Crane 用本机的机器学习实时发现坐姿问题。下面是它确切的工作方式——没有黑箱，也不含糊其辞。
第一次启动 Crane 时，你只需按平时工作的样子自然坐好。Crane 会用 Google 的先进姿态估计模型 MoveNet 记录你的基准坐姿。模型识别鼻子、左耳、右耳、左肩和右肩等关键点，并记下它们的相对位置。
这个基准就是属于你的「良好坐姿」参照。Crane 不会强加统一标准，而是学习在你的身体和工位条件下，良好坐姿是什么样子。日后重新校准（换了椅子、调了桌高），Crane 也会随之调整。
校准完成后，Crane 会用 TensorFlow.js 在自己的进程内持续处理摄像头画面。每一帧都会与你的基准坐姿比对偏差。
三层信号处理避免误报：
有了 EMA 平滑，你短暂前倾去端咖啡时 Crane 不会反应。算法要求偏差持续一段时间，才会调整坐姿分数。置信度过滤则应对光线不足、部分遮挡（手挡在脸前）等模型无法可靠估计姿态的情况。
S 形函数把原始偏差映射成 0 到 1 之间平滑的坐姿分数，从而消除「抖动区间」——在那里，细微动作会让分数在好与坏之间来回跳。
当坐姿分数持续低于设定阈值时，Crane 会显示一条不打断你的提醒。它以半透明浮层出现：足够醒目让你注意到，又足够克制，在你忙于要紧事时可以先放着。
几个关键设计决定：
目的是提示，而不是打断。你用余光看到信号，在方便的时候调整坐姿——而不是在应用要求的时候。
与坐姿识别相互独立，Crane 还会按你选择的方案运行一个人体工学计时器。每套方案定义一段重复的活动序列——坐、站、走、运动、拉伸——时长取自职业健康研究。
例如面向开发者的 Deep Focus 方案：
到了该切换的时候（比如从坐到站），Crane 会提示下一项活动。无论你是否照做，计时器都会继续——Crane 只引导，从不强迫。
Crane 内置 15 套方案，覆盖从高强度编程到创意工作再到客服岗位的各种工作方式。其中 3 套免费，全部 15 套可通过 Pro 使用。
Crane 的隐私模式不是政策选择，而是工程选择。没有存放坐姿数据的服务器。没有接收摄像头画面的服务器。你的坐姿数据从不离开这台电脑。唯一的联网行为是 Pro 用户的授权校验，以及通过商店进行的应用更新。
摄像头画面由 TensorFlow.js 在内存中逐帧处理。每一帧经过分析、算出坐姿分数后立刻丢弃。不会有任何图像写入磁盘。没有缓存，没有排队，也没有上传。
这就是「我们承诺不看你的数据」和「根本没有办法看你的数据」之间的差别。Crane 选了后者。就算有人攻破这个应用，也没有东西可偷——因为什么都没存。