这个 AI 照片定位工具杀疯了!无字照片照样算到 2 米内

手机相册里翻出一张老照片，没水印、没路牌、连个像样的地标都没有，你还记得它是在哪拍的吗？

GitHub 上一个叫 geo-sleuth 的开源 Skill 专治这个：丢给 AI 一张图，它自己去查地图、算地形、比天际线，最后给你一个坐标、一个朝向和一张卫星证据图。

PART 01

项目速览

一句话定位：它不是让 AI“看图猜地方”，而是把照片变成一道可以算出来的几何题。

PART 02

为什么值得看

官方晒的三个案例里，两个在中国。第一张是广东清远的稻田照片，EXIF 全删，画面里没有文字、没有路牌，只有一台烤箱、一座远山和一条高架铁路桥。Skill 从 OpenStreetMap 拉出该区域全部 27335 段铁路桥，逐点算 360 度地平线，再渲染 14372 个候选机位的山脊线比对照片，最后用照片里 17 个桥墩的间距反推机位，误差正负 2 米，全程约 72 分钟。

第二张是青海大柴旦的沙漠照，只有沙丘和电线塔。盲跑测试只给了一条提示“在中国”，AI 扫完青海 5334 条电力线、拟合 792 个候选点，32 分钟落在确认机位 87 米外。第三张加拿大温哥华街头的樱花树，定位误差 3 米。

PART 03

五大核心特性

1. 无字照片也能定位

不依赖文字、车牌和知名地标，OpenStreetMap 几何、高程数据、卫星瓦片和街景自己扛起整场搜索，画面里一条桥、一座山就够用。

2. 几何而不是瞎猜

桥墩间距当距离尺、影子当方位角、山脊线当可以和高程数据匹配的地形指纹，每一步都是可复算的计算，不是大模型的直觉。

3. 每个结论都要给出证据

任何判断必须点名它跑过的命令和产出的文件，候选地“人口多”“名气大”一律不算证据，从机制上压住 AI 的编造欲。

4. 脚本排位、模型裁决

20 余个单一用途的 Python 脚本负责搜索、打分、排序，模型只在头部候选里做最后判断，分工清晰，幻觉难有生存空间。

5. 答案自带误差半径

交付物是坐标加减半径、相机朝向、卫星证据图和置信分级，一次给齐，闭环到能直接拿去实地核对。

PART 04

适用场景

• 翻老照片找回忆：旅行党、整理家庭相册的人群
• 核实网图出处和真伪：编辑、事实核查、内容风控人群
• 复现地形匹配玩法：GeoGuessr 玩家、地理信息从业者

提醒一句：这类能力只该用在合法合规的场景，别拿它去定位别人的隐私。

PART 05

怎么装、怎么用

Step 1：一条命令安装，按提示勾选要接入的 Agent。

npx skills add Oldcircle/geo-sleuth

Step 2：首次使用时，让 Agent 运行技能 scripts 目录下的 doctor.py，按失败项补齐 Python 3.10 等依赖。

Step 3：把照片拖进会话，直接提需求。

示例：附上照片后说“find where this photo was taken”，Agent 会读完 SKILL.md 自动跑脚本，最后回报机位坐标、朝向和卫星证据图。

PART 06

为什么推荐它

推荐理由：geo-sleuth 聪明的地方在于把“AI 猜谜”改造成了“AI 做题”。 它没有吹模型多强，而是设计了 20 余个脚本把不确定的猜测变成确定的几何计算，模型只做最后拍板，结论还强制附证据。

单趟几十分钟的耗时不算轻快，但换来的是可复算、可核验的结果。数据源全是公开服务，MIT 协议，想研究摄影测量思路的也值得翻它的 SKILL.md。

项目地址：https://github.com/Oldcircle/geo-sleuth

觉得有用，去给作者点个 Star。