Från fil till sökbar intelligens
Så här hänger tänket ihop. Er verkliga miljå varierar — använd sidan som karta hur analys, .vtag och semantisk filsökning sitter ihop i ett local-first-flöde, inte som juridiskt användningsfall.
Överblick
Steg 1: Importera media
Lägg till mappar och filer: bilder, video, ljud och tillhörande teknisk metadata som programmet kan läsa. Målet är en hanterbar kö — inte massuppladdning till molnet.
Steg 2: Lokal AI-analys
Analysen körs på er Windows-dator under ert konto. Det är local-first-standard: filen stannar där ni placerade den, och analysen kommer till filen.
Steg 3: Modeller plockar signaler
Beroende på konfiguration kan modeller producera etiketter, detektioner, transkription, OCR, konfidensvärden och motorns metadata (vilken modell, vilken version) för spårbarhet i arkivet.
Steg 4: Resultat slås ihop
Programmet sammanför utdata till en enda strukturerad post per fil — ett sammanhängande objekt i stället för en hög ad hoc-loggar, redo för nästa steg.
Steg 5: .vtag sparas
Posten skrivs bredvid källan, vanligen som JSON enligt .vtag-konventionen så tredjepart hittar samma säkväg.
Steg 6: Sök och återanvänd
Katalogprogram (bland annat NeoFinder i dokumenterade arbetsflöden), egna sökmotorer eller ETL kan läsa samma filer från disk. Ni är inte låsta till en enda leverantörs databas för att nå ert AI-resultat.
Så här kan det se ut i programmet
Produktöversikt plus verkliga skärmar från lokala körningar — analys, semantiskt minne och strukturerad metadata vid filerna.
