用一张照片反推拍摄地点:geo-sleuth
一张没有 GPS、没有地标的照片能问到多准
一张手机照片,EXIF 被清掉了,画面里没有文字、没有车牌、没有著名建筑,只有一座高架桥和一座山。普通人看不出任何线索,但有人能从这张图里把相机位置定到 2 米以内。
geo-sleuth 就是把这套”看图定位”的手艺做成了可执行的开源工具。它不是网站,也不是 App,而是一个 Agent Skill:一份 SKILL.md 加一堆 Python 脚本,装到你用的 AI 编程助手里,然后把照片丢给它、说一句话就行。
它到底是什么
严格来说,geo-sleuth 是一个给 AI Agent 用的技能包(遵循 agentskills.io 的 SKILL.md 规范)。设计上分了三层:
| 层 | 谁来做 | 干什么 |
|---|---|---|
| 决策 | 脚本(候选看板 board.py) |
管理候选点、记录线索权重、排序、决定下一步扫哪里 |
| 感知 | 二十多个单一职责脚本 | OCR、EXIF、太阳方位、OSM 数据、高程地形、卫星切片、街景比对 |
| 判断 | 模型 | 从画面里读出线索、提假设、在排好序的前几名里做选择 |
这个分工是它和”直接问大模型这是哪儿”最大的区别:所有搜索、打分、排序都是脚本做的,模型只负责在前几名里判断,而且每一条结论都必须指向本次会话里真实跑过的命令和产生的文件。人口、知名度这类东西不被当作证据,只能是猜想的降权理由。
一些确实跑出来的结果
README 里给了三个完整案例,都是 EXIF 已清除的照片:
- 水稻田边的高架桥(广东清远):从 27335 段 OSM 铁路桥里筛出 171 个候选点,渲染 14372 个机位的地平线做匹配,最后用照片里 17 个桥墩的间距当尺子反推距离,落到 ±2 米。
- 沙漠天际线(青海大柴旦):这类照片连反向图搜都只返回通用沙漠图。靠”有电塔说明附近有输电线 + 地形”扫出 1537 个点,卡在 10 像素误差上很久,最后发现手机端了 1°(画面边缘位移约 18 像素),把横滚角一起解算后一次定到 100 米内。盲测重跑是 87 米、32 分钟。
- 温哥华街边的樱花树:靠车牌和路灯缩小到城市,再用市政府公开的 18 万多株行道树数据筛出 1095 棵大樱花、97 个街区,结合影子和街道横坡锁定 W 60th Ave,街景核对 2009 与 2024 两版画面,误差 3 米。无提示盲测,53 分钟。
输出不是一句”大概在这里”,而是:坐标 ± 误差半径、相机朝向、一张标好视场角的卫星证据图,以及分级置信度。
适合谁
- OSINT / 地理定位爱好者:玩 Geoguessr、猜图、找老照片拍摄地的人,这是现成的作业流程。
- 调查记者、事实核查人员:需要为一张图片来源给出可复核的证据链,而不是口头结论。
- 摄影与旅行内容作者:找回自己多年前照片的位置,或者想知道某张图是在哪条路上拍的。
- 做安全与隐私评估的人:想直观看到一张”什么线索都没有”的照片能泄露多少信息。
- Agent 工具开发者:想参考一个结构完整的 Skill 怎么把规则、脚本和数据拆开写。
不太适合只想”点一下出结果”的人。它的定位是给会用命令行、愿意看中间产物的人。
部署
要求不复杂:Python 3.10+、uv、curl,以及一个能跑 shell 命令的 Agent。每个脚本自带依赖声明,uv run 首次运行会自动装。
最省事的是用 skills CLI 一次装到多个 Agent(用户级):
1 | npx skills add Oldcircle/geo-sleuth -g -a claude-code -a codex -a cursor -a gemini-cli -a opencode -a github-copilot -y |
Claude Code 用户也可以走插件市场:
1 | /plugin marketplace add Oldcircle/geo-sleuth |
不想用 CLI 就手动放目录。Codex、Cursor、Gemini CLI、OpenCode、GitHub Copilot 都读 ~/.agents/skills/,放一份就够;Claude Code 读 ~/.claude/skills/,软链过去即可:
1 | git clone https://github.com/Oldcircle/geo-sleuth |
装完先体检,别跳过这步。反向图搜需要本机有 Chrome 或 Playwright 的 Chromium,缺了就在这里暴露:
1 | uv run ~/.agents/skills/geo-sleuth/scripts/doctor.py |
--network 只探测服务是否可达,不上传照片。注意它的通过也不代表图片上传、模型下载、影像覆盖一定没问题。
使用
装好之后接口只有一句话。把照片给它:
找出这张照片的拍摄地点
Agent 会读 SKILL.md,跑 intake.py 做元数据、裁切、OCR 和反向图搜,生成候选看板,再按线索分支去扫地形、查 OSM、验街景,最后出证据图。
想先确认本地处理链路通不通(不联网、不做反向图搜):
1 | uv run <skill-dir>/scripts/intake.py photo.jpg --out-dir intake --no-rev |
打开 intake/intake.md 看裁切和 OCR 结果对不对,这是最省时间的一次自检。
match.py(街景排序,DINOv2 + SIFT)和 sat_scan.py(CLIP 打分的卫星网格)会装 ML 依赖并下载模型权重,第一次跑要留出时间和磁盘。默认按 CUDA → MPS → CPU 选设备并打印出来,也可以用 GEO_DEVICE=cpu 之类的变量强制指定。
优点
- 不依赖可读线索。绝大多数”看图找地”工具靠招牌、文字、地标,geo-sleuth 在没有一个字可读的情况下,用桥墩间距、影子方位、山脊线做几何反推,这是它真正的护城河。
- 过程可复核。每个结论绑定跑过的命令和产物文件,误差半径和置信度都写明,而不是给一个玄学坐标。
- 规则写进代码。v2 把能变成代码的判断都塞进了
board.py,规则被真正执行,而不是写在提示词里让模型随缘遵守。 - 跨 Agent 通用。标准 Skill 目录结构,不绑定某一家产品。
- 有回归数据。README 给了各脚本的量化基准(比如
terrain.py fit加横滚解算后,8 组合成天际线的中位误差从 324 米降到 238 米),改功能时能对照。 - MIT 协议,可直接用于工作流。
缺点和限制
- 慢,而且贵。案例耗时 32 到 72 分钟,一半时间在等计算;再加上要跑大模型,token 和算力成本都不低。
- 首跑门槛在环境。浏览器、torch、模型权重、Hugging Face 可达性,任何一环不顺都得自己排障。Windows 下
uv run默认装的是 CPU 版 torch,想用 N 卡要手动加 CUDA 源(首次下载约 2.4 GB)。 - 结果是概率性的。作者自己声明:案例是回归测试而非未见照片的准确率,官方还缺一个公开盲测集。地形平坦、缺乏人造物的地方成功率会明显下降。
- 中文支持已冻结。当前版本的说明、命令帮助、错误信息、报告标题都是英文,中文指令维护在
zh-final标签上、不再更新。OCR 出来的原文保留原语言,靠 Agent 转述给你。 - 依赖外部服务。反向图搜走百度 / Yandex 的网页接口,遇到 403、429 或验证码很常见,脚本会存截图让你自己判断;OSM、AWS 高程、卫星瓦片都走在线查询,断网就只剩本地那部分能力。
- 单人维护。文档里也列了未完成项(Linux/Windows CI、Google Lens 接入、公开盲测集),属于个人项目而不是商业产品,遇到坑要有自己读脚本的准备。
一句提醒
作者在 README 末尾写了一句负责任使用的声明,值得原样记住:只分析你自己拍的或你获授权分析的照片,绝不用它去定位没有同意被找到的人。这类工具的能力是真实的,用在哪里是使用者的选择。
项目地址:https://github.com/Oldcircle/geo-sleuth,MIT 协议。
