近日，Mininglamp 开源了两个重量级本地 AI 项目——Cider 和 Mano-P，分别针对 Mac 端侧推理加速和 GUI 智能体操作两大痛点，为用户打造一套完整的本地 AI 基础设施。这意味着 Mac 不再只是“能跑 AI”，而是真正成为高效、私有、可深度操控的 AI 工作站。

Cider：释放 M 系列芯片潜能，LLM/VLM 本地跑得更快更省

许多用户在 Mac 上部署本地大模型时都会遇到相同问题：硬件芯片性能强劲，但实际推理速度和内存占用并未达到预期。Cider 正是为此而来。该项目专注于更充分挖掘 M 系列芯片（特别是 M5）的 INT8 TensorOps 能力，通过优化底层计算路径，显著提升大型语言模型（LLM）和视觉语言模型（VLM）的本地推理速度，同时大幅降低内存消耗。为 Mac 用户在端侧高效运行 AI 模型提供了实用解决方案。

Mano-P：纯视觉 GUI Agent，实现 AI“看屏 + 操作”全流程

如果说 Cider 解决的是“跑得快”，那么 Mano-P 解决的就是“怎么用”——让 AI 像人类一样真正理解和操作电脑。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 仅限于浏览器操作的限制，能够直接操控桌面软件、网页界面、专业工具以及复杂图形化工作流。其核心能力包括：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。技术路径采用纯视觉 GUI 操作方式，整个过程中截图和任务数据均不出设备，充分保障隐私安全。

实战演示：Mano-P 玩转麻将，实现自主决策

项目展示中，Mano-P 已在麻将游戏场景中展现出强大能力。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，展示了从“感知”到“行动”的完整闭环能力。这一演示不仅验证了 Mano-P 在复杂交互场景下的可靠性，也为未来 AI 自主完成更多桌面任务提供了想象空间。

两大开源项目合力，构建本地私有 AI 基础设施

Cider 作为端侧推理加速框架，Mano-P 作为端侧 GUI Agent 模型，二者结合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，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持续增长，Mininglamp 此次开源的 Cider 和 Mano-P 精准击中 Mac 用户痛点，为端侧 AI 的实用化和生态化发展提供了重要参考。感兴趣的开发者可关注项目最新动态，亲手搭建属于自己的本地 AI 工作站。