下文协议（MCP）连接的凭证保存在沙箱之外。这有助于确保即使智能体的记忆或检索到的上下文引导其做出意料之外的操作，它依然受到策略的约束。NeMo Relay原生集成在Hermes会话中，它会在真实的会话边界（包括新会话开始、重置或过期）处关闭追踪片段，并导出相应的执行轨迹用于审计和进一步优化。
智能体治理的重要性
每个NemoClaw参考方案都包含OpenShell，这是一个在智能体运行框架和工具周围增加安全性与策略执行能力的运行时环境，用于管理模型可以执行的操作。OpenShell教程介绍了如何创建首个策略以防止数据外泄至GitHub。NemoClaw参考方案中还包含更为复杂的OpenShell策略，用于管理智能体与众多不同内部工具、站点和通信渠道之间的连接。
跨云端、数据中心与本地系统部署
NemoClaw智能体可以运行在云端、数据中心、NVIDIA DGX Spark，以及NVIDIA RTX个人电脑和工作站上。例如，一个用于医院的NemoClaw临床智能体和一个用于电子设计自动化的NemoClaw仿真智能体，可以运行在相同的技术栈上，同时使用完全不同的工具和技能。
NemoClaw智能体还可以与前沿智能体协同工作。Claude、Codex或Cursor等智能体可以将特定领域的子任务委派给运行在开放模型和自有基础设施上的NemoClaw专用智能体。
开始使用
为你的运行框架选择一个NemoClaw蓝图，然后根据你的工作流程定制其工具、模型和运行时策略。
参加《使用NemoClaw部署安全智能体》DLI课程——这是一门针对该技术栈的入门级课程。
按照NemoClaw快速入门指南，通过NemoClaw蓝图部署一个智能体。
浏览NemoClaw GitHub代码库，查看完整示例及更多蓝图。
了解如何借助Hermes Agent和NemoClaw部署自我进化型智能体，以实现更快速、更安全的研究。
订阅NVIDIA新闻并在LinkedIn、X、Discord和YouTube上关注NVIDIA AI，及时了解NVIDIA AI的最新动态。访问开发者页面获取入门资源。在Hugging Face上探索开放的Nemotron模型和数据集，并在build.nvidia.com上查看NVIDIA Blueprints。此外，还可通过NVIDIA论坛和Discord参与Nemotron直播、教程及开发者社区的交流。
