本文介绍了端侧AI Agent的全栈技术方案，以明略科技开源的Mano-P架构为例，解析了模型层、加速层和应用层的协同设计。模型层Mano-P采用三阶段训练和Think-Act-Verify循环机制，实现GUI视觉语言动作的高效推理；加速层Cider SDK通过激活量化提升推理速度；应用层Mano-AFK实现从需求到交付的自动化流程。该方案在保证隐私和低延迟的同时，使端侧Agent具备实际生产力，

VLA 模型驱动的视觉测试管道如何解决传统自动化测试的核心痛点，从 Mano-AFK 的完整闭环实践来看 AI Agent 自测试的技术链路。

AI Agent 视觉驱动 vs RPA 规则驱动：两种自动化范式的技术差异

会中 AI Skill 架构设计解析：3 种人设 × 7 种能力的技术实现

会中 AI Skill 架构设计解析：3 种人设 × 7 种能力的技术实现

在Mac上跑大模型，MLX 不是终点

AI Agent 视觉驱动 vs RPA 规则驱动：两种自动化范式的技术差异

AI Agent 视觉驱动 vs RPA 规则驱动：两种自动化范式的技术差异

从数据主权、推理确定性、审计透明度三个维度，分析企业选择端侧AI部署的深层原因。

VLA 模型驱动的视觉测试管道如何解决传统自动化测试的核心痛点，从 Mano-AFK 的完整闭环实践来看 AI Agent 自测试的技术链路。