Search
Close this search box.

給龍蝦穿上防彈衣 NemoClaw 如何為 OpenClaw 打造企業級安全沙盒？

NemoClaw 的基礎—— OpenClaw

OpenClaw（小龍蝦）在2026年快速崛起，在短短幾個月便以驚人的速度成長成當今最受歡迎的開源的 AI Agent 平台，黃仁勳在演講中將它形容為「AI 代理的作業系統」，但像 OpenClaw 這樣的自主 AI Agent 可以發出任意網路請求、存取主機檔案系統，並呼叫任何推理端點。但如果沒有防護措施，將帶來安全、成本和合規性風險，並且隨著 Agent 無人監測的運行，這些風險也會不斷增加。

如何讓企業確保 OpenClaw 不會存取未授權的資料，如何控制 OpenClaw 在企業定義的運作範圍內，防止在外部環境洩露企業資料成為 OpenClaw 現在最需要迫切解決的課題。

NemoClaw 是什麼？

（圖一）NemoClaw workflow。

NemoClaw 是一個開源的技術棧，NemoClaw 核心功能之一是為它的龍蝦兄弟—— OpenClaw 和 NVIDIA Nemotron 等其他開源模型提供一個安全的環境部署，這也填補 OpenClaw 底層原先所欠缺的基礎架構層，使其能取得高效運作所需的存取權限，同時落實以規範為基礎的安全性、網路與隱私防護機制。而關鍵就在於 NVIDIA 在 NemoClaw 安裝一個名為 OpenShell 的保護層，可以想像類似 Dokcer 的 Container，但採用的是基於 YAML 的方法控制你的Agent。

OpenShell 整合了基於策略隱私和安全的防護措施。執行 NemoClaw 時，它會建立 OpenShell Sandbox 環境，並在一個隔離的容器（Container）中執行 OpenClaw， OpenClaw 能夠在受監控的 Sandbox 中運作，讓使用者能夠控制 OpenClaw 的行為和資料處理。

NemoClaw 架構

NemoClaw 主要有兩個核心元件：一個與 OpenClaw CLI 整合 TypeScript 插件（plugin），以及一個用於協調 OpenShell 資源的 Python 藍圖（blueprint)。

NemoClaw Plugin

它是一個輕量級的 TypeScript 寫的 CLI 擴充模組，用於宣告模型服務的來源和 /nemoclaw 斜杠命令。它在 Sandbox 環境中與 OpenClaw Gateway 一起以 In-process 方式運作。

備註：/nemoclaw 是 OpenClaw 聊天介面提供的斜線指令，方便使用者快速執行操作。

NemoClaw blueprint

由 Python 撰寫包成一個可版本管理的單位，擁有自己的發布流程，負責如何建立 sandbox、政策捨定與推論配置設定。Plugin（TypeScript）會解析、驗證並執行該藍圖，將其作為 subprocess 運行。該藍圖驅動所有與 OpenShell 命令列介面的互動。

Blueprint 的生命週期

Blueprint lifecycle。

1.resolve：此插件定義藍圖並檢查版本 min_openshell_version 和 min_openclaw_version 約束 blueprint.yaml。

2.verify digest：比對產出物的雜湊值（Digest）是否與預期值相符。

3.plan：執行程式會決定要建立或更新哪些 OpenShell 資源，例如：gateway, providers, sandbox, inference route, policy。

4.apply：透過呼叫 CLI 命令來執行 plan。

5.status：回報目前 running 的當前狀態。

推理路由（Inference Routing）

來自 Agent 發出的 Inference request 永遠不會直接離開沙箱。OpenShell 會攔截這些請求並將其路由到以設定的 Inference Provider 來決定可用的 LLM model，並且在運行時可以切換模型不需重新啟動 Sandbox。

  • Inference request 不會從 sandbox 直接對外送出
  • Openshell 會攔截並透過 gateway 路由
  • 透過 Inference provider 決定
  • 可用 LLM model 支援 NVIDIA Cloud、Ollama、vLLM

NemoClaw 內建了一個定義 blueprint.yaml 檔案中的 Inference profile，這個設定檔配置了OpenShell inference provider 和 model route。

推理配置的詳細文件，請參閱：https://docs.nvidia.com/nemoclaw/latest/reference/inference-profiles.html

Inference Routing。
blueprint.yaml。

NemoClaw Network Policies

NemoClaw 採用 deny-by-default network policy (預設拒絕的網路策略)。Sandbox只能存取明確允許的端點。任何對未列出目標的請求都會被 OpenShell 攔截，使用者會透過 TUI 即時收到批准或拒絕的提示。

  • Deny-by-default network policy：未在 YAML 白名單的主機一律封鎖
  • openclaw-sandbox.yaml：定義允許的端點、binary 與規則
  • openshell term 即時顯示攔截請求，操作員可 approve/deny
  • Policy 可在 sandbox 執行中動態更新，不需重啟

網路策略的詳細文件，請參閱：https://docs.nvidia.com/nemoclaw/latest/reference/network-policies.html

Policyt.yaml。

NemoClaw Landlock

NemoClaw 的 Baseline Policy 會限制 Sandbox 內可存取的路徑範圍，根據官方文件/sandbox、/tmp 等路徑為 Read/Write 權限，/usr、/lib 等級系統路徑則為 Read/Only。

NemoClaw 透過檔案系統 Policy搭配 Landlock，控制 Agent 的可寫範圍限制在少數受控的目錄內。

  • /sandbox、/tmp、/dev/null ：可讀可寫
  • /usr、/lib、proc、/dev/urandom、/app、/etc、/var/log：唯讀
  • YAML policy 搭配 Landlock：限制 agent 可寫範圍
  • 所有運行都在 Sandbox 中隔離

沙盒環境

Sandbox 內部：

  • OpenClaw 在 NemoClaw 中運作
  • 推論請求（Inference calls）會透過 OpenShell 轉發至預先設定的 Provide
  • 網路出口受到 baseline policy 的限制 openclaw-sandbox.yaml
  • 檔案系統存取僅限於 /sandbox 讀寫 /tmp 訪問，系統路徑為唯讀

Workspace File

OpenClaw 將 Agent 的身份、行為和記憶體資訊儲存在 Sandbox 內的一組 Markdown 檔案中。這些檔案位於指定位置，/sandbox/.openclaw/workspace/ 並在每次會話開始時由代理程式讀取。

位置。

NemoClaw 核心優勢

NemoClaw 提供以下幾項主要優勢：

優勢項目功能描述
Sandbox執行環境 (Sandboxed execution)每個代理程式 (Agent) 都在受限制的 OpenShell 沙盒中運行，並結合 Landlock、seccomp 以及網路命名空間 (network namespace) 隔離技術。預設情況下不授予任何存取權限。
NVIDIA 端點推論 (NVIDIA Endpoint inference)代理程式的流量會透過 build.nvidia.com 路由至雲端託管的 Nemotron 3 Super 120B 模型，此過程對代理程式而言是完全透明的。
宣告式網路策略 (Declarative network policy)出口 (Egress) 規則以 YAML 格式定義。系統會自動阻斷未知的對外主機，並提交給操作員審核批准。
單一命令列介面 (Single CLI)透過 nemoclaw 指令即可統籌管理整個技術棧：包含 gateway、sandbox、inference provider 以及 network policy。
藍圖生命週期管理 (Blueprint lifecycle)具備版本控制的「藍圖 (Blueprints)」可用於 Sandbox 建立、摘要驗證 (digest verification) 以及確保環境的可重現性設定。

Quickstart

安裝 NemoClaw 並啟用 OpenClaw 代理程式

前提：請先安裝並設置完 openclaw

下載並執行安裝腳本。腳本會在尚未安裝 Node.js 的情況下進行安裝，然後執行引導式設定，建立 Sandbox、設定推理並套用安全性原則。如果中間失敗要執行 nemoclaw onboard 指令繼續未完成的設定。

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

NemoClaw onboard 七步驟

Step 1: Preflight Checks
Step 2: Start OpenShell Gateway
Step 3: Create Sandbox。這一步就是在建立 Sandbox，系統會詢問 Sandbox 的名稱，預設是 my-assisatant ; 接著系統會用 Docker File 建立 Docker image，一共有 33 步建置。
Step 4: Configuring inference。
Step 5: Set up inference provider。
Step 6: Set up OpenClaw inside sandbox。
Step 7: Policy presets。
完成畫面。

連接到 Sandbox

nemoclaw my-assistant connect

測試結果

可以透過TUI介面或CLI介面來測試

openclaw tui

openclaw agent –agent main –local -m “hello” –session-id test

可以看到它會顯示 OpenClaw 的版本號連接的模型是 NVIDIA 的 nemotron-3-super-120b-a12b 以及 token。
接者展示 NemoClaw Landlock 檔案系統隔離的效果，在 Sandbox 中請 OpenClaw 中列出可以存取的目錄，它只能存取前面提到的 Sandbox Workspace File。
當要求 OpenClaw 列出 Workspace 外的 File 時，它會阻擋並表示路徑不存在，也就是說 OpenClaw 是沒辦法知道Sandbox 外的資料，即使 Agent 被 Prompt Injection 它也無法存取 Sandbox 以外的資料。

參考資料

https://docs.nvidia.com/nemoclaw/latest/index.html

https://github.com/NVIDIA/OpenShell

https://github.com/NVIDIA/NemoClaw/tree/166319d75e5f29671455a503aab451109f05e0cb

https://www.nvidia.com/zh-tw/ai/nemoclaw/

(本文訊息由 CloudMile 萬里雲提供，內文與標題經 TechOrange 修訂後刊登。新聞稿 / 產品訊息提供，可寄至：[email protected]，經編輯檯審核並評估合宜性後再行刊登。圖片來源：CloudMile 萬里雲。）

更多分類文章