朋友发来一张照片：稻田边一个白色烤炉，远处一道高架桥，再远处一座山。没有定位，没有文字，连个车牌都没有。“猜猜这是哪？”
放两年前，这题只能靠蒙。但现在，一个 9 月中旬才上线的开源项目 geo-sleuth，用一个多月冲到 4200+ star，干的就是这件事：给 AI 一张照片，它还你一个精确到米的拍摄机位。知乎GitHub
它不是 App，是给 AI 装的"侦探技能"
先说清楚形态：geo-sleuth 不是独立软件，是一个 Agent Skill——一份写给 AI 的查证手册（SKILL.md），加二十多个各司其职的 Python 脚本。装进 Claude Code、Cursor、Codex、Gemini CLI 这类编程代理里，然后对 AI 说一句"找出这张照片在哪拍的"，它返回三样东西：坐标±误差半径、镜头朝向、一张卫星证据图。知乎
关键是它不靠"看图瞎猜"。GeoSpy 那类纯视觉模型会告诉你"80% 在犹他州"，但你不知道它为什么这么说。geo-sleuth 的路线是像刑侦技术员一样找证据：脚本负责查询、计算、排序，模型只在排名靠前的几个候选里做最终判断，每个结论必须指向具体跑过的命令和产出的文件。知乎
一个案例看懂它有多较真
官方最出名的案例发生在广东清远。一张抹掉 EXIF 的照片，画面里只有稻田、烤炉、高架桥和山。它的推理链是这样的：
先看高架上竖着的杆子——接触网支柱，说明这是电气化铁路；再把桥墩间距当尺子，估出左边桥段约 500 米、右边超过 1 公里。然后从 OpenStreetMap 拉出整个华南的 27335 段铁路桥，用高程数据逐点算 360° 地平线，筛剩 171 处；再在周边摆出 14372 个候选机位，逐个渲染"从这里望出去会看到什么样的山脊线"，跟照片比对打分，收窄到 22 个、3 个；最后用照片里数出来的 17 根桥墩做方位线求交，只剩唯一答案。知乎知乎
结论：广东清远，误差 ±2 米。整个过程像看一集侦探剧，每一步都有据可查。
但它不是神，翻车记录也摆在那
一位博主实测了 8 张照片，成了 7 张：上海思南公馆、北京花瓣穹顶的商场、连构图糟糕的动物园随手拍都在 5 分钟内锁定。但最后一题翻车了——鳌太线无人区的实拍图，它在两条相距 2 公里的山梁之间摇摆，最终选错。评论区也有真实用户吐槽：一张风景照折腾 2 小时，上下文太长被截断，没成功。知乎
翻车的规律很一致：线索质量决定上限，数据覆盖决定下限。有桥、山脊、行道树、特色建筑这类"可测量"的东西，且公开数据覆盖到位，它就惊艳；纯自然环境、无人区、数据稀疏的地方，AI 也巧妇难为无米之炊。
想玩？先过三道门槛
一是得有支持 Skill 的 agent 宿主，纯手机党没法直接玩；二是环境要 Python 3.10+、uv 和 Chrome/Chromium（反向搜图用），首次运行要下载约 2.4GB 模型，Windows 默认还是 CPU 版 torch。三是耐心——官方案例里，沙漠那张跑了 32 分钟，温哥华街景跑了 53 分钟。它适合"较真式"定位，不适合替代随手一搜的在线工具。GitHub知乎
最后，必须说的那件事
这个工具强到什么程度？强到项目方在 README 末尾专门写了一行"responsible use"：只在你自己的照片、或你已获准分析的照片上运行，绝不要用它去寻找未同意被找到的人。知乎
反过来，这也是给每个人提的醒：以前发原图怕泄露 EXIF 定位，现在抹掉 EXIF 也没用了——山脊线、桥墩间距、行道树胸径，画面里这些"可测量的世界"本身就是坐标。晒娃、晒家、晒常去的咖啡馆之前，值得多想三秒。这不是贩卖焦虑，是工具已经真实存在，4263 个 star 就是 4263 个知道它的人。
对绝大多数人来说，geo-sleuth 最有用的场景其实是：找回自己旧照片的拍摄地、验证一张网图的真实性，以及纯粹体验一次当侦探的快乐。能力本身没有善恶，但用它的人有。
