Google Android 团队最近发布了面向 AI Agent 的全新命令行工具套件，将 SDK 管理、项目创建、设备调试等核心开发能力封装成 CLI 命令，让 AI Agent 能以更低的 token 消耗完成 Android 应用开发。

这件事释放了一个清晰的信号：端侧 Agent 正在从概念走向工程落地。

而在 Mac 上，明略科技的开源项目 Mano-P 已经在做同样的事——让 AI Agent 在用户自己的设备上运行，完成真实的 GUI 操作任务。

1. Mano-P 是什么

Mano-P 是明略科技开源的端侧 GUI Agent，面向 Mac ，基于 VLA（Vision-Language-Action）架构设计。

「Mano」取自西班牙语中「手」的意思，「P」代表 Person 和 Party——每个人和组织都能拥有自己的个性化 AI，在本地设备上完成复杂的操作任务。

Mano-P 的工作方式是纯视觉驱动：通过视觉模型理解屏幕内容，规划操作步骤，然后通过系统原生输入完成鼠标点击、键盘输入等交互。整个过程不依赖系统 API 或命令行接口，可以操作 Mac 上任何有图形界面的应用。

2. 核心技术特点

think-act-verify 循环推理

Mano-P 在执行任务时采用「思考-执行-验证」的循环机制。每一步操作之后，模型会重新观察屏幕状态，判断操作是否成功，再决定下一步动作。这让 Mano-P 能够处理包含数十到数百步骤的复杂任务流程。

边缘设备优化

为了在消费级硬件上高效运行，Mano-P 采用了混合精度量化和 GS-Pruning 视觉 token 剪枝算法。4B 量化模型（w4a16）在 Apple M4 Pro 上的实测表现：

• prefill 速度：476 tokens/s
• decode 速度：76 tokens/s
• 峰值内存占用：4.3GB

一台搭载 M4 芯片和 32GB RAM 的 Mac mini 或 MacBook，就可以在本地运行 Mano-P。

三阶段训练流程

Mano-P 的训练路线是 SFT → 离线强化学习 → 在线强化学习，通过双向自强化学习框架（Text↔Action 循环一致性学习）持续提升操作准确率。

3. Benchmark 表现

Mano-P 在多个公开基准测试中取得了具有竞争力的成绩：

• OSWorld：Mano-P 72B 模型达到 58.2% 准确率，在专项模型中排名第一
• WebRetriever Protocol I：Mano-P 达到 41.7 NavEval 分

4. 数据隐私

Mano-P 在本地模式下，截屏和任务描述完全不离开设备。对于对数据安全有严格要求的场景——比如企业内部系统操作、敏感信息处理——这是一个重要的特性。完整的客户端代码已开源，可供审计。

5. 三阶段开源计划

Mano-P 采用分阶段开源策略：

• Phase 1（已发布）：Mano-CUA Skills，支持 Agent 爱好者和 Claude Code/OpenClaw 用户
• Phase 2（即将发布）：本地模型 + SDK，面向有数据安全需求的开发者
• Phase 3（规划中）：训练方法 + 剪枝量化技术

6. 快速上手

CLI 工具通过 Homebrew 安装：

brew tap HanningWang/tap && brew install mano-cua

GitHub 仓库：Mininglamp-AI/Mano-P（Apache 2.0 协议）

端侧 Agent 的时代正在加速到来。如果你对端侧 AI 和本地化 Agent 感兴趣，欢迎试用 Mano-P。