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，配套标准化的 Skills 指令集和可检索的 Knowledge Base，让 AI Agent 能以更低的 token 消耗完成 Android 应用开发。
这件事之所以值得关注，是因为它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 平台上，我们的开源项目 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。
Mano-P 是什么
Mano-P 是明略科技开源的端侧 GUI Agent，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——我们希望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，理论上可以操作 Mac 上任何有图形界面的应用。
核心技术特点
think-act-verify 循环推理
Mano-P 在执行任务时不是单次推理，而是采用「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。这让它能够处理包含数十到数百步骤的复杂任务。
边缘优化
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
这意味着一台搭载 M4 芯片和 32GB RAM 的 Mac mini 或 MacBook，就可以在本地运行 Mano-P，无需云端支持。
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。
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
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。
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
快速上手
CLI 工具通过 Homebrew 安装：
brew tap HanningWang/tap && brew install mano-cua
GitHub 仓库：github.com/Mininglamp-…（Apache 2.0 协议）
如果你对端侧 AI 和本地化 Agent 感兴趣，欢迎试用 Mano-P，也欢迎在评论区交流。
