
Навык агента, который определяет, где было сделано фото — геометрия OpenStreetMap, высотные силуэты, спутниковые снимки и просмотр улиц — и показывает ход работы. Работает с Claude Code, Codex, Cursor, Gemini CLI, OpenCode и GitHub Copilot.
Агентный навык, который определяет, где был сделан снимок — и показывает свою работу.
Работает с
…и любым другим агентом, который читает SKILL.md и выполняет команды оболочки.
Ни текста. Ни номеров. Ни ориентиров. Один мост, одна гора. Локализовано с точностью до 2 м.
npx skills add Oldcircle/geo-sleuth
Выберите своих агентов, когда появится запрос. Затем передайте агенту фотографию и скажите:
найди, где сделана эта фотография
При первом использовании попросите агента запустить doctor.py из папки scripts/ установленного навыка и устранить все неудачные проверки (см. Requirements and setup). Это весь интерфейс. Агент читает SKILL.md, запускает скрипты и возвращается с позицией камеры, направлением, в котором она смотрела, и спутниковым изображением-доказательством. Предпочитаете скопировать папку сами? См. Installation.
SKILL.md плюс обычные скрипты на Python — поэтому одна и та же папка работает в Claude Code, Codex, Cursor, Gemini CLI, OpenCode и GitHub Copilot.Ни у одной из этих фотографий не было GPS-данных. Для каждого случая указано, что навык прочитал с фотографии, как он сузил поиск и насколько результат отклонился от подтверждённой позиции камеры.
Фотография с телефона с удалёнными EXIF-данными: белая печь на краю убранного рисового поля, длинный виадук вдали, крутая гора справа. Ни единого символа в кадре. Одно сообщение агенту с установленным навыком — и он вернулся с позицией камеры и направлением, в котором смотрела камера.
фото → 27 335 → 171 → 14 372 → 22 → 3 → 1 → ±2 м