近日，科技领域迎来重要进展，Mininglamp 开源了两个极具影响力的本地 AI 项目——Cider 和 Mano-P，旨在为 Mac 用户打造一套完备的本地 AI 基础设施，让 Mac 从“能运行 AI”转变为高效、私密且可深度操控的 AI 工作站。
在 Mac 上部署本地大模型时，不少用户面临这样的困扰：硬件芯片性能虽强，但实际推理速度和内存占用却不尽如人意。针对这一问题，Cider 应运而生。它专注于深度挖掘 M 系列芯片（尤其是 M5）的 INT8TensorOps 能力，通过优化底层计算路径，大幅提升大型语言模型（LLM）和视觉语言模型（VLM）在本地端的推理速度，同时显著降低内存消耗，为 Mac 用户高效运行 AI 模型提供了切实可行的方案。
如果说 Cider 解决了 AI 模型在 Mac 上“跑得快”的问题，那么 Mano-P 则致力于解决“怎么用”的难题，让 AI 能够像人类一样理解和操作电脑。Mano-P 是一款面向端侧设备的 GUI-VLA Agent，支持在 Mac mini 和 MacBook 上进行本地推理。它突破了传统 Agent 仅能在浏览器操作的局限，可直接操控桌面软件、网页界面、专业工具以及复杂图形化工作流。
Mano-P 具备多项核心能力，包括复杂 GUI 自动化操作、跨系统数据整合、长任务规划与执行、智能报告生成以及自主应用构建。其技术路径采用纯视觉 GUI 操作方式，在整个过程中，截图和任务数据都不会离开设备，充分保障了用户的隐私安全。
在项目展示中，Mano-P 在麻将游戏场景中展现出强大实力。它通过纯视觉理解游戏界面，自主完成识牌、局面分析和决策动作，实现了从“感知”到“行动”的完整闭环，充分证明了其在复杂场景下的应用潜力。
Cider 作为端侧推理加速框架，Mano-P 作为端侧 GUI Agent 模型，二者相辅相成，形成了一套完整的本地 AI 解决方案。无论是追求极致推理效率的用户，还是需要 AI 自主完成复杂桌面任务的用户，都能在 Mac 上获得更强大、更私密的 AI 体验。
随着本地大模型部署需求的不断增长，Mininglamp 开源的 Cider 和 Mano-P 精准地切中了 Mac 用户的痛点，为端侧 AI 的实用化和生态化发展提供了重要的参考范例，感兴趣的开发者可关注项目动态，搭建属于自己的本地 AI 工作站。
