核心用法
mano-cua 是一款由 Mininglamp AI 开发的视觉语言模型驱动的桌面自动化工具，用户通过自然语言描述任务，系统自动截取屏幕并执行点击、输入、滚动、拖拽等操作。支持两种运行模式：
- 云端模式（默认）：截图上传至云端，由 Mano-P 轻量模型或 Claude CUA 复杂推理模型自动调度处理
- 本地模式（`--local`）：基于 MLX 框架在 Apple Silicon Mac 上本地运行 Mano-P 模型，零网络传输
常用命令示例：
mano-cua run "创建一条周五20:00的日历事件" --app "Calendar" mano-cua run "搜索AI新闻并打开第一条结果" --url "https://google.com" --max-steps 15 mano-cua run "点击搜索框，输入iPhone，点击搜索" --local --url "https://xiaohongshu.com"
显著优点
1. 零配置开箱即用：云端模式无需 API Key，安装后即可使用
2. 双模型智能调度：自动根据任务复杂度切换轻量/深度推理模型
3. 本地隐私模式：Apple Silicon 用户可完全离线运行，敏感操作不出本机
4. 实时可视化监控：屏幕右上角状态面板显示每一步操作，可随时中断
5. 安全确认机制：不可逆操作前强制暂停等待用户显式确认
6. 开源可审计：MIT-0 许可证，Homebrew 直接从 GitHub Release 构建，供应链透明
潜在缺点与局限性
- 平台限制：macOS 为首选平台，Windows/Linux 适配尚未完成
- 单显示限制：仅支持主显示器，多屏环境需手动调整
- 独占输入：运行期间禁止人工鼠标键盘操作，干扰会导致异常
- 单任务串行：同一设备同时只能运行一个任务
- 本地模式硬件门槛：仅支持 Apple Silicon（M1+），需额外下载模型权重
- 任务描述依赖性：本地模式下需显式步骤描述（如"点击搜索框→输入关键词→点击按钮"），模糊指令准确率下降
适合人群
- 需要自动化重复性 GUI 操作的效率用户
- 无 API/CLI 可用的遗留系统或第三方 Web 应用使用者
- 对数据隐私敏感、倾向本地推理的 Apple Silicon Mac 用户
- 自动化测试工程师、RPA 轻度需求者
常规风险
| 风险类别 | 说明 |
|---------|------|
| 隐私泄露 | 云端模式持续上传屏幕截图，虽经 HTTPS 传输且声明不采集文件/剪贴板，但视觉信息仍存在云端处理风险 |
| 误操作风险 | 模型可能对 UI 元素识别错误，导致点击错误位置或执行非预期操作；`--max-steps` 和确认机制可部分缓解 |
| 供应链安全 | 虽开源且 Homebrew 构建可审计，但云推理服务端的模型权重及数据处理逻辑未完全透明 |
| 不可逆操作 | 删除文件、发送邮件等高危动作虽有确认提示，但用户误确认仍可能造成损失 |
| 平台稳定性 | Windows/Linux 版本未成熟，生产环境使用存在不确定性 |