近日，Mininglamp 推出两项重要的本地 AI 开源项目：Cider 和 Mano-P。这些项目旨在解决 Mac 设备在端侧 AI 推理加速和图形用户界面（GUI）智能体操作方面的不足，为用户构建一套功能完备的本地 AI 基础设施。此举意味着 Mac 设备将不再仅仅是运行 AI 的工具，而是能够成为强大、私密且可深度控制的 AI 工作站。
Cider：加速 Mac 端侧 AI 推理
许多 Mac 用户在本地部署大型语言模型（LLM）和视觉语言模型（VLM）时，常常发现即使设备拥有强大的 M 系列芯片，实际的推理速度和内存占用表现却不尽如人意。Cider 项目正是为了解决这一普遍痛点而生。它专注于深入挖掘 M 系列芯片，特别是 M5 芯片的 INT8TensorOps 计算能力。通过对底层计算路径的精细优化，Cider 能够显著提升 LLM 和 VLM 的本地推理速度，同时大幅降低模型运行时所需的内存占用。这为 Mac 用户在端侧高效、流畅地运行 AI 模型提供了切实可行的解决方案。
Mano-P：实现 AI 视觉化 GUI 操作
如果说 Cider 解决了 AI“跑得快”的问题，那么 Mano-P 则聚焦于 AI 的“怎么用”——让 AI 能够像人类一样，真正理解并操作电脑界面。Mano-P 是一款专为端侧设备设计的 GUI-VLA Agent，能够在 Mac mini 和 MacBook 等设备上进行本地化推理。与那些局限于浏览器操作的传统 Agent 不同，Mano-P 能够直接与桌面应用程序、网页界面、专业软件以及复杂的图形化工作流程进行交互。其核心能力涵盖了复杂 GUI 的自动化操作、跨系统数据的整合、长时任务的规划与执行、智能报告的生成以及自主应用构建等多个方面。值得一提的是，Mano-P 采用纯视觉的 GUI 操作方式，确保所有截图和任务数据均在设备本地处理，充分保障了用户的隐私安全。
实际应用场景与性能展现
Mano-P 在实际演示中展现了其强大的潜力，例如在一个麻将游戏的场景下，它能够通过纯视觉方式理解游戏界面，自主完成牌面识别、局面分析以及做出决策动作，清晰地展示了从“感知”到“行动”的完整闭环能力。这种基于视觉的理解和操作能力，为 AI 在自动化办公、内容创作、复杂软件调试等领域的应用打开了新的想象空间。
Cider 作为一款端侧推理加速框架，与 Mano-P 这一端侧 GUI Agent 模型相结合，共同构成了一套完整的本地 AI 解决方案。对于追求极致推理效率，或是需要 AI 能够自主完成复杂桌面任务的用户而言，这套组合拳为 Mac 用户带来了更强大、更私密的 AI 应用体验。通过这两项开源项目的整合，用户可以更便捷地在本地设备上构建和运行 AI 应用，充分发挥 Mac 设备的计算潜力。
Cider 和 Mano-P 的出现，精准地满足了当前 Mac 用户在本地化、高性能 AI 部署方面的迫切需求，为端侧 AI 的实用化和生态发展提供了宝贵的动力。尤其对于希望构建个人本地 AI 工作站的开发者和用户来说，这是一个不容忽视的重大进展。