---

Schnellstart

npx skills add Oldcircle/geo-sleuth

Wähle deine Agents aus, wenn du dazu aufgefordert wirst. Übergib deinem Agent dann ein Foto und sage:

finde heraus, wo dieses Foto aufgenommen wurde

Bei der ersten Verwendung bitte den Agent, doctor.py aus dem scripts/-Ordner des installierten Skills auszuführen und alle fehlgeschlagenen Prüfungen zu beheben (siehe Requirements and setup). Das ist die gesamte Schnittstelle. Der Agent liest SKILL.md, führt die Skripte aus und kommt mit der Kameraposition, der Blickrichtung und einem Satelliten-Beweisbild zurück. Möchtest du den Ordner lieber selbst kopieren? Siehe Installation.

Warum geo-sleuth

• Ein Foto, ein Satz. Gib deinem Agent ein Foto und sage finde heraus, wo dieses Foto aufgenommen wurde. Du bekommst die Kameraposition, die Blickrichtung und ein Satelliten-Beweisbild zurück.
• Es funktioniert, wenn es nichts zu lesen gibt. Kein Schild, kein Kennzeichen, kein Wahrzeichen: OpenStreetMap-Geometrie, Höhendaten, Satellitenkacheln und Street View tragen die Suche von allein.
• Geometrie statt Rätselraten. Der Abstand zwischen Pfeilern wird zum Entfernungsmaßstab, Schatten werden zur Peilung, eine Bergkamm-Linie wird zum Fingerabdruck, der mit Höhendaten abgeglichen werden kann.
• Jede Behauptung verweist auf eine Datei. Eine Schlussfolgerung muss den Befehl nennen, der in der Sitzung ausgeführt wurde, und die Datei, die er erzeugt hat. Einwohnerzahl und Bekanntheit sind keine Beweise.
• Skripte ordnen ein, das Modell urteilt. Zwanzig zweckgebundene Skripte suchen, bewerten und sortieren; das Modell wählt nur unter den besten wenigen aus.
• Ein Skill, jeder Agent. Ein standardmäßiger Agent Skill — SKILL.md plus einfache Python-Skripte — sodass derselbe Ordner in Claude Code, Codex, Cursor, Gemini CLI, OpenCode und GitHub Copilot läuft.
• Antworten tragen einen Fehlerradius. Koordinaten ± Radius, die Kamera-Blickrichtung, ein Beweisbild und eine abgestufte Konfidenz.

Fälle

Keines dieser Fotos hatte GPS-Daten. Jeder Fall listet auf, was der Skill aus dem Foto gelesen hat, wie er die Suche eingegrenzt hat und wie weit das Ergebnis von der bestätigten Kameraposition entfernt lag.

1 · Reisfeld und Viadukt Eisenbahnbrücken × Skyline × Pfeileranzahl.	2 · Wüsten-Skyline Stromleitungen × Skyline × ein um 1° geneigtes Telefon.	3 · Kirschblütenstraße Open Data zu Straßenbäumen × Schatten × Street View.
±2 m Qingyuan, Guangdong	innerhalb 100 m Da Qaidam, Qinghai	3 m Vancouver, Kanada

1. Ein Reisfeld und ein Viadukt

Ein Handyfoto mit entfernten EXIF-Daten: ein weißer Ofen am Rand eines abgeernteten Reisfelds, ein langes Viadukt in der Ferne, ein steiler Berg auf der rechten Seite. Kein einziges Zeichen im Bild. Eine Nachricht an einen Agent mit installiertem Skill, und er kam mit der Kameraposition und der Blickrichtung der Kamera zurück.

Foto → 27.335 → 171 → 14.372 → 22 → 3 → 1 → ±2 m