核心用法
mano-cua 是一款桌面GUI自动化工具，利用视觉-语言-行动（VLA）模型将自然语言指令转化为屏幕操作。用户通过命令行描述任务（如"打开备忘录并创建新笔记"），工具自动截图、分析画面、执行点击/输入/滚动等操作。
两种运行模式：
- 云端模式（默认）：调用远程Mano-P或Claude CUA模型，无需配置，适合快速使用
- 本地模式（`--local`）：基于Apple Silicon的MLX框架在设备端运行，零数据外传，隐私性更强
关键参数：
--app启动指定应用（如 Notes、Safari）--url在浏览器打开指定网页--max-steps限制最大执行步数--minimize最小化状态面板
显著优点
1. 无API场景填补：专为没有开放API/CLI的桌面应用设计，GUI是唯一接口的场景
2. 双模型智能调度：轻量任务用Mano-P快速响应，复杂推理自动切换Claude CUA
3. 本地隐私模式：Apple Silicon设备可完全离线运行，截图不出本机
4. 实时可视化监控：屏幕右上角状态面板展示每一步操作，用户可随时中断
5. 权限前置控制：需用户手动授予录屏和辅助功能权限，敏感操作二次确认
潜在缺点与局限性
- 平台成熟度不均：macOS为首选平台，Windows/Linux适配未完成，稳定性存疑
- 单任务串行：同一设备无法并行执行多个任务
- 主屏限制：仅支持单显示器，多屏用户受限
- 操作独占性：运行时需避免人工键鼠干扰
- 本地模式精度依赖：本地模型对模糊指令容错率低，需编写显式步骤描述
适合人群
- 需自动化无API桌面应用（如特定企业软件、旧版工具）的开发者与运维人员
- 注重数据隐私、倾向本地推理的Apple Silicon用户
- 需要快速原型验证GUI自动化流程的产品团队
常规风险
| 风险类型 | 说明 | 缓解措施 |
|---------|------|---------|
| 屏幕数据外传 | 云端模式每步上传截图 | HTTPS加密传输；本地模式可选；敏感信息勿入画面 |
| 误操作风险 | 视觉模型可能误判界面元素 | 敏感操作二次确认；`--max-steps`限制步数；实时面板可中断 |
| 供应链风险 | 通过Homebrew安装外部二进制 | 源码MIT-0开源；发布包带校验和；网络模块集中可审计 |
| 权限滥用 | 需辅助功能/录屏权限 | 系统级权限管控；无后台常驻；无持久连接 |