Mano-P实战手册：6个日常GUI自动化场景，从发微信到整理文件全跑通-拓冰网站定制

Mano-P实战手册：6个日常GUI自动化场景，从发微信到整理文件全跑通

【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

Mano-P 是一款开源的 GUI-VLA 智能体（GUI Agent），专为 Mac mini / MacBook（M4 芯片、32GB 内存）或 USB 4.0 算力棒设计，用纯视觉驱动完成跨平台 GUI 自动化操作。它在本机运行推理，截图与任务数据完全不出设备，无需调用云端 API。这篇实战手册带你跑通 6 个最高频的日常 GUI 自动化场景：发微信、整理文件、搜信息、改系统设置、跨应用长链路、企业办公消息。

快速上手：三步完成安装与权限配置

第 1 步：安装 CLI 工具

Mano-P 面向普通用户提供mano-cua命令行工具，通过 Homebrew 一键安装（自动创建独立 Python 虚拟环境，不污染系统）：

brew tap Mininglamp-AI/tap brew install mano-cua

如需查看源码，可克隆仓库：git clone https://gitcode.com/gh_mirrors/man/Mano-P，项目结构与许可协议详见 README_CN.md 和 LICENSE。

第 2 步：授予两个系统权限

在系统设置 → 隐私与安全中为mano-cua勾选：

屏幕录制：让它"看见"屏幕
辅助功能：让它控制鼠标与键盘

第 3 步：选择推理模式

默认走云端推理服务；想要数据完全本地，只需多装一次本地模型：

mano-cua check && mano-cua install-sdk && mano-cua install-model mano-cua run "打开 Safari 并搜索 Python" --local

加上--local后，所有推理基于 MLX 在设备上完成，零网络调用。

场景 1：一句话发微信消息

最高频的场景，比如临时改会议时间：

mano-cua run "打开微信，找到 FTY 的聊天窗口，告诉他会议延期到明天"

Mano-P 通过纯视觉识别微信界面——定位聊天列表、输入框、发送按钮，逐步点击输入完成操作，全程不依赖任何 API 接口。官方实测中微信类任务成功率已达 67%（本地 4B 模型）。

场景 2：批量整理文件

文件管理是 Finder 用户的老大难。Mano-P 支持右键菜单、标签、重命名等精细操作，例如：

mano-cua run "在访达中把下载文件夹里所有截图移到 桌面/截图 文件夹，并按日期重命名"

它还能处理系统工具类任务：旋转图片（sips -r 90）、给文件打红色标签、把文本翻译后保存为 txt——纯 GUI 搞不定的，它会调用 Shell 工具补位，官方评测中这类"GUI + Bash"混合策略把 100 道真机任务通过率推到了 90%。

场景 3：浏览器搜信息与内容提取

mano-cua run "在小红书搜索 AI 新闻并展示第一条帖子"

浏览器/网页是 Mano-P 最强的类别（云端版 90% 通过率）。它像人一样滚动、点击、翻页，从数百个交互元素中精准定位目标控件，无需预先编写任何选择器脚本——界面改版了也不怕，这是它相对传统 RPA 的核心优势。

场景 4：系统设置一行搞定

音量、鼠标指针大小这类藏在系统设置深处的选项，用一句自然语言直达：

mano-cua run "把系统音量调到 50%，并把鼠标指针调到最大"

这类任务在真机评测中本地模型通过率 83%，是日常"懒人自动化"的典型切入点。

场景 5：跨应用长链路任务

真正拉开差距的是跨应用工作流，例如：

mano-cua run "在计算器上算 128 乘以 46，把结果复制到备忘录里新建一篇笔记"

Mano-P 内置"思考-行动-验证"循环推理机制：每步执行前先规划、执行后校验界面变化，错了会自行回退重来，而不是机械地按脚本走。长链路与跨应用任务建议搭配--max-steps参数设置步数上限，防止意外循环：

mano-cua run "你的跨应用任务" --local --max-steps 30

场景 6：企业办公消息与跨系统数据整合

企微/飞书/钉钉场景在官方评测中通过率最高（云端 100%、本地 83%）。更实用的是跨系统数据整合——从没有 API 的桌面软件里"看"出数据：

mano-cua run "打开 WPS 表格，把本月的销售额汇总后发一封邮件给我"

无需 API、无需插件，纯视觉提取多源数据并生成结构化结果，这正是 GUI-VLA 方案相对 Web 爬虫的独门能力。

为什么说它稳？OSWorld 专用模型第一

Mano-CUA 1.1 在 OSWorld 上以58.2%成功率位列所有专用 GUI 智能体模型第一，领先第二名 13.2 个百分点；在 WebRetriever Protocol I 上同样登顶（41.7 NavEval）。

高成功率来自其底层训练方法：Mano-Action 双向自增强学习让模型同时掌握"从描述定位元素"和"描述元素"两个方向，配合三阶段渐进式训练（SFT → 离线强化 → 在线强化），点击、输入、拖拽等动作的语义对齐精度远高于普通多模态大模型。

数据安全：为什么本地模式值得开启

本地模式：截图与任务描述零外发，适合含敏感信息的工作场景，约 6.4GB 内存即可运行 4B 模型
云端模式：仅传输截图和任务描述，不访问本地文件、剪贴板或凭证；运行时请避免在屏幕上显示敏感内容
客户端代码完全开源，可自行审计

任务运行时屏幕右上角会显示状态面板，可随时暂停/停止；敏感或潜在危险操作需用户确认后才执行。当前 macOS 为稳定支持平台，Windows / Linux 处于 Beta 阶段。

写在最后

从发微信到整理文件，Mano-P 把"GUI 自动化"从写脚本的活变成了说人话的活：M4 芯片 + 32GB 内存的 Mac 即可完全离线跑通，数据不出设备。建议从场景 4（系统设置）这种低风险任务起步，熟悉状态面板和停止方式后，再逐步交给它跨应用的长链路任务——6 个场景跑通之后，你会发现自己的 Mac 多了一双不知疲倦的"手"。

更多场景演示与基准数据可参考 README.md 中的"应用场景展示"与"基准测试"章节。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

资讯详情

Mano-P实战手册：6个日常GUI自动化场景，从发微信到整理文件全跑通