Crane 以本機的機器學習即時發現坐姿問題。以下是它確切的運作方式——沒有黑盒子，也不含糊其辭。
第一次啟動 Crane 時，你只要照平常工作的樣子自然坐好。Crane 會用 Google 的先進姿態估計模型 MoveNet 記錄你的基準坐姿。模型會辨識鼻子、左耳、右耳、左肩與右肩等關鍵點，並記下它們的相對位置。
這個基準就是屬於你的「良好坐姿」參照。Crane 不會強加統一標準，而是學習在你的身體與工作環境下，良好坐姿是什麼樣子。日後重新校正（換了椅子、調了桌子高度），Crane 也會跟著調整。
校正完成後，Crane 會以 TensorFlow.js 在自己的處理程序內持續處理視訊鏡頭畫面。每一格都會與你的基準坐姿比對偏差。
三層訊號處理避免誤判：
有了 EMA 平滑，你短暫前傾去端咖啡時 Crane 不會反應。演算法要求偏差持續一段時間，才會調整坐姿分數。信心度過濾則用來因應光線不足、部分遮擋（手擋在臉前）等模型無法可靠估計姿態的情況。
S 形函數會把原始偏差轉換成 0 到 1 之間平滑的坐姿分數，藉此消除「抖動區間」——在那裡，細微動作會讓分數在好與壞之間來回跳動。
當坐姿分數持續低於設定門檻時，Crane 會顯示一則不打斷你的提醒。它以半透明浮層出現：夠明顯讓你注意到，又夠克制，在你忙著要緊事時可以先放著。
幾個關鍵設計決定：
目的是提示，而不是打斷。你用餘光看到訊號，在方便的時候調整坐姿——而不是在應用程式要求的時候。
與坐姿辨識彼此獨立，Crane 還會依你選擇的方案執行人因工程計時器。每套方案定義一段重複的活動序列——坐、站、走、運動、伸展——時間長度取自職業健康研究。
例如為開發者設計的 Deep Focus 方案：
到了該切換的時候（例如從坐到站），Crane 會提示下一項活動。無論你是否照做，計時器都會繼續——Crane 只引導，從不強迫。
Crane 內建 15 套方案，涵蓋從高強度寫程式、創意工作到客服崗位的各種工作方式。其中 3 套免費，全部 15 套可透過 Pro 使用。
Crane 的隱私模式不是政策選擇，而是工程選擇。沒有存放坐姿資料的伺服器。沒有接收視訊鏡頭畫面的伺服器。你的坐姿資料從不離開這台電腦。唯一的連網行為是 Pro 使用者的授權驗證，以及透過商店進行的應用程式更新。
視訊鏡頭畫面由 TensorFlow.js 在記憶體中逐格處理。每一格經過分析、算出坐姿分數後就立刻捨棄。不會有任何影像寫入磁碟。沒有暫存、沒有排隊，也沒有上傳。
這就是「我們承諾不看你的資料」與「根本沒有辦法看你的資料」之間的差別。Crane 選了後者。就算有人攻破這個應用程式，也沒有東西可偷——因為什麼都沒存。