【OpenClaw 實戰教學】一鍵部署 NemoClaw + Gemma 4！必裝 6 大神級 Skills，零成本打造全自動 AI 員工 🤖 (附防失憶、自我進化外掛)
三句話摘要
從零安裝 NemoCore + Gemma 4 本地 AI Agent，並透過六類 Skills 將其從聊天機器人升級為全自動數位員工。 真正讓 AI Agent 強大的不是 Model 本身，而是為它搭建完整的 Skills 生態——Context 不失憶、跨 session 有記憶、行為可預測，才是從 Chatbot 到數位員工的本質差距。 NemoCore 的安全架構是環境層而非 Agent 層。 四層保護（網路、檔案系統、進程、推理）存在於沙盒環境本身，Agent 無法自行修改，即使被入侵也不會波及主機系統。
重點整理
重點- 1
NemoCore 的安全架構是環境層而非 Agent 層。 四層保護（網路、檔案系統、進程、推理）存在於沙盒環境本身，Agent 無法自行修改，即使被入侵也不會波及主機系統。
- 2
中文用戶必須換裝 CJK 修正版 Lossless Claw。 原版以「4字元=1 Token」計算，嚴重低估中日韓字元實際消耗（每字約 1.5 Token），導致 API 爆 Token 或 Agent 產生嚴重幻覺；Win CER 開發的 Enhanced 版本專門修復此問題。
- 3
Hybrid 模式是最佳成本策略。 日常任務用本地 Gemma 4 免費處理，只有涉及 5 個以上檔案的複雜重構或深度 Debugging 才呼叫雲端模型，可削減逾九成 API 費用。
- 4
Skills 的核心價值是讓行為一致，而非增加功能。 Agent 行為漂移（Drift）的根本原因是缺少 Skills 作為 SOP，每新增一個 Skill 就等於為 Agent 劃定一條明確的行為準則。
實用技巧與重點
乾貨- 安裝相關
- NemoCore 安裝：一條 curl command pipe 到 bash，自動安裝 Node.js 並執行 onboard wizard
- 支援平台：Linux 原生、Windows 需 WSL2（GPU 偵測可能有問題）、macOS 部分支援（本地推理未完全搞定）
- 最低記憶體需求：8GB RAM，不足建議先加 swap space
- NemoCore alpha 階段，early preview 始於 2026 年 3 月 16 日
- Gemma 4 版本規格（Ollama）
- E4B 版本：約 9.6GB，支援 128K context window，文字 + 圖片輸入
- 26B MoE 版本：約 18GB，支援 256K context window（推薦大多數人首選）
- 31B Dense 版本：約 20GB，256K context，需要更強 GPU
- 拉取指令：`ollama pull gemma4`（E4B）、`ollama pull gemma4:26b`（26B）
- Gemma 4 配置注意事項
- 在 OpenCore Model Config 將 Reasoning 設為 False，避免 Tool Call 格式問題
- 24GB+ 記憶體可設 context 至 131072（128K）
- 16GB 記憶體建議設 32768，避免記憶體壓力
- Skills 清單
- Lossless Claw（Martian Engineering）：無損 Context 管理，DAG 階層摘要架構，本地 SQLite 儲存
- Lossless Claw Enhanced（Win CER fork）：修正 CJK Token 計算偏差
- Agent Brain：本地 SQLite 長期記憶，支援混合搜索
- Anti-Amnesia：針對 OpenCore Agent 遺忘問題設計的跨會話記憶
- OpenCore Superpowers：一次裝 52 個 Skills，含 Cron 排程、Create Skills、安全防護、自我恢復
- Self-Improving Agent：記錄錯誤與學習心得，維護 Learnings.md / Errors.md / FeatureRequests.md
- Composeal：接入 860+ 外部工具，含 GitHub、Slack、Gmail，免寫 Authentication Pipeline
- Google Skills：直接存取 Gmail、Calendar、Drive、Sheets、Docs（ClawHub 下載量最高之一）
- N8N Workflow Skills：連接 N8N 自動化平台，實現跨應用流程
- Agent Passport：Agentic 時代的 OAuth，敏感操作需經 Consent Gate
- Sentinel Shield：Runtime 安全監控
- Agent Access Control：分層存取控制
- 安全數據
- ClawHub 13,000+ 社群 Skills，約 80% 品質低劣，373 個已確認為惡意
- OpenCore 與 VirusTotal 合作，可在 ClawHub 查安全掃描報告
- 成本對比
- 原本活躍 Agent 每月雲端 API 費用輕鬆超過 300 美元
- 採用 Gemma 4 本地模型後，九成以上任務零費用
結論
結論“真正讓 AI Agent 強大的不是 Model 本身，而是為它搭建完整的 Skills 生態——Context 不失憶、跨 session 有記憶、行為可預測，才是從 Chatbot 到數位員工的本質差距。”
完整解析
詳細上集已交代理論背景：雲端 API 每月燒超過 300 美元、NemoCore 提供安全沙盒、Gemma 4 是免費開源的遊戲規則改變者。本集進入實戰，分安裝與 Skills 兩大部分。
安裝 NemoCore + Gemma 4
NemoCore 的安裝出乎意料地簡單——一條 curl command pipe 到 bash，系統會自動安裝 Node.js 並啟動 onboard wizard，引導你建立沙盒、設定 inference provider 和套用安全政策。安裝完成後，NemoCore 在本機建立四層保護：網路層預設封鎖所有外部連線，需手動 approve 可連線的 host；檔案系統層限制 Agent 只能寫入 sandbox 和 temp 目錄；進程層透過 landlock、seccomp 和 network namespace 防止權限提升；最關鍵的推理層讓所有 LLM API call 都經過 open shell gateway，Agent 本身不持有 API key。這個設計的精妙之處在於：安全限制存在於環境，而非 Agent 本身，Agent 無法自行繞過。
接著用 Ollama 拉取 Gemma 4，建議大多數人從 26B MoE 版本開始（約 18GB，256K context window）。OpenCore 內建 Ollama Provider Plugin，設定後即可直接使用本地 Gemma 4 推理，完全不需要 API 費用。有兩個重要配置要注意：一是在 Model Config 將 Reasoning 設為 False，避免 Gemma 4 在 Tool Call 時出現格式錯誤；二是根據記憶體大小調整 context window 設定，16GB 記憶體建議不超過 32768 tokens，24GB 以上才可開到 128K。
六類 Skills 的安裝邏輯
裝好基礎環境後，Agent 仍只是個 Chatbot。Skills 的作用是讓 Agent 有明確的行為準則，解決的不只是「會做什麼」，更是「行為是否一致可預測」的問題。
第一類是 Context 引擎（Lossless Claw）。OpenCore 預設使用 Sliding Window，對話太長就直接刪除最舊訊息，對長期專案是災難性的。Lossless Claw 改用 DAG（有向無環圖）階層式摘要結構：所有原始訊息永久存入本地 SQLite，需要時再解壓縮調回，實現真正無損的 context 管理。中文用戶必須改裝 Win CER 製作的 Enhanced 版本，因為原版以英文標準（4字元=1 Token）計算，嚴重低估中日韓字元消耗，會導致 API 爆 Token 或 Agent 產生幻覺。
第二類是長期記憶（Agent Brain + Anti-Amnesia）。Lossless Claw 管的是單次長對話的工作記憶，長期記憶解決的是跨 session 的問題——明天重開新會話，Agent 還記不記得你的偏好和專案細節。兩個 Skills 配合使用，Agent 才真正有「筆記本」。第三類是排程（OpenCore Superpowers 的 Cron 功能），讓 Agent 從被動回應變為主動執行，例如每天早上 8 點自動整理待辦、每週五下午彙整 GitHub commits。第四類是自我改進（Self-Improving Agent），在指令失敗、用戶糾正、API 出錯等時機自動觸發學習，將經驗寫入 Learnings.md 等檔案，並透過 OpenCore Superpowers 的 Create Skills 功能，讓 Agent 在對話中即時將用戶偏好編碼為永久行為——你不需要懂 Skills.md 格式，只需說「以後 Code Review 先檢查 Security」，Agent 自己寫好 Skill 並立即生效。
第五類外部整合（Composeal、Google Skills、N8N）讓 Agent 真正能「做事」，操作 Email、Calendar、GitHub 等真實工具。第六類安全防護則是不可省略的底線：ClawHub 13,000+ Skills 中已有 373 個確認為惡意，裝前必須審查原始碼、確認未有偷傳環境變數或 config 至外部伺服器，並搭配 Agent Passport 的 Consent Gate 控管所有敏感操作。
建議的安裝優先順序為：Lossless Claw Enhanced → Agent Brain/Anti-Amnesia → Self-Improving Agent → OpenCore Superpowers → 外部整合 → 安全防護。日常任務使用本地 Gemma 4，複雜的多檔案重構或深度 Debug 才呼叫雲端模型，形成 Hybrid 策略，可將 API 費用削減逾九成。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
