一句话到可上线应用Mano-P 驱动 Mano-AFK 全自主软件构建实战指南【免费下载链接】Mano-PMano-P: Open-source GUI-VLA agent for edge devices. #1 on OSWorld (specialized, 58.2%). Runs locally on Apple M4 Mac mini/MacBook — no data leaves your device.Mano-P 是一个开源 GUI-VLA 项目支持在 Mac mini/MacBook 上或通过算力棒本地运行推理实现纯视觉驱动的跨平台 GUI 自动化操作。数据完全本地处理支持复杂多步骤任务规划与执行。项目地址: https://gitcode.com/gh_mirrors/man/Mano-PMano-P是一个面向边缘设备的开源 GUI-VLA 智能体项目内置Mano-AFK全自主软件构建流水线——只需一句自然语言需求它就能自动完成需求澄清、架构设计、代码生成、本地部署、测试与修复最终交付可上线的应用。全程本地运行数据不出设备OSWorld 基准专用模型第一58.2%。Mano-PMano在西班牙语中是手P代表 Private的定位很清晰私有 AI。它的模型可以在 Mac mini / MacBookM4 芯片 32GB 内存上直接推理也可以通过 USB 4.0 算力棒即插即用。而 Mano-AFK正是 Mano-P 在软件工程场景中最惊艳的落地让它自己给自己验收把写代码的最后一公里——在真实浏览器里跑 E2E 测试——也用纯视觉 GUI 操作完成。为什么敢让 AI 自己写应用、自己验收很多 AI 编程工具止步于生成代码而 Mano-AFK 打通了完整闭环环节传统 AI 编程Mano-AFK需求澄清人工补充自主提问与确认架构设计依赖人工自动生成技术方案代码生成支持支持本地部署手动自动部署运行API / 视觉 / E2E 测试人工编写执行三级自动测试失败修复人工定位自动定位根因→修码→重新部署验证关键差异在最后一列测试不通过时系统会自动定位问题根因、修复代码并重新部署循环迭代直到所有用例通过全程零人工介入。最终交付的不只是代码还有一份完整的需求文档与构建报告。它的底层能力来自 Mano-Action 训练方法通过思考—行动—验证的循环推理机制让模型同时掌握从描述定位元素和描述给定元素两个方向配合三阶段渐进训练SFT → 离线强化学习 → 在线强化学习形成高精度的 GUI 理解与操作能力。本地推理性能如何OSWorld 58.2% 第一判断一个 GUI Agent 能不能干活看基准测试最直接。Mano-CUA 1.1 在 OSWorld 专用模型组中取得58.2% 成功率比第二名高出 13.2 个百分点端侧 4B 模型在 M4 设备上也能稳定推理单步约 8 秒内存占用约 6.4GB。在 Mano-AFK 的自测中Mano-CUA-4B 运行于 MacBook Pro M516GB完成了 100 条跨 5 个应用的测试任务W8A16 配置下准确率达到 58%并可搭配 Cider 推理加速 SDK 进一步提速——这意味着构建—测试—修复整个闭环都能在你的电脑本地完成兼顾自主性、隐私与性能。更多基准数据可参考官方汇总快速上手三步跑起本地 Mano-P1. 安装 mano-cua 命令行工具brew tap Mininglamp-AI/tap brew install mano-cua安装会自动创建独立的 Python 虚拟环境并配置好命令不污染系统环境。2. 配置本地模型数据不出设备的关键一步mano-cua check # 检查环境 mano-cua install-sdk # 安装推理 SDK mano-cua install-model # 拉取本地模型3. 验证本地推理mano-cua run 打开 Safari 并搜索 Python --local--local模式下Mano-P 基于 MLX 在设备上直接推理所有截图与任务描述不经过任何网络调用。运行前记得在系统设置 → 隐私与安全中授予屏幕录制和辅助功能权限任务运行时右上角会出现状态面板可随时暂停或停止。小贴士本地模式要求 M4 芯片 32GB 内存起步内存更紧张的设备建议搭配算力棒USB 4.0部署。若想让 E2E 测试更快可引入 Cider SDK 的 INT8 激活量化W8A8在 M5 芯片上可获得 1.4x–2.2x 的 prefill 加速。常见问题与避坑清单界面变化会不会跑偏纯视觉交互不依赖 DOM/无障碍树UI 改版后通常仍能自适应这是它区别于传统 RPA 的核心优势。多显示器支持吗目前仅支持主显示器每台设备同时只能运行一个任务。测试环境有干扰基准测试中曾出现系统代理误配导致的假失败跑长任务前建议检查网络代理设置。能商用吗项目采用 Apache License 2.0 协议见 LICENSE支持商业使用、修改和分发。接下来你可以探索项目文档与详细说明README.md、中文文档README_CN.md图片资料目录含架构图、基准图pics/Mano-AFK 的完整构建流程演示与 Cider 加速效果可关注项目发布的应用场景视频章节见 README_CN.md 的应用场景展示从一句话需求到可上线应用Mano-P Mano-AFK 证明了一件事当你把眼睛和手留在本地设备AI 软件工程的闭环才真正完整。如果你正想体验一个数据不离开电脑的私有 AI 开发流现在就是最好的起点。【免费下载链接】Mano-PMano-P: Open-source GUI-VLA agent for edge devices. #1 on OSWorld (specialized, 58.2%). Runs locally on Apple M4 Mac mini/MacBook — no data leaves your device.Mano-P 是一个开源 GUI-VLA 项目支持在 Mac mini/MacBook 上或通过算力棒本地运行推理实现纯视觉驱动的跨平台 GUI 自动化操作。数据完全本地处理支持复杂多步骤任务规划与执行。项目地址: https://gitcode.com/gh_mirrors/man/Mano-P创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考