AI 概览 · 由大模型根据 SKILL.md 与仓库数据生成 · 2026年10月27日
通过照片线索推断拍摄地点与时间,展示核验过程
这个 Skill 帮助 AI 代理分析一张或多张照片可能在哪里、何时拍摄。采集信息描述了元数据读取、文字识别、反向图片搜索、地区特征查询和候选地点看板等环节,并结合地图几何、高程天际线、卫星影像与街景进行核验;重点不仅是提出候选答案,也包括展示判断依据。
包含 Skill
1
可以单独安装
GitHub Star
7,211
仓库累计 Star
近 7 天
+392
新增 Star
代码更新
2026年11月16日
最近一次推送
核心亮点
1集中提取线索
通过 intake.py 在一次命令中处理元数据、文字识别与反向图片搜索。
2组织候选地点
用候选看板整理线索、排列候选并提示下一步。
3展示判断依据
结合地图与影像信息核验位置,让推理过程可供检查。
能做什么
- 分析一张或多张照片,辅助推断拍摄地点或拍摄时间。
- 通过 intake.py 提取元数据、识别图片文字,并调用百度或 Yandex 反向图片搜索。
- 通过 board.py 管理线索和候选地点,对候选排序并给出下一步提示。
- 通过 clues.py 查询地区资料中的电话代码、行驶方向、车牌和区号线索。
- 结合 OpenStreetMap 几何、高程天际线、卫星影像和街景核验地点,并展示推理依据。
适用场景
给出一张含招牌文字的街景照片,结合文字识别和反向图片搜索寻找候选地点。
分析照片中的车牌、道路行驶方向或电话号码,查询对应地区特征以缩小范围。
对比照片中的山脊轮廓与高程天际线,辅助核验候选地点。
针对希望判断拍摄时间的照片发起分析,并检查工作流提供的依据。
用之前和用之后
- 照片中的文字、元数据等线索需要分别整理。通过统一入口提取多类线索,再进入候选地点分析。
- 候选地点与判断依据分散,下一步核验方向不清晰。用候选看板记录线索、排序候选,并获得下一步提示。
- 仅凭视觉印象猜测位置,判断依据难以检查。结合地图几何、天际线及影像进行核验,并查看推理过程。
它是怎么工作的
第 1 步
提取照片线索
第 2 步
整理候选地点
第 3 步
核验地图影像
快速上手
安装与复制命令见“安装方式”。
- 1
打开源文件 skills/geo-sleuth/SKILL.md,确认完整使用说明。
- 2
根据源文件说明,在其支持的 AI 代理环境中配置 Skill 和所需依赖。
- 3
准备一张或多张照片,说明希望判断拍摄地点、拍摄时间或两者。
- 4
按工作流提取线索、整理候选,并检查地图与影像核验依据。
适合谁
- 需要对照片进行地点溯源和线索核验的用户。
- 希望借助照片练习地理猜测的爱好者。
- 希望在 AI 代理环境中开展照片定位分析的用户。
局限
- 采集到的 Skill 描述存在截断,不能据此确认完整操作流程。
- 来源未提供安装命令、依赖清单或外部服务配置要求。
- 来源未提供定位准确率、覆盖范围或拍摄时间推断方法的详细说明。
- 来源没有明确输入格式和输出结构,使用前需查看完整源文件。
使用前注意
- · 采集信息将该 Skill 标记为高风险,但未解释原因,使用前需检查完整脚本与权限要求。
- · 反向图片搜索涉及外部服务,使用前需核验照片及元数据是否会被上传、如何处理,以及是否包含敏感信息。
- · 使用前需核验照片来源与相关人员的隐私边界,避免未经确认地传播精确位置。
包含的 Skills · 1
公开来源
相关 Skills
查看更多ECC
314 Skills编程智能体技能集 · affaan-m
覆盖 Agent 评估、安全、架构审查、支付接入和网关测试等场景,可用于梳理任务流程、执行专项检查并形成结构化产出。
security-audit-skill
JavaScript代码安全审计技能 · cloudflare
用于资料研究、事实整理和结构化报告写作,适合需要按流程开展安全审计并整理结果的场景。
ponytail
6 Skills精简编程技能集 · DietrichGebert
覆盖任务拆解、代码评审、快捷参考与简化债务标记整理,适合在开发和交付过程中调用相应 Skill 辅助处理具体任务。
impeccable
20 SkillsAgent 设计语言 · pbakaus
为编码代理提供一套设计表达方式,可在开发过程中打磨界面、评审设计并检查交付前的粗糙产出,适合前端与设计协作场景。
