7.2K Stars1 Skills900 ForksMIT11月16日更新Skill 仓库

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

  1. 第 1 步

    提取照片线索

  2. 第 2 步

    整理候选地点

  3. 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. 1

    打开源文件 skills/geo-sleuth/SKILL.md,确认完整使用说明。

  2. 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. 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. 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