Система работает следующим образом: заметки в формате Markdown разбиваются на фрагменты (chunking), каждый фрагмент преобразуется в эмбеддинг (embedding) с помощью модели, а полученные векторы сохраняются в собственном хранилище LocalVectorStore. Разбиение на фрагменты учитывает естественные границы документа — заголовки и списки — и сохраняет метаданные, такие как путь заголовка, хеш содержимого и смещения относительно источника. В числе провайдеров эмбеддингов — OpenRouter, API, совместимые с OpenAI (Open Artificial Intelligence), и Ollama, все они работают через единый общий интерфейс. LocalVectorStore использует манифест и бинарный файл для хранения векторов, а атомарная запись обеспечивает целостность данных. Инкрементальная индексация сравнивает метаданные и хеши содержимого, чтобы не пересчитывать эмбеддинги для неизменившихся фрагментов. Автор подчёркивает важность разделения компонентов системы и упоминает проблемы с асинхронными состояниями гонки (race conditions), которые были обнаружены, несмотря на то что тесты проходили успешно.