在 DGX Spark 上使用 OpenShell 保护长期运行的 AI 智能体

在 DGX Spark 上的 NVIDIA OpenShell 沙箱中使用本地模型运行 OpenClaw

概述

基本思路

OpenClaw 是一个本地优先的 AI 智能体，可以在您的计算机上运行，将内存、文件访问、工具使用和社区技能结合到一个持久的助手中。直接在您的系统上运行它意味着智能体可以访问您的文件、凭据和网络，从而产生真正的安全风险。

NVIDIA OpenShell 解决了这个问题。它是一个开源沙箱运行时，使用声明性 YAML 策略将智能体包装在内核级隔离中。 OpenShell 控制智能体可以在磁盘上读取的内容、可以访问哪些网络端点以及它拥有哪些权限，而无需禁用使智能体有用的功能。

通过将 OpenClaw 与 DGX Spark 上的 OpenShell 相结合，您可以获得由大型模型的 128GB 统一内存支持的本地 AI 智能体的全部功能，同时对文件系统访问、网络出口和凭证处理实施显式控制。

通知及免责声明

快速启动安全检查

仅使用干净的环境。在没有个人数据、机密信息或敏感凭据的新设备或虚拟机上运行此剧本。把它想象成一个沙箱——保持它的隔离。

通过安装此手册，您将对所有第三方组件负责，包括检查其许可证、条款和安全状况。安装或使用之前请阅读并接受。

你会得到什么

该手册展示了实验性的 AI 智能体能力。即使您的工具链中使用了 OpenShell 等前沿开源工具，您也需要针对特定威胁模型采取适当的安全措施。

AI 智能体的主要风险

使用 AI 智能体时请注意以下风险：

数据泄露——智能体访问的任何材料都可能被暴露、泄露或被盗。
恶意代码执行 – 智能体或其连接的工具可能会使您的系统遭受恶意代码或网络攻击。
意外操作 – 智能体可能会在未经明确批准的情况下修改或删除文件、发送消息或访问服务。
及时注入和操纵——外部输入或连接的内容可能会以意想不到的方式劫持智能体的行为。

安全最佳实践

没有一个系统是完美的，但这些做法有助于确保您的信息和系统的安全。

隔离您的环境 – 在干净的 PC 或隔离的虚拟机上运行。仅提供您希望智能体访问的特定数据。
切勿使用真实帐户 – 不要连接个人、机密或生产帐户。创建具有最小权限的专用测试帐户。
审查您的技能/插件 – 仅启用来自经过社区审查的可信来源的技能。
锁定访问 – 确保在没有正确身份验证的情况下，无法通过网络访问您的 OpenClaw UI 或消息通道。
限制网络访问 – 在可行的情况下，限制智能体的互联网连接。
自行清理 – 完成后，删除 OpenClaw 并撤销您授予的所有凭据、API 密钥和帐户访问权限。

你将完成什么

您将安装 OpenShell CLI (openshell)，在 DGX Spark 上部署网关，并使用预构建的 OpenClaw 社区沙箱在沙箱环境中启动 OpenClaw。沙箱默认强制执行文件系统、网络和进程隔离。您还将配置本地推理路由，以便 OpenClaw 使用在 Spark 上运行的模型，而无需外部 API 密钥。

开始之前需要了解什么

熟悉 Linux 终端和 SSH
对 Docker 的基本了解（OpenShell 在 Docker 内部运行 k3s 集群）
熟悉 Ollama 本地模型服务
对安全模型的认识：OpenShell通过隔离降低风险，但不能消除所有风险。查看 OpenShell documentation 和 OpenClaw security guidance。

先决条件

硬件要求：

具有 128GB 统一内存的 NVIDIA DGX Spark
大型本地模型至少需要 70GB 可用内存（例如，gpt-oss:120b，约 65GB 加上开销），或者较小模型需要 25GB+（例如 gpt-oss-20b）

软件要求：

NVIDIA DGX 操作系统（Ubuntu 24.04 基础）
Docker 桌面或 Docker 引擎正在运行：docker info
Python 3.12 或更高版本：python3 --version
uv 包管理器：uv --version（使用 curl -LsSf https://astral.sh/uv/install.sh | sh 安装）
Ollama 0.17.0 或更高版本（建议使用最新版本以支持 gpt-oss MXFP4）：ollama --version
网络访问可从 PyPI 下载 Python 包并从 Ollama 下载模型权重
已为您的 DGX Spark 安装并配置 NVIDIA Sync

时间与风险

预计时间： 20–30 分钟（加上模型下载时间，这取决于模型大小和网络速度）。

[!警告] 风险级别： 中

OpenShell 沙箱强制执行内核级隔离，与直接在主机上运行 OpenClaw 相比，显着降低了风险。
沙箱默认策略拒绝所有未明确允许的出站流量。错误配置的策略可能会阻止合法的智能体流量；使用 openshell logs 进行诊断。
在不稳定的网络上，大型模型下载可能会失败。
回滚： 使用 openshell sandbox delete <sandbox-name> 删除沙箱，使用 openshell gateway stop 停止网关，并可以选择使用 openshell gateway destroy 销毁它。 Ollama 模型可以使用 ollama rm <model> 删除。
最后更新： 2026 年 3 月 13 日

指示

步骤1.确认您的环境

在安装任何内容之前，请验证操作系统、GPU、Docker 和 Python 是否可用。

head -n 2 /etc/os-release
nvidia-smi
docker info --format '{{.ServerVersion}}'
python3 --version

确保 NVIDIA Sync 配置了自定义端口：使用“OpenClaw”作为名称，使用“18789”作为端口。

预期输出应显示 Ubuntu 24.04 (DGX OS)、检测到的 GPU、Docker 服务器版本和 Python 3.12+。

步骤2.Docker配置

首先，使用以下命令验证本地用户是否具有 Docker 权限。

docker ps

如果您收到权限被拒绝错误 (permission denied while trying to connect to the docker API at unix:///var/run/docker.sock)，请将您的用户添加到系统的 Docker 组。这将使您无需 sudo 即可运行 Docker 命令。执行此操作的命令如下：

sudo usermod -aG docker $USER
newgrp docker

请注意，您应该在将用户添加到组后重新启动 Spark，以便在所有终端会话中持久生效。

现在我们已经验证了用户的 Docker 权限，我们必须配置 Docker，以便它可以使用 NVIDIA Container Runtime。

sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

运行示例工作负载来验证设置：

docker run --rm --runtime=nvidia --gpus all ubuntu nvidia-smi

步骤 3. 安装 OpenShell CLI

创建虚拟环境并安装 openshell CLI。

cd ~
uv venv openshell-env && source openshell-env/bin/activate
uv pip install openshell 
openshell --help

如果您尚未安装 uv：

curl -LsSf https://astral.sh/uv/install.sh | sh
export PATH="$HOME/.local/bin:$PATH"

预期输出应显示 openshell 命令树，其中包含 gateway、sandbox、provider 和 inference 等子命令。

步骤 4. 在 DGX Spark 上部署 OpenShell 网关

网关是管理沙箱的控制平面。由于您直接在 Spark 上运行，因此它会在 Docker 内部进行本地部署。

openshell gateway start
openshell status

openshell status 应将网关报告为 已连接。第一次运行可能需要几分钟时间，同时 Docker 会拉取所需的映像和内部 k3s 集群引导程序。

[！笔记]
远程网关部署需要无密码 SSH 访问。在使用 --remote 标志之前，确保您的 SSH 公钥已添加到 DGX Spark 上的 ~/.ssh/authorized_keys 中。

[！提示]
如果您想从单独的工作站管理 Spark 网关，请从该工作站运行 openshell gateway start --remote <username>@<spark-ssid>.local。所有后续命令都将通过 SSH 隧道进行路由。

步骤 5. 安装 Ollama 并拉取模型

安装 Ollama（如果尚未存在）并下载用于本地推理的模型。

curl -fsSL https://ollama.com/install.sh | sh
ollama --version

DGX Spark的128GB内存可以运行大型模型：

可用 GPU 内存	推荐型号	型号尺寸	笔记
25–48 GB	nemotron-3-nano	〜24GB	延迟较低，适合交互使用
48–80 GB	gpt-oss:120b	〜65GB	质量和速度的良好平衡
128GB	nemotron-3-super:120b	〜86GB	DGX Spark 的最佳质量

验证 Ollama 是否正在运行（它在安装后作为服务自动启动）。如果没有，请手动启动：

ollama serve &

配置 Ollama 以侦听所有接口，以便 OpenShell 网关容器可以访问它：

sudo mkdir -p /etc/systemd/system/ollama.service.d
printf '[Service]\nEnvironment="OLLAMA_HOST=0.0.0.0"\n' | sudo tee /etc/systemd/system/ollama.service.d/override.conf
sudo systemctl daemon-reload
sudo systemctl restart ollama

验证 Ollama 正在运行并且在所有接口上均可访问：

curl http://0.0.0.0:11434

预期：Ollama is running。如果没有，则以 sudo systemctl start ollama 开头。

接下来，运行 Ollama 中的模型（调整模型名称以匹配您在 the Ollama model library 中的选择）。如果模型尚不存在，ollama run 命令将自动拉取模型。在此运行模型可确保您在将其与 OpenClaw 一起使用时已加载并准备就绪，从而减少以后超时的可能性。 nemotron-3-super 的示例：

ollama run nemotron-3-super:120b

输入 /bye 退出。

验证模型是否可用：

ollama list

步骤 6. 创建推理提供程序

我们将创建一个指向您本地 Ollama 服务器的 OpenShell 提供程序。这允许 OpenShell 将推理请求路由到 Spark 托管的模型。

首先，找到 DGX Spark 的 IP 地址：

hostname -I | awk '{print $1}'

然后创建提供程序，将 {Machine_IP} 替换为上述命令中的 IP 地址（例如 10.110.106.169）：

openshell provider create \
    --name local-ollama \
    --type openai \
    --credential OPENAI_API_KEY=not-needed \
    --config OPENAI_BASE_URL=http://{Machine_IP}:11434/v1

[！重要的]
不要在这里使用 localhost 或 127.0.0.1。 OpenShell 网关在 Docker 容器内运行，因此无法通过 localhost 到达主机。使用机器的实际 IP 地址。

验证提供者是否已创建：

openshell provider list

步骤 7. 配置推理路由

将 inference.local 端点（每个沙箱内都可用）指向您的 Ollama 模型。将型号名称替换为您在第 5 步中选择的名称：

openshell inference set \
    --provider local-ollama \
    --model nemotron-3-super:120b

输出应确认路由并显示经过验证的端点 URL，例如：http://10.110.106.169:11434/v1/chat/completions (openai_chat_completions)。

[！笔记]
如果您看到 failed to verify inference endpoint 或 failed to connect（例如，因为网关无法从其容器内部访问主机 IP），请添加 --no-verify 以跳过端点验证：openshell inference set --provider local-ollama --model nemotron-3-super:120b --no-verify。确保 Ollama 正在所有接口上运行并侦听（请参阅步骤 5）。

验证配置：

openshell inference get

预期输出应显示 provider: local-ollama 和 model: nemotron-3-super:120b （或您选择的任何模型）。

步骤 8. 部署 OpenShell 沙箱

使用预先构建的 OpenClaw 社区沙箱创建沙箱。这将从 OpenShell 社区目录中提取 OpenClaw Dockerfile、默认策略和启动脚本：

openshell sandbox create \
  --keep \
  --forward 18789 \
  --name dgx-demo \
  --from openclaw \
  -- openclaw-start

[！笔记]
使用 --from openclaw 时，请勿将 --policy 与本地文件路径（例如 openclaw-policy.yaml）一起传递。该策略与社区沙箱捆绑；本地文件路径可能会导致“找不到文件”。

--keep 标志使沙箱在初始进程退出后保持运行，以便您可以稍后重新连接。这是默认行为。要在初始进程退出时终止沙箱，请改用 --no-keep 标志。

CLI 将：

针对社区目录解析 openclaw
拉取并构建容器镜像
应用捆绑沙盒策略
在沙箱内启动 OpenClaw

步骤 9. 在 OpenShell Sandbox 中配置 OpenClaw

沙盒容器将启动，OpenClaw 入门向导将在您的终端中自动启动。

[！重要的]
入门向导是完全交互式的 - 它需要箭头键导航和 Enter 来选择选项。它无法从非交互式会话（例如脚本或自动化工具）完成。您必须从完全支持 TTY 的终端运行 openshell sandbox create。

如果向导在沙箱创建过程中未完成，请重新连接到沙箱以重新运行它：
openshell 沙盒连接 dgx-demo

使用箭头键和 Enter 键与安装进行交互。

如果您理解并同意，请使用键盘的箭头键选择“是”，然后按 Enter 键。
快速启动与手动：选择快速启动并按 Enter 键。
模型/身份验证提供商：选择自定义提供商，倒数第二个选项。
API 基本 URL：更新为 https://inference.local/v1
您想如何提供此 API 密钥？：暂时粘贴 API 密钥。
API密钥：请输入“ollama”。
端点兼容性：选择OpenAI-兼容并按 Enter。
型号 ID：输入您在步骤 5 中选择的型号名称（例如 nemotron-3-super:120b）。
- 这可能需要 1-2 分钟，因为 Ollama 模型在后台旋转。
端点 ID：保留默认值。
别名：输入相同的型号名称（可选）。
频道：选择暂时跳过。
搜索提供商：选择暂时跳过。
技能：暂时选择否。
启用挂钩：按空格键选择立即跳过，然后按 Enter。

完成最后阶段可能需要 1-2 分钟。然后，您应该会看到一个带有令牌的 URL，您可以使用该令牌连接到网关。

预期输出将相似，但令牌将是唯一的。

OpenClaw gateway starting in background.
  Logs: /tmp/gateway.log
  UI:   http://127.0.0.1:18789/?token=9b4c9a9c9f6905131327ce55b6d044bd53e0ec423dd6189e

现在我们已经在 OpenShell 沙箱中配置了 OpenClaw，让我们将 openshell 沙箱的名称设置为环境变量。这将使未来的命令更容易运行。请注意，沙箱的名称是在步骤 8 的 openshell sandbox create 命令中使用 --name 标志设置的。

export SANDBOX_NAME=dgx-demo

为了验证为您的沙箱启用的默认策略，请运行以下命令：

openshell sandbox get $SANDBOX_NAME

[！笔记]
步骤 8 的 --forward 18789 已经设置了从 OpenShell 网关到沙箱的端口转发。对于通常情况，您不需要需要带有 openshell ssh-proxy 的手动 ssh 命令。

要验证转发是否处于活动状态，请使用以下命令：

openshell forward list

您应该会看到您的沙箱名称（例如 dgx-demo）和端口 18789。如果缺少或 dead，则启动它：

openshell forward start --background 18789 $SANDBOX_NAME

路径 A：如果您使用 Spark 作为主设备，请右键单击 UI 部分中的 URL，然后选择“打开链接”。

路径 B：如果您使用的笔记本电脑或工作站*不在 Spark 上（例如，您仅通过 SSH 连接到 Spark）：在该计算机上安装 OpenShell CLI。

[！重要的]
SSH 必须在 gateway add 之前从该计算机工作到 Spark。 运行 ssh nvidia@<spark-ip>（或您的用户/主机）并确认您获得不带 Permission denied (publickey) 的 shell。如果失败，请将您的公钥添加到 Spark：ssh-copy-id nvidia@<spark-ip>（来自同一台计算机），或将您的 ~/.ssh/id_ed25519.pub （或 id_rsa.pub）粘贴到 Spark 上的 ~/.ssh/authorized_keys 中。 OpenShell 使用此 SSH 会话来访问远程 Docker API 并提取网关 TLS 证书。如果您使用非默认密钥，请将 --ssh-key ~/.ssh/your_key 传递到 gateway add （与步骤 4 的远程网关注释相同）。

根据 OpenShell gateway docs，使用 主机名 openshell 注册，而不是原始 Spark IP，用于 HTTPS。

[！警告]
网关 TLS 证书对 openshell、localhost 和 127.0.0.1 有效 — 不适用于您的 Spark 的 LAN IP。如果您使用 https://10.x.x.x:8080 或 ssh://user@10.x.x.x:8080，openshell status 可能会失败，并显示 证书对于名称“10.x.x.x”无效。

在您的笔记本电脑/WSL 上，将 openshell 映射到 Spark（每台机器一次）：

## Replace with your Spark’s IP. Requires sudo on Linux/WSL.
echo "<spark-ip> openshell" | sudo tee -a /etc/hosts
## Example: echo "10.110.17.10 openshell" | sudo tee -a /etc/hosts

然后添加网关（SSH目标保留真实IP或主机名；HTTPS URL使用openshell）：

openshell gateway add https://openshell:8080 --remote <user>@<spark-ip>

例子：

openshell gateway add https://openshell:8080 --remote nvidia@10.110.17.10

如果您已经使用该 IP 注册并看到证书错误，请删除该条目并重新添加：

openshell gateway destroy 
openshell gateway add https://openshell:8080 --remote nvidia@10.110.17.10

（如果销毁名称不同，请使用 openshell gateway select。）

完成任何浏览器或 CLI 提示，直到命令完成（不要过早按 Ctrl+C）。然后：

openshell status   # should show Connected, not TLS CA errors
openshell forward start --background 18789 dgx-demo

然后在 笔记本电脑 浏览器上打开（使用 #token= 以便 UI 接收网关令牌）：

http://127.0.0.1:18789/#token=<your-token>

使用 Spark 上 OpenClaw 向导输出的令牌值。路径 B 需要从笔记本电脑到 Spark 的 SSH，以便 CLI 可以到达 :8080 上的网关。

NVIDIA Sync： 右键单击 UI 中的 URL，然后选择复制链接。同步连接到 Spark，打开 OpenClaw 条目，然后将 URL 粘贴到浏览器地址栏中。

从此页面中，您现在可以在 OpenShell 提供的运行时的受保护范围内与您的 OpenClaw 智能体聊天。

步骤 10. 在沙箱内进行推理

连接到沙箱（终端）

现在 OpenClaw 已在 OpenShell 受保护的运行时中配置，您可以通过以下方式直接连接到沙箱环境：

openshell sandbox connect $SANDBOX_NAME

加载到沙箱终端后，您可以使用以下命令测试与 Ollama 模型的连接：

curl https://inference.local/v1/responses \
          -H "Content-Type: application/json" \
          -d '{
        "instructions": "You are a helpful assistant.",
        "input": "Hello!"
      }'

步骤 11. 验证沙箱隔离

打开第二个终端并检查沙箱状态和实时日志：

source ~/openshell-env/bin/activate
openshell term

终端仪表板显示：

沙盒状态 — 名称、阶段、图像、提供商和端口转发
实时日志流 — 出站连接、策略决策（allow、deny、inspect_for_inference）和推理拦截

验证 OpenClaw 智能体是否可以访问 inference.local 进行模型请求，并且未经授权的出站流量被拒绝。

[！提示]
按 f 跟踪实时输出，按 s 按源过滤，按 q 退出终端仪表板。

步骤 12. 重新连接到沙箱

如果您退出沙盒会话，请随时重新连接：

openshell sandbox connect $SANDBOX_NAME

[！笔记]
openshell sandbox connect 是交互式的——它在沙箱内打开一个终端会话。无法传递非交互式执行的命令。使用 openshell sandbox upload/download 进行文件传输，或使用 openshell sandbox ssh-config 进行脚本化 SSH（请参阅步骤 14）。

要将文件传入或传出沙箱，请使用以下命令：

openshell sandbox upload $SANDBOX_NAME ./local-file /sandbox/destination
openshell sandbox download $SANDBOX_NAME /sandbox/file ./local-destination

步骤 13. 清理

停止并删除沙箱：

openshell sandbox delete $SANDBOX_NAME

删除您在步骤 6 中创建的推理提供程序：

openshell provider delete local-ollama

停止网关（保留状态供以后使用）：

openshell gateway stop

[！警告]
以下命令将永久删除网关集群及其所有数据。

openshell gateway destroy

要同时删除 Ollama 模型：

ollama rm nemotron-3-super:120b

步骤 14. 后续步骤

添加更多提供商：使用 openshell provider create 附加 GitHub 令牌、GitLab 令牌或云 API 密钥作为提供商。创建沙箱时，使用 --provider <name>（例如 --provider my-github）传递提供程序名称，以将这些凭据安全地注入沙箱中。
尝试其他社区沙箱：为其他预构建环境运行 openshell sandbox create --from base 或 --from sdg。
连接 VS Code：使用 openshell sandbox ssh-config <sandbox-name> 并将输出附加到 ~/.ssh/config 以将 VS Code Remote-SSH 直接连接到沙箱。
监控和审计：使用 openshell logs <sandbox-name> --tail 或 openshell term 持续监控智能体活动和策略决策。

故障排除

症状	原因	使固定
`openshell gateway start` 因“连接被拒绝”或 Docker 错误而失败	Docker 未运行	使用 `sudo systemctl start docker` 启动 Docker 或启动 Docker Desktop，然后重试 `openshell gateway start`
`openshell status` 显示网关不健康	网关容器崩溃或初始化失败	运行 `openshell gateway destroy`，然后运行 `openshell gateway start` 以重新创建它。使用 `docker ps -a` 和 `docker logs <container-id>` 检查 Docker 日志以获取详细信息
`openshell sandbox create --from openclaw` 构建失败	拉取社区沙箱或 Dockerfile 构建失败的网络问题	检查互联网连接。重试该命令。如果在特定包上构建失败，请检查基础映像是否与您的 Docker 版本兼容
沙盒创建后处于 `Error` 阶段	策略验证失败或容器启动崩溃	运行 `openshell logs <sandbox-name>` 查看错误详细信息。常见原因：策略 YAML 无效、缺少提供商凭据或端口冲突
智能体无法到达沙箱内的 `inference.local`	未配置推理路由或无法访问提供程序	运行 `openshell inference get` 以验证提供程序和模型是否已设置。测试 Ollama 可从主机访问：`curl http://localhost:11434/api/tags`。确保提供程序 URL 使用 `host.docker.internal` 而不是 `localhost`
网关/沙箱访问主机Ollama时503验证失败或超时	Ollama 仅绑定到本地主机，或主机防火墙阻止端口 11434	让 Ollama 监听所有接口，以便网关容器（例如在 Docker 网络 172.17.x.x 上）可以访问它：`OLLAMA_HOST=0.0.0.0 ollama serve &`。允许端口 11434 通过主机防火墙：`sudo ufw allow 11434/tcp comment 'Ollama for OpenShell Gateway'`（然后是 `sudo ufw reload`，如果需要）。
智能体的出站连接全部被拒绝	默认策略不包括所需的端点	使用 `openshell logs <sandbox-name> --tail --source sandbox` 监视拒绝。使用 `openshell policy get <sandbox-name> --full` 拉取当前策略，在 `network_policies` 下添加所需的主机/端口，并使用 `openshell policy set <sandbox-name> --policy <file> --wait` 推送
沙箱内出现“权限被拒绝”或 Landlock 错误	智能体尝试访问不在 `read_only` 或 `read_write` 文件系统策略中的路径	拉取当前策略并将路径添加到 `read_write`（如果读取访问权限足够，则添加到 `read_only`）。推送更新的政策。注意：文件系统策略是静态的，需要重新创建沙箱
Ollama OOM 或非常慢的推理	模型对于可用内存或 GPU 争用来说太大	释放 GPU 内存（关闭其他 GPU 工作负载），尝试较小的模型（例如 `gpt-oss:20b`），或减少上下文长度。使用 `nvidia-smi` 进行监控
`openshell sandbox connect` 挂起或超时	沙箱未处于 `Ready` 阶段	运行 `openshell sandbox get <sandbox-name>` 检查相位。如果卡在 `Provisioning` 中，请等待或检查日志。如果在 `Error` 中，则删除并重新创建沙箱
策略推送返回退出代码 1（验证失败）	YAML 格式错误或策略字段无效	检查 YAML 语法。常见问题：路径不以 `/` 开头、路径中存在 `..` 遍历、`root` 为 `run_as_user`，或者端点缺少必需的 `host`/`port` 字段。修复并重新推送
`openshell gateway start` 失败，并显示“K8s 命名空间未就绪”/等待命名空间超时	Docker 容器内的 k3s 集群的引导时间比 CLI 超时允许的时间长。内部组件（TLS 密钥、Helm 图表、命名空间创建）可能需要额外的时间，尤其是在首次运行时，当图像被拉入容器内时。	首先，检查容器是否仍在运行并正在进行：`docker ps --filter name=openshell`（查找`health: starting`）。检查容器内的 k3s 状态：`docker exec <container> sh -c "KUBECONFIG=/etc/rancher/k3s/k3s.yaml kubectl get ns"` 和 `kubectl get pods -A`。如果 Pod 位于 `ContainerCreating` 中并且缺少 TLS 机密（`navigator-server-tls`、`openshell-server-tls`），则集群仍在引导 - 等待几分钟并再次运行 `openshell status`。如果它没有恢复，请使用 `openshell gateway destroy`（如果需要的话，使用 `docker rm -f <container>`）销毁并重试 `openshell gateway start`。确保 Docker 有足够的资源（内存和磁盘）供 k3s 集群使用。
即使 Docker 容器正在运行，`openshell status` 仍显示“未配置网关”	`gateway start` 命令在将网关配置保存到本地配置存储之前失败或超时	容器可能仍然正常 - 请与 `docker ps --filter name=openshell` 检查。如果容器正在运行且运行状况良好，请再次尝试 `openshell gateway start` （它应该检测到现有容器）。如果容器不健康或卡住，请依次使用 `docker rm -f <container>`、`openshell gateway destroy` 和 `openshell gateway start` 将其移除。

[！笔记]
DGX Spark 使用统一内存架构 (UMA)，可实现 GPU 和 CPU 之间的动态内存共享。
由于许多应用程序仍在更新以利用 UMA，因此即使在
DGX Spark 的内存容量。如果发生这种情况，请使用以下命令手动刷新缓冲区缓存：

sudo sh -c 'sync; echo 3 > /proc/sys/vm/drop_caches'

有关最新的已知问题，请查看 DGX Spark User Guide。

在 DGX Spark 上使用 OpenShell 保护长期运行的 AI 智能体

在 DGX Spark 上使用 OpenShell 保护长期运行的 AI 智能体

目录

概述

基本思路

通知及免责声明

快速启动安全检查

你会得到什么

AI 智能体的主要风险

安全最佳实践

你将完成什么

热门用例

开始之前需要了解什么

先决条件

时间与风险

指示

步骤1.确认您的环境

步骤2.Docker配置

步骤 3. 安装 OpenShell CLI

步骤 4. 在 DGX Spark 上部署 OpenShell 网关

步骤 5. 安装 Ollama 并拉取模型

步骤 6. 创建推理提供程序

步骤 7. 配置推理路由

步骤 8. 部署 OpenShell 沙箱

步骤 9. 在 OpenShell Sandbox 中配置 OpenClaw

步骤 10. 在沙箱内进行推理

连接到沙箱（终端）

步骤 11. 验证沙箱隔离

步骤 12. 重新连接到沙箱

步骤 13. 清理

步骤 14. 后续步骤

故障排除