Oldcircle/geo-sleuth
给它一张照片，AI 凭山脊阴影直接逆向定位到米级坐标🛰️ 传统地理推断 vs AI 空间逆向：为什么说它堪称降维打击？
在过去，开源情报（OSINT）领域的地理侦察（Geo-Location）是一门极其依赖资深调查员“玄学经验”的手艺——比如看电线杆涂装、垃圾桶型号、甚至是车牌螺丝规格。一旦遇到“纯自然风光、郊区高架桥、荒野农田”这种没有任何招牌与人类文字痕迹的照片，传统推断几乎立刻抓瞎。
而 GitHub 上爆火的开源 Agent 技能 Oldcircle/geo-sleuth（已斩获 5,200+ Stars），彻底颠覆了这种经验主义，把地理推断变成了严密的多源数学几何交会逆向工程！
🔍 官方震撼案例实测：只有稻田和高架桥，误差居然仅 2 米！
在官方展示的经典攻坚案例中，测试者随手扔给 AI 一张极其荒凉的郊外照片：画面里除了一片平平无奇的水稻田、远处一段普通的高架桥墩，以及地平线上朦胧的山峰连线，没有任何地名、没有 EXIF GPS 元数据、没有路标文字。
换成普通大模型，通常只会敷衍一句“这看起来像东亚或东南亚的某个乡村”。但搭载了 geo-sleuth 的 Agent 却像专业刑侦一样，执行了一连串极其震撼的自动化推理：
- 山脊天际线三维地形匹配 (Digital Elevation Model)：Agent 自动提取照片地平线上群山的起伏角度与鞍部曲率，调取全球高程数据库进行三维地形切片比对，直接将搜索半径从全球缩小到特定的山脉走廊；
- 日照仰角与影子物理投射 (SunCalc Shadow Geometry)：根据植被枯荣度估算大致季节，通过桥墩和树木投射在稻田里的影子夹角，精确反推出拍摄时刻的太阳高度角与航向角；
- OpenStreetMap (OSM) 矢量路网与桥梁几何交汇：检索该山谷走廊内所有高架桥的走向坡度、曲率半径及跨度；
- 高精度卫星航拍瓦片交叉核验：调取厘米级卫星地图，逐个比对田垄分界线、机耕道与桥墩基座的相对空间坐标。
最终输出结果令人脊背发凉：给出了精准的经纬度坐标、拍摄镜头水平朝向（Degrees Bearing）、预估误差半径，并附带了高亮对比的卫星图层证据，最终与真实拍摄地点的偏差仅仅只有 2 米！
📊 核心能力速查大表：geo-sleuth 技能解构全景
💻 支持哪些客户端？如何一秒安装？
geo-sleuth 采用了最新的标准化 Agent Skills 协议规范，可以无缝融入目前主流的绝大多数 AI 编程与自动化 Agent 环境中：
- Claude Code：作为官方原生技能无缝加载；
- OpenAI Codex CLI / Cursor / Gemini CLI / GitHub Copilot：通配支持；
- Hermes / OpenClaw：可作为自建智能体集群的外挂空间推理军火库。
一行命令快速安装：
# 通过标准化 skills 包管理器一键安装
npx skills add Oldcircle/geo-sleuth
# 或者直接克隆至 Agent 的 skills 工作区
git clone https://github.com/Oldcircle/geo-sleuth.git ~/.claude/skills/geo-sleuth实操使用方式：
安装后无需记忆复杂命令，直接在对话框中给 AI 喂图片并下达自然语言指令：
“分析这张照片是哪里拍的？列出你的地形匹配证据、太阳方位角推断过程，并给出最终的高德/谷歌卫星坐标和误差范围。”
⚠️ 结语与隐私警示：一张随手拍的照片，到底能暴露多少秘密？
geo-sleuth 的开源展现了视觉基模配合专业空间拓扑工具所能达到的恐怖上限。但它也给所有人敲响了一记震耳欲聋的隐私警钟：
过去大家以为“拍照关掉 GPS、抹掉 EXIF 就可以放心发朋友圈”。而现实是：在如今的 AI 眼前，窗外的山脊线、电线杆的角度、甚至是阳台栏杆的一抹斜阳影子，都足以在几秒钟内把你家的具体楼栋和朝向锁定在 2 米之内。在公开发布生活照时，对背景独特天际线与关键阴影进行虚化或遮挡，正在成为 AI 时代的必修课！
🔗 开源资源直达
- GitHub 官方仓库：https://github.com/Oldcircle/geo-sleuth（⭐ 5.2k，持续迭代中）；
- 博主官方技术空间：欢迎关注博主主页 https://github.com/lalytian。