核心用法
NVIDIA NIM Skill 是 OpenClaw 框架的外部模型调用组件，允许主智能体将特定任务委派给 NVIDIA NIM 云端托管的多种大语言模型。用户通过设置 NVIDIA_API_KEY 环境变量完成鉴权，使用 CLI 命令 python3 scripts/nim_call.py <model_alias> \"<prompt>\" 或直接通过 CLAUDE.md 的 /nim 指令触发调用。
支持 5 个预设模型别名：glm5（智谱 GLM-5）、kimi（月之暗面 Kimi-k2.5）、r1（DeepSeek-R1 蒸馏版）、llama（Meta Llama 3.1 405B）、phi（微软 Phi-4）。该设计让主智能体可根据任务特性（如代码生成、长文本理解、逻辑推理）选择最优模型，避免单一模型的能力盲区。
显著优点
1. Token 成本优化：将高消耗任务（如长文档总结、复杂代码生成）卸载至外部模型，显著降低主智能体 Token 消耗。
2. 模型能力互补：聚合中美顶尖模型（GLM-5、Kimi、Llama 等），实现单一框架下的多模型协同。
3. 极低接入门槛：仅需 API Key 和单条环境变量配置，无需本地部署或复杂依赖管理。
4. NVIDIA 生态背书：依托 NVIDIA 企业级 GPU 基础设施，模型推理稳定性与并发性能有保障。
潜在局限
- 网络依赖：完全依赖 NVIDIA NIM 云端服务，离线环境不可用，存在单点故障风险。
- 数据出境风险：中文模型（GLM-5、Kimi）调用可能涉及敏感数据跨境传输，合规场景需谨慎评估。
- 模型版本锁定：别名映射由 OpenClaw 维护，用户无法自定义模型版本或切换至其他推理平台。
- 无流式响应：当前实现为同步阻塞调用，长文本生成时响应延迟较高。
适合人群
- 主智能体 Token 预算敏感的用户（如 Claude 3.5/4 高频使用者）
- 需要快速对比多模型输出的研究人员与提示工程师
- 追求"即开即用"、拒绝本地部署复杂度的轻量用户
- 已持有 NVIDIA 开发者账号的企业开发者
常规风险
1. 凭证泄露：NVIDIA_API_KEY 以纯环境变量存储，若未纳入密钥管理方案（如 .env 文件被误提交）存在泄露风险。
2. 提示词注入：外部模型可能将用户输入中的恶意指令作为系统提示执行，需在调用层增加输入过滤。
3. 供应商锁定：深度集成后迁移至其他推理平台（如 Azure OpenAI、AWS Bedrock）需重构调用层。
4. 计费失控：NVIDIA NIM 按 Token 计费，高频调用下成本可能超预期，建议配置用量监控。