核心用法
mano-cua 是一款基于视觉-语言-动作（VLA）模型的桌面GUI自动化工具，允许用户通过自然语言描述任务，由AI代理自动执行屏幕点击、输入、滚动等操作。适用于目标应用无API或CLI可用的场景。
主要工作模式：
- 云端模式：调用远程混合视觉模型（Mano-P轻量任务 / Claude CUA复杂推理）
- 本地模式：完全离线的Apple Silicon on-device推理，通过MLX运行Mano-P模型，零数据外传
关键命令：
mano-cua run "任务描述" # 云端模式 mano-cua run "任务" --local # 本地模式（macOS M1+） mano-cua run "任务" --app "Notes" # 指定前置应用 mano-cua run "任务" --url "..." # 指定前置网页 mano-cua stop # 终止当前任务
本地模式配置流程：
mano-cua check && mano-cua install-sdk && mano-cua install-model
显著优点
1. 隐私优先的本地推理：--local 模式全程零网络调用，适合敏感操作场景
2. 自然语言交互：无需编写自动化脚本，降低使用门槛
3. 混合模型调度：自动匹配轻量/复杂任务到最优模型
4. 实时状态面板：屏幕右上角显示执行进度，可随时中断
5. 开源可审计：MIT-0许可证，源码公开，网络调用集中在单一模块
6. 安全确认机制：购买、删除、凭据输入等不可逆操作强制暂停等待用户确认
潜在缺点与局限性
| 维度 | 限制 |
|------|------|
硬件平台 | 本地模式仅限macOS Apple Silicon（M1+）；Windows/Linux适配未完成 |
显示支持 | 仅主屏幕，无法使用多显示器 |
任务特性 | 单次短时任务，无后台持久化、无跨会话状态 |
系统权限 | 依赖手动授予录屏和辅助功能权限 |
交互冲突 | 运行期间禁止用户手动键鼠操作 |
数据访问 | 无法访问文件系统、剪贴板、网络API、存储的密码/凭证 |
执行范围 | 仅限可见UI元素，无法突破OS安全对话框 |
适合人群
- 无API遗留系统用户：需自动化老旧桌面应用
- 隐私敏感场景操作者：医疗、金融数据处理偏好完全本地推理
- 快速原型验证者：不愿编写Selenium/Playwright脚本的临时自动化需求
- macOS生态深度用户：Apple Silicon设备持有者优先获得完整体验
常规风险
- 误操作风险：视觉模型可能对UI元素识别偏差，建议敏感场景启用确认机制
- 任务中断风险：手动键鼠干扰会导致意外行为，需专注隔离使用
- 平台不成熟风险：Windows/Linux支持不完善，生产环境建议macOS
- 模型能力边界：复杂多步任务需拆分为显式步骤描述，模糊指令本地模式准确率下降
- 权限疲劳：首次使用需逐项授权，可能被用户习惯性允许而忽视安全含义
架构补充
- 设备标识：本地生成
~/.myapp_device_id，无密钥外泄 - 构建链：Homebrew公式直接对接GitHub Release，支持校验和验证
- 网络隔离：推理请求集中于
task_model.py，便于安全审计