OpenClaw + NemoClaw Local Bootstrap (Windows/WSL)

Dieses Repo automatisiert den lokalen Betrieb von OpenClaw/NemoClaw auf Windows + WSL2.

Der Setup-Flow übernimmt:

• Dependency-Checks (Docker, WSL, OpenShell, NemoClaw, Ollama)
• geführte Installation mit Bestätigung
• Onboarding für Cloud oder lokale Inferenz
• Verifikation des Endzustands

Architektur (kurz)

• Windows Host: Docker Desktop, Ollama, Persistenz (z. B. auf F:)
• WSL2 (Ubuntu): NemoClaw/OpenShell CLI, Onboarding und Steuerung
• OpenShell Gateway: lokale Orchestrierung, Sandbox-Lifecycle
• Sandbox (my-assistant): isolierte Laufumgebung für OpenClaw Agent
• Inference Route: Provider/Model-Routing (z. B. ollama-local + qwen2.5:0.5b)

Schnellstart

Variante A (CMD)

launch-setup.cmd

Variante B (PowerShell)

.\bootstrap\setup.ps1

Setup-Optionen

# lokaler Modus (ohne Cloud-Key)
.\bootstrap\setup.ps1 -InferenceMode local-ollama

# Cloud-Modus
.\bootstrap\setup.ps1 -InferenceMode cloud

# ohne Nachfragen
.\bootstrap\setup.ps1 -InferenceMode local-ollama -AutoApprove

# nur Abhängigkeiten, kein Onboarding
.\bootstrap\setup.ps1 -SkipOnboard

# Install-Ziellaufwerk explizit setzen (Standard ist F)
.\bootstrap\setup.ps1 -InstallDrive F

Betrieb nach erfolgreichem Onboarding

# Status (Gateway + Sandbox)
wsl -d Ubuntu bash -lc "openshell status; echo '---'; nemoclaw list"

# Detailstatus der Default-Sandbox
wsl -d Ubuntu bash -lc "nemoclaw my-assistant status"

# Mit der Sandbox verbinden
wsl -d Ubuntu bash -lc "nemoclaw my-assistant connect"

Verifikation der aktiven Engine

# Aktive Inferenz-Route im Gateway
wsl -d Ubuntu bash -lc "openshell inference get"

# Erwartung im lokalen Betrieb:
# Provider: ollama-local
# Model:    qwen2.5:0.5b (oder dein gewähltes Modell)

Speicherlayout (aktuelles Ziel: F:)

Dieses Setup ist auf minimale Last für C: ausgelegt:

• Ollama Installation: F:\Ollama
• Ollama Modelle: F:\Ollama\models
• Docker WSL Disk: F:\Docker\wsl\disk\docker_data.vhdx
• Junction auf C: bleibt kompatibel zu Docker Desktop

Modell wechseln (stärkeres Modell)

Empfohlener Ablauf:

1. Modell lokal ziehen
2. Inferenz-Route auf das Modell setzen
3. Smoke-Test ausführen

Beispiel:

# 1) Modell ziehen (kann je nach Größe dauern)
& "F:\Ollama\ollama.exe" pull qwen2.5:7b

# 2) Route umstellen
wsl -d Ubuntu bash -lc "openshell inference set --no-verify --provider ollama-local --model qwen2.5:7b"

# 3) Prüfen
wsl -d Ubuntu bash -lc "openshell inference get"

Hinweis: Größere Modelle erhöhen RAM/CPU-Last deutlich. Bei CPU-only Betrieb zuerst mit 7b testen, dann schrittweise erhöhen.

Ollama Cloud Integration

Falls dein PC nicht genug Speicher/Rechenleistung für stärkere lokale Modelle hat:

1. API-Key einrichten

Registriere dich bei Ollama Cloud und generiere einen API-Key.

2. OpenShell Provider erstellen

wsl -d Ubuntu bash -lc "
openshell provider create --name ollama-cloud --type openai \
  --credential 'OPENAI_API_KEY=<DEIN_API_KEY>' \
  --config 'OPENAI_BASE_URL=https://ollama.com/v1'
"

Wichtig:

• Basis-URL ist https://ollama.com/v1 (NICHT api.ollama.com)
• Modellnamen verwenden Doppelpunkt: z. B. qwen3-coder:480b

3. Inferenz-Route umstellen

wsl -d Ubuntu bash -lc "
openshell inference set --no-verify --provider ollama-cloud --model qwen3-coder:480b
"

4. Verfügbare Cloud-Modelle

Listing (mit gültigem API-Key):

curl -s https://ollama.com/v1/models \
  -H "Authorization: Bearer <DEIN_API_KEY>" | python3 -m json.tool

Beliebte Modelle:

• qwen3-coder:480b — StarCode für Code-Aufgaben (schnell, ~500 Milliarden Parameter)
• qwen3.5:397b — Allzweck-Modell (stark)
• mistral-large-3:675b — Sehr großes Modell
• gemini-3-flash-preview — Google Gemini kompatibel

5. Test

# direkt zum Ollama Cloud API
curl https://ollama.com/v1/chat/completions \
  -H "Authorization: Bearer <DEIN_API_KEY>" \
  -H "Content-Type: application/json" \
  -d '{"model":"qwen3-coder:480b","messages":[{"role":"user","content":"2+2"}],"max_tokens":20}'

Erwartung: "2 + 2 = 4" (oder ähnliche Antwort), keine unauthorized Fehler.

---

Troubleshooting

Die Session mit Fehlern/Lösungen ist in docs/SESSION_TROUBLESHOOTING.md dokumentiert.

Häufige Ursachen:

• Port 8080 belegt → alten Gateway/Sandbox-Prozess bereinigen
• Onboarding stoppt bei NIM-Key → für lokalen Betrieb ollama-local nutzen
• WSL kann Ollama nicht erreichen → Ollama auf Host prüfen und Route validieren
• Cloud-API antwortet 301 Redirect → Basis-URL prüfen (sollte https://ollama.com/v1 sein)
• Cloud-API antwortet "model not found" → Modellnamen mit Doppelpunkt prüfen (z. B. qwen3-coder:480b)

Sicherheit / Hinweise

• Ollama Cloud API-Key: In openshell provider Konten gespeichert. Nicht in Versionskontrolle committen.
• Local-Ollama ist ohne Cloud-Key nutzbar; CPU-only ist möglich, aber langsamer.
• OpenShell Gateway (https://127.0.0.1:8080) ist mTLS-geschützt und keine normale Browser-UI.

---

Zusammenfassung der aktuellen Konfiguration

Nach erfolgreichem Onboarding sollte folgendes laufen:

Komponente	Status	Details
Windows Ollama	läuft	Host: http://127.0.0.1:11434
Docker Desktop	läuft	v29.2.1 (WSL VHDX auf F:\Docker)
OpenShell Gateway	läuft	https://127.0.0.1:8080, mTLS
Sandbox my-assistant	ready	Model: qwen3-coder:480b, Provider: ollama-cloud
NemoClaw CLI	funktioniert	WSL: /home/levan/nemoclaw

Inferenz läuft über Ollama Cloud, komplexe Aufgaben sind jetzt möglich ohne lokal Speicher zu überlasten!